Atividade 4 (A4)_ Revisão da tentativa

Prévia do material em texto

04/12/2022 18:19 Atividade 4 (A4): Revisão da tentativa
https://ambienteacademico.com.br/mod/quiz/review.php?attempt=1568404&cmid=521141#question-1791875-3 1/6
Minhas Disciplinas 222RGR1960A - MACHINE LEARNING UNIDADE 4 Atividade 4 (A4)
Iniciado em domingo, 4 dez 2022, 16:25
Estado Finalizada
Concluída em domingo, 4 dez 2022, 18:18
Tempo
empregado
1 hora 53 minutos
Avaliar 9,00 de um máximo de 10,00(90%)
Questão 1
Correto
Atingiu 1,00 de 1,00
Questão 2
Correto
Atingiu 1,00 de 1,00
Uma random forest (floresta aleatória) representa uma abordagem de ensemble learning de aprendizado supervisionado. Nessa
abordagem, são desenvolvidos múltiplos modelos e os resultados são agregados, de forma a melhorar as taxas de classificação. Uma
valiosa introdução às florestas aleatórias foi produzida por Leo Breiman e por Adele Cutler. 
 
Sobre as random forests, assinale a alternativa correta.
a. Na random forest, a seleção das amostras é realizada de forma determinística.
b. A seleção de variáveis para o nó raiz é realizada de forma aleatória.
c. A interação da aprendizagem na random foresté realizada de forma paralela.
d. Na abordagem random forest, são utilizados os mesmos pesos ponderados.
e. A random forest apresenta um desempenho preditivo inferior à árvores de decisão.
O modelo perceptron, que foi desenvolvido por Rosenblatt em 1955, é muito interessante para o estudo na área de redes neuronais.
Contudo, para a resolução de problemas reais, os quais, na maioria das vezes, não são separáveis linearmente, trata-se de um modelo
limitado. Diante disso, há a necessidade de serem desenvolvidas redes neurais do tipo Multilayer Perceptron (MLP). 
 
Em relação às redes neurais, assinale a alternativa correta.
a. As redes Multilayer Perceptron têm uma ou mais camadas intermediárias. Entretanto, os nós mais internos não terão os seus
pesos atualizados em backpropagation.
b. Nas redes Multilayer Perceptron, os neurônicos realizam atividades de reconhecimento. Assim, aprendem a classi�car um
novo objeto por meio de um aprendizado não-supervisionado.
c. Em uma rede Multilayer Perceptron usual, os neurônios das camadas intermediárias carregam uma função de ativação
não linear do tipo sigmoidal.

d. Na onda conectivista da inteligência arti�cial, há uma distinção clara entre mente e cérebro, já que a mente emerge do
cérebro.
e. Em uma rede Multilayer Perceptron, a propagação do sinal é para trás e não há a retropropagação do erro, em que os pesos
da rede são ajustados com base no erro.

Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental
https://ambienteacademico.com.br/my/
https://ambienteacademico.com.br/course/view.php?id=18504
https://ambienteacademico.com.br/course/view.php?id=18504&section=5
https://ambienteacademico.com.br/mod/quiz/view.php?id=521141
https://codely-fmu-content.s3.amazonaws.com/Moodle/GuiaDigital/Guia+digital/index.html
https://informa.fmu.br/carreiras/
https://codely-fmu-content.s3.amazonaws.com/Moodle/NAP/inicial/nap/fmu/index.html
https://codely-fmu-content.s3.amazonaws.com/Moodle/CPA/landing_CPA/index.html
https://portal.fmu.br/sustentabilidade
04/12/2022 18:19 Atividade 4 (A4): Revisão da tentativa
https://ambienteacademico.com.br/mod/quiz/review.php?attempt=1568404&cmid=521141#question-1791875-3 2/6
Questão 3
Correto
Atingiu 1,00 de 1,00
Questão 4
Correto
Atingiu 1,00 de 1,00
A técnica de árvore de decisão pode facilmente gerar overfitting (sobreajuste). Desse modo, uma das estratégias para reduzir a
problemática é tomar um grande conjunto de árvores de decisão como classificador, o que constitui as florestas aleatórias. 
 
A respeito das florestas aleatórias, analise as afirmativas a seguir e assinale (V) para as Verdadeiras e (F) para as Falsas. 
 
