Apol 01

Prévia do material em texto

Questão 1/10 - Machine Learning
“Machine Learning atualmente é considerada como uma subárea da Inteligência Artificial, e nós devemos diferenciá-la dos métodos de Inteligência Artificial (IA) que lidam com problemas de busca, agentes inteligentes e resolução de problemas, como por exemplo fazer com que o computador consiga definir a melhor jogada em uma partida de xadrez ou encontrar a saída de um labirinto.” (Material impresso da Aula 1 – Tema 2).
Sobre ML é correto afirmar:
Nota: 10.0
	
	A
	Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem não depende de visão computacional ligada as estruturas de busca mas sim buscas em sistemas especialistas.
	
	B
	Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas aprender por meio de exemplos.
Você acertou!
 
Conforme Aula 1 Tema 2.1.
	
	C
	A vantagem dos métodos de Machine Learning se perde quando o processo de aprendizagem pode ser automatizado, neste caso devemos usar IA clássica
	
	D
	Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
Questão 2/10 - Machine Learning
Já na década de 1950, o cientista Alan Turing, considerado um dos pais da IA, projetou um teste – Teste de Turing – que ainda permanece alvo de estudos e investigação nos dias atuais. Conhecer este teste é importante, pois por meio dele podemos ter uma noção mais clara do desenvolvimento da área e de subáreas que se estruturam dentro do campo da IA. (Material impresso da Aula 1 – Tema 1).
Como você descreveria o Teste de Touring?
Nota: 0.0
	
	A
	Uma entidade interage com um entrevistador e suas perguntas são passadas a um segundo entrevistador por um computador sem o conhecimento da entidade. Ao receber as respostas, se o entrevistador 1 conseguir distinguir se estas respostas foram produzidas por um humano, o computador passaria no teste.
 
	
	B
	Um entrevistador interage com uma entidade, sem visualizá-la e suas perguntas são passadas por escrito para esta entidade, um computador. Ao receber as respostas se o entrevistador não conseguir distinguir se estas respostas foram produzidas por um humano ou por um computador, o computador passaria no teste.
Conforme Aula 1 Tema 1.1.
	
	C
	Um computador interage com um entrevistador e suas perguntas são passadas por escrito para este entrevistador. Ao receber as respostas se o computador conseguir interpreta-las, o computador passaria no teste.
	
	D
	Um entrevistador interage com outro entrevistador, sem visualizá-lo e suas perguntas são passadas ao segundo entrevistador por um computador dito entidade. Ao receber as respostas, se o entrevistador 1 conseguir distinguir se estas respostas foram produzidas por um humano, o computador passaria no teste.
 
Questão 3/10 - Machine Learning
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi planejar um modelo de aprendizagem de máquina para trabalhar com textos, que serão fornecidos de forma sequencial ao modelo.
Utilizando os seus conhecimentos de aprendizagem de máquina e sabendo que a sua equipe dispõe de capacidade de processamento e dados em abundância, você recomendaria a utilização de:
Nota: 10.0
	
	A
	um classificador bayesiano
	
	B
	um classificador do tipo k-Means
	
	C
	uma classificador do tipo k-NN
	
	D
	uma rede neural do tipo LSTM
Você acertou!
Justificativa:
As redes meurais do tipo LSTM são recomendadas para trabalhar com dados fornecidos sequencialmente e que apresentem dependência dos elementos fornecidos anteriormente, como no caso de dados de texto.
	
	E
	uma rede neura do tipo CNN
Questão 4/10 - Machine Learning
“Criada nos anos 1960, a tecnologia que usa computadores e algoritmos para reconhecer rostos humanos ganhou escala há pelo menos uma década, muito graças ao avanço das redes sociais e da internet. Com milhares de pessoas disponibilizando voluntariamente suas fotos na internet, existe hoje um banco de dados com bilhões de imagens que servem para treinar redes de inteligência artificial a detectar e reconhecer rostos.”
Disponível em <https://revistagalileu.globo.com/>. Acesso em 19/04/2021
Apesar de ter sido criada na década de 60, a tecnologia de reconhecimento facial somente veio ser aplicada de fato e em larga escala nos tempos atuais. Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, podemos destacar como um fator de grande peso:
Nota: 10.0
	
	A
	a ausência de interesse em pesquisas
	
	B
	os erros contidos nos métodos de reconhecimento
	
	C
	não existir fotografia digital na época
	
	D
	a baixa capacidade de armazenamento e processamento
Você acertou!
Justificativa:
O processo de treinamento das redes neurais exige uma grande capacidade de processamento computacional por conta da quantidade de cálculos que devem ser executados para o correto ajuste dos pesos. Além disso, o processo de aprendizagem a partir dos dados necessita de um grande volume de dados, o que até algumas décadas atrás não era possível.
	
	E
	nenhuma das anteriores
Questão 5/10 - Machine Learning
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi a tradução de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um dos trechos que a equipe gostaria de decifrar se refere ao seguinte código:
from sklearn.preprocessing import StandardScaler
X = carrega_dataset()
sc = StandardScaler()
sc.fit(X)
De acordo com os seus conhecimentos de  aprendizagem de máquina, o código acima executa:
Nota: 10.0
	
	A
	um processo de treinamento dos dados
	
	B
	um processo de predição
	
	C
	um processo de normalização dos dados
Você acertou!
Justificativa:
O uso do método fit da classe StandardScaler executa um processo de normalização de dados.
	