I. ( ) Nas florestas aleatórias, depois que a base de dados passa por um conjunto de árvores de decisão que trabalham em conjunto para
obter um somatório de modelos, é gerado o conjunto de dados preditivos. 
II. ( ) Primeiramente, no algoritmo random forest,é realizada uma seleção de amostras, a fim de excluir as repetições. A implementação
dessa exclusão de repetições é realizada por meio de um procedimento denominado bagging. 
III. ( ) A seleção bootstrap, no algoritmo random forest, é realizada para cada árvore por meio de amostras que podem ser aleatórias e
repetidas. Assim, é possível ter uma ou mais de uma observação repetida. 
IV. ( ) A seleção de variáveis para o nó raiz de cada árvore é determinada pelo algoritmo random forest, que define as variáveis de forma
determinística. A definição é realizada de forma estocástica apenas no caso de ensemble learning. 
 
Assinale a alternativa que apresenta a sequência correta.
a. V, V, F, F.
b. F, F, V, V.
c. F, V, F, V.
d. V, F, F, V.
e. V, F, V, F.
O R é uma linguagem orientada a objetos, open-source, gratuita e com uma comunidade internacional engajada. Além disso, distingue-se
pela enorme diversidade de pacotes voltados à área de machine learning, incluindo as árvores de decisão, a clusterização, a regressão
linear, a logística, os componentes principais, a análise fatorial, as redes neurais e a deep learning. 
 
Em relação ao uso do R em deep learning, analise as afirmativas a seguir e assinale (V) para a(s) Verdadeira(s) e(F)para a(s) Falsa(s). 
 
I. ( ) As principais funções para a resolução de problemas voltados à aprendizagem profunda no R são nn.train e predicat. 
II. ( ) O pacote do R voltado à aprendizagem profunda se chama deepnet. A função nn.train faz parte desse pacote. 
III. ( ) Para efetuar o download de um pacote do R para o computador, é necessário usar library(“nome do pacote”). 
IV. ( ) Antes de utilizarmos o comando nn.train(), precisamos usar o comando predict(), a fim de preparar a rede neural. 
 
Assinale a alternativa que apresenta a sequência correta.
a. V, F, F, V.
b. F, V, V, F.
c. V, V, F, F.
d. V, F, V, V.
e. F, F, V, V.

Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental
https://codely-fmu-content.s3.amazonaws.com/Moodle/GuiaDigital/Guia+digital/index.html
https://informa.fmu.br/carreiras/
https://codely-fmu-content.s3.amazonaws.com/Moodle/NAP/inicial/nap/fmu/index.html
https://codely-fmu-content.s3.amazonaws.com/Moodle/CPA/landing_CPA/index.html
https://portal.fmu.br/sustentabilidade
04/12/2022 18:19 Atividade 4 (A4): Revisão da tentativa
https://ambienteacademico.com.br/mod/quiz/review.php?attempt=1568404&cmid=521141#question-1791875-3 3/6
Questão 5
Correto
Atingiu 1,00 de 1,00
Questão 6
Incorreto
Atingiu 0,00 de 1,00
Os algoritmos de deep learning (aprendizado profundo) constituem uma inovação recente na área de aprendizado de máquina. Eles são
uma espécie de caixa-preta, na qual entra um conjunto de dados (uma imagem, por exemplo) e, por meio de diversas funções matemáticas,
é produzida uma saída que extrai um aprendizado do conjunto de dados de entrada, com resultados frequentemente precisos,
ultrapassando o desempenho humano. 
 
Considerando o conteúdo apresentado no enunciado, assinale a alternativa correta.
a. Uma restrição em relação ao aprendizado profundo se dá no fato de que nem todos os neurônios podem se conectar entre
si.
b. Uma das características particulares do aprendizado profundo é a sua independência em relação à escolha do conjunto de
dados para a realização de um treinamento direcionado à acurácia do algoritmo.
c. Na década de 1990, foram desenvolvidas pesquisas voltadas à aplicação das redes neurais convolucionais com mais de cinco
camadas, mas elas não se mostraram e�cientes
d. O aprendizado profundo é uma técnica ligada às redes neurais. Todavia, consegue lidar apenas com uma pequena
quantidade de dados.
e. Uma rede neural com mais de cinco camadas já caracteriza um aprendizado profundo. Essas camadas realizam
transformações lineares e não lineares.

As redes neurais são muito usadas na classificação de dados. Assim como os neurônios biológicos, cada neurônioartificial tem dendritos,
axônios e um núcleo. Além disso, cada neurônio carrega um peso sináptico associado e um valor chamado “viés”. No núcleo do neurônio,
existe uma função somatória responsável por efetuar a soma ponderada dos dados de entrada. 
 
Sobre as redes neurais artificiais, assinale a alternativa correta.
a. A combinação de sistemas difusos com visão computacional e redes neurais não apresenta resultados animadores nas
aplicações industriais.
b. As redes neurais multicamadas, com funções de ativação não lineares nas camadas intermediárias, apresentam baixo
desempenho em tarefas de classi�cação.
c. Para alguns autores, como Haykin, o comportamento do cérebro humano é similar ao de um computador digital
convencional.

d. Redes neurais arti�ciais realizam aprendizagem por hábito, e não por conceito. Diante disso, devemos treiná-las com dados
de entrada.
e. Se houver um erro de classi�cação, os pesos presentes na rede neural são ajustados por meio de um método denominado
"retropropagação".

Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental
https://codely-fmu-content.s3.amazonaws.com/Moodle/GuiaDigital/Guia+digital/index.html
https://informa.fmu.br/carreiras/
https://codely-fmu-content.s3.amazonaws.com/Moodle/NAP/inicial/nap/fmu/index.html
https://codely-fmu-content.s3.amazonaws.com/Moodle/CPA/landing_CPA/index.html
https://portal.fmu.br/sustentabilidade
04/12/2022 18:19 Atividade 4 (A4): Revisão da tentativa
https://ambienteacademico.com.br/mod/quiz/review.php?attempt=1568404&cmid=521141#question-1791875-3 4/6
Questão 7
Correto
Atingiu 1,00 de 1,00
Questão 8
Correto
Atingiu 1,00 de 1,00
As aplicações das redes neurais são cada vez mais surpreendentes. Em específico, as redes neurais se notabilizam pela robustez
apresentada em problemas de classificação. O objetivo dos algoritmos de treinamento não é minimizar o erro do conjunto de treinamento,
mas aproximar as funções geradoras. 
 
A respeito das redes neurais, analise as afirmativas a seguir e assinale (V) para a(s) Verdadeira(s) e(F)para a(s) Falsa(s). 
 
I. ( ) Uma combinação de algoritmos utilizada nas aplicações das áreas de automação e de controle envolve lógica nebulosa e redes
neurais. 
II. ( ) Redes neurais com mais de cinco camadas fazem uso de vários algoritmos ao mesmo tempo em suas camadas internas, incluindo
árvores de decisão, Naive Bayes e regressão linear. 
III. ( ) As redes neurais não apresentam um desempenho suficiente em relação à Internet das Coisas (IoT), apesar de todo o investimento
realizado nos últimos 10 anos. 
IV. ( ) Uma das características das redes neurais artificiais é o fato de serem constituídas por unidades de processamento simples e
densamente interconectadas. 
 
Assinale a alternativa que apresenta a sequência correta.
a. F, V, F, V.
b. F, V, V ,F.
c. F, F, V, V.
d. V, F, V, F.
e. V, F, F, V.
Florestas aleatórias podem fazer uso do que se denomina “bagging”: tomar múltiplos subconjuntos do conjunto de dados de treinamento,
com o objetivo de construir um número de modelos de árvore de decisão independentes para, depois, tomar a média desses modelos, o
que possibilita a criação de um modelo preditivo com desempenho comparado ao modelo clássico CART. Outra técnica para melhorar o
desempenho das florestas aleatórias é o gradient boosted trees. 
 
Sobre o gradient boosted trees, assinale a alternativa correta.
a. No modelo de aprendizado de máquina gradient boosted trees, a combinação das árvores de decisão é realizada com
amostras de boostrap. Essas amostras são de�nidas por uma função matemática do tipo sigmoide.
b. Na linguagem R, o parâmetro responsável pelo controle do número de árvores na modelagem GBM é chamado de numtrees,
presente na função gbm(). Esse parâmetro possibilita a redução do impacto de aprendizagem de cada árvore.
c. O número de iterações na função gbm() é controlado pelo parâmetro shrinkage. Quanto maior for o valor, menor será o
impacto de aprendizagem de cada árvore de decisão em particular.
d. O método boosting é similar ao bagging. No entanto,no bagging, as árvores crescem de forma sequencial, ou seja, cada
árvore é construída a partir das informações da árvore anterior.

e. As árvores utilizadas em uma �oresta aleatória a partir do método bagging carregam sempre os mesmos parâmetros,
constituindo uma modelagem heterogênea. O número de quebras em cada árvore e a profundidade são dois desses
parâmetros.

Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental
https://codely-fmu-content.s3.amazonaws.com/Moodle/GuiaDigital/Guia+digital/index.html
https://informa.fmu.br/carreiras/
https://codely-fmu-content.s3.amazonaws.com/Moodle/NAP/inicial/nap/fmu/index.html
https://codely-fmu-content.s3.amazonaws.com/Moodle/CPA/landing_CPA/index.html
https://portal.fmu.br/sustentabilidade
04/12/2022 18:19 Atividade 4 (A4): Revisão da tentativa
https://ambienteacademico.com.br/mod/quiz/review.php?attempt=1568404&cmid=521141#question-1791875-3 5/6
Questão 9
Correto
Atingiu 1,00 de 1,00
Questão 10
Correto
Atingiu 1,00 de 1,00
Com o incremento de velocidade nos processadores, os problemas associados ao grande número de ajustes nas redes neurais artificiais
com muitas camadas foram mitigados. Assim, as redes profundas, a partir de um treinamento realizado por algoritmos de deep learning,
passaram a apresentar um desempenho muito superior ao de outros algoritmos de machine learning, principalmente em relação ao
processamento de imagens, voz e língua natural. 
 
Sobre deep learning, analise as afirmativas a seguir e assinale (V) para a(s) Verdadeira(s) e(F)para a(s) Falsa(s). 
 
I. ( ) A técnica de aprendizagem conhecida como deep learning se notabiliza pelo processamento de grande quantidade de dados não
estruturados. 
II. ( ) O conceito de rede neural convolucional se aplica tanto às redes neurais usuais quanto ao processamento deep learning. 
III. ( ) Na linguagem R, existem pacotes e, dentro desses pacotes, há muitas funções específicas para o tratamento de redes neurais e
deep learning, incluindo a função nn.train do pacote deepnet. 
IV. ( ) Para utilizarmos o pacote deepnet no R, precisamos, primeiramente, efetuar o carregamento do pacote usando library(deepnet). Em
seguida, utilizamos install.packages(“deepnet”). 
 
Assinale a alternativa que apresenta a sequência correta.
a. V, V, V, F.
b. V, V, F, F.
c. F, V, F, V.
d. V, F, V, F.
e. F, F, V, V.
O R, linguagem orientada a objetos e de código aberto, notabiliza-se pela quantidade de pacotes que oferece nas áreas de mineração de
dados e de machine learning. Assim, as árvores de decisão, as florestas aleatórias (random forests), as redes neurais e a deep learning não
poderiam ficar de fora da diversidade apresentada pela comunidade do R. 
 
Sobre o R e a random forest, analise as afirmativas a seguir e assinale (V) para a(s) Verdadeira(s) e(F)para a(s) Falsa(s). 
 
I. ( ) No R, o comando para modelar florestas aleatórias é o random forest (formula, data). Em “formula”, devem estar os parâmetros de
poda das árvores de decisão. Já em data, é preciso expressar as variáveis preditora e resposta. 
II. ( ) O primeiro passo para tratar qualquer floresta aleatória no R é importar o pacote que contém as funções para executar a tarefa. Esse
pacote é o “party”. Contudo, não basta efetuar o download, o pacote deve ser carregado na sessão corrente do R com library(). 
III. ( ) É extremamente recomendável, antes de executar qualquer análise em um conjunto de dados, observá-los. Alguns comandos para
essa tarefa são: print(), head() e tail(). Com eles, você poderá examinar detalhes do conjunto de dados. 
IV. ( ) Na análise de random forest, a partir da função randomForest(formula, data), a ordem com que a variável resposta e as variáveis
preditoras aparecem na formula é indiferente em relação às respostas do algoritmo. 
 
Assinale a alternativa que apresenta a sequência correta.
a. V, F, F, V.
b. V, F, V,F.
c. F, V, F, V.
d. F, V, V, F.
e. V, F, V, V.
◄ Compartilhe

Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental
https://ambienteacademico.com.br/mod/forum/view.php?id=521137&forceview=1
https://codely-fmu-content.s3.amazonaws.com/Moodle/GuiaDigital/Guia+digital/index.html
https://informa.fmu.br/carreiras/
https://codely-fmu-content.s3.amazonaws.com/Moodle/NAP/inicial/nap/fmu/index.html
https://codely-fmu-content.s3.amazonaws.com/Moodle/CPA/landing_CPA/index.html
https://portal.fmu.br/sustentabilidade
04/12/2022 18:19 Atividade 4 (A4): Revisão da tentativa
https://ambienteacademico.com.br/mod/quiz/review.php?attempt=1568404&cmid=521141#question-1791875-3 6/6
Seguir para...
Revisão Atividade 4 (A4) ►

Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental
https://ambienteacademico.com.br/mod/quiz/view.php?id=521142&forceview=1
https://codely-fmu-content.s3.amazonaws.com/Moodle/GuiaDigital/Guia+digital/index.html
https://informa.fmu.br/carreiras/
https://codely-fmu-content.s3.amazonaws.com/Moodle/NAP/inicial/nap/fmu/index.html
https://codely-fmu-content.s3.amazonaws.com/Moodle/CPA/landing_CPA/index.html
https://portal.fmu.br/sustentabilidade