	D
	um processo de expansão dos dados
	
	E
	não faz nada e pode ser comentado
Questão 6/10 - Machine Learning
 
“Após a extração e seleção de atributos, os vetores de atributos servem como entradas para os métodos de aprendizagem de máquina. Esses métodos utilizam as informações fornecidas para criar um conhecimento sobre como os dados fornecidos estão organizados e distribuídos. A escolha do método que será utilizado, assim como no caso dos atributos, depende do problema.” (Material impresso da Aula 1 – Tema 4).
Sobre tipos de aprendizagem é correto afirmar:
Nota: 10.0
	
	A
	Aprendizagem supervisionada é aquela que se assemelha a escolha de um caminho em grafos. Sempre que fazemos uma busca em profundidade se obtém a completitude ótima
	
	B
	Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas aprender por meio da visão computacional.
	
	C
	Metodos supervisionados, não supervisionados e semissupervisionados são exemplos de tipos de aprendizagem.
Você acertou!
Conforme Aula 1 Tema 4.
	
	D
	A aprendizagem por reforço é um tipo de machine learning voltado a redes neureais naturais baseadas no Perceptron de Rosemblatt.
.
Questão 7/10 - Machine Learning
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o modelo foi treinado para classificar um total de :
Nota: 10.0
	
	A
	4 classes
	
	B
	5 classes
	
	C
	1 classe
	
	D
	3 classes
	
	E
	2 classes
Você acertou!
Justificativa:
Analisando visualmente as representações das folhas da árvore de decisão podemos ver que há duas classes distintas: gosta futebol e não gosta futebol.
Questão 8/10 - Machine Learning
Você foicontratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas foi a explanação de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um modelo de árvore de decisão estava apresentando resultados muito ruins, errando grande parte das predições. O modelo foi definido usando o seguinte código:
from sklearn import tree
    clf = tree.DecisionTreeClassifier(criterion = "gini",
                                                                                   splitter = "best", max_depth = 5)
Analisando melhor os nós e folhas gerados no processo, que o modelo não estava realizando divisões suficientes que permitissem separar bem as categorias.
Para obter melhores resultados com esse modelo você sugere que a definição dele seja feita da alterando o parâmetro:
Nota: 10.0
	
	A
	max_depth para 10
Você acertou!
Justificativa:
Para obter um número maior de divisões da árvore de decisões deve-se aumentar a sua profundidade através do parâmetro max_depth.
	
	B
	max_depth para 1
	
	C
	max_depth para 4
	
	D
	splitter para maximum
	
	E
	splitter para None
Questão 9/10 - Machine Learning
“Dado categórico é o tipo de dado estatístico que consiste em variáveis categóricas ou em dados que foram convertidos para esse formato, por exemplo, como dados agrupados. Mais especificamente, os dados categóricos podem derivar de observações feitas de dados qualitativos que são resumidos como contagens ou tabulações cruzadas, ou de observações de dados quantitativos agrupados em determinados intervalos.”
Disponível em <https://pt.wikipedia.org/>.
Como um profissional da área de ciência de dados você sabe que variáveis categóricas podem receber valores de 1 até o limite dos possíveis valores, ainda que a descrição ou valor real do campo seja diferente do número que a representa. Assim, podemos considerar como um exemplo de variável categórica :
Nota: 10.0
	
	A
	o preço de um produto
	
	B
	o tipo sanguíneo de uma pessoa
Você acertou!
Justificativa:
O tipo sanguíneo de uma pessoa pode assumir valores limitados, divididos em 8 tipos diferentes (A+,A-,B+,B-,AB+, AB-, O+, O-) se consideramos o fator Rh.
O preço de um produto é um valor contínuo.
A idade e o peso de uma pessoa é apesar de assumir valores limitados, não pode ser considerado como categórico. Assim como nome também não pode.
	
	C
	a idade de uma pessoa
	
	D
	o nome de uma pessoa
	
	E
	o peso de uma pessoa
Questão 10/10 - Machine Learning
Você necessita executar o treinamento de um modelo de aprendizagem. Para isso você coletou uma quantidade considerável de dados, e os dividiu em duas partes: uma para treino e outra para testes. Ao consultar um colega mais experiente sobre o processo de treinamento, ele perguntou se você havia executado a etapa de preparação dos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina você ponderou sobre o conselho do seu colega e:
Nota: 10.0
	
	A
	não executou a fase de preparação pois ela não é necessária
	
	B
	resolveu executar uma fase de preparação, pois ela é importante
Você acertou!
Justificativa:
Os dados utilizados no processo de treinamento e a sua preparação são de extrema importância em processos de aprendizagem supervisionada. Assim, sempre deve ser feita uma fase de preparação dos dados para uma obtenção de melhores resultados.
	
	C
	não executou uma fase de preparação, pois a quantidade de dados é suficiente
	
	D
	executou a fase de preparação apenas nos dados de treino
	
	E
	executou a fase de preparação apenas nos dados de teste