Inteligência Artificial Aplicada Questões 04

Prévia do material em texto

Questão 1/10 - Inteligência Artificial Aplicada
Como um iniciante na área de ciência de dados, você recebeu uma tarefa de agrupar um conjunto de dados de pessoas, utilizando um algoritmo de agrupamento. Você executou a separação utilizando um tutorial de internet, mas os resultados não foram satisfatórios. Buscando melhorar os resultados você pediu ajuda a um expert que lhe disse apenas o seguinte: “Altere o seu k-means para usar Manhattan ou Mahalanobis”.
De acordo com o seu conhecimento do algoritmo k-means, o expert estava sugerindo que você:
	
	A
	utilizasse outro algoritmo
	
	B
	utilizasse métricas de distância diferentes
	
	C
	utilizasse uma outra linguagem de programação
	
	D
	utilizasse um método supervisionado
	
	E
	utilizasse um framework
Questão 2/10 - Inteligência Artificial Aplicada
“Determinar o preço de venda torna-se tarefa extremamente importante e constitui-se uma das peças fundamentais do planejamento empresarial, pois proporcionará rentabilidade, competitividade, crescimento e retorno do capital investido. O preço é fator importante na decisão de compra, pois, em mercados competitivos, o cliente considera seu desembolso financeiro altamente relevante. ”
SEBRAE, Como Elaborar o Preço de Venda, 2013.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina, caso você necessite de um modelo para determinar o preço de um determinado produto, em um ambiente de recursos limitados, sua escolha mais provável seria:
	
	A
	modelo de Regressão Linear
	
	B
	rede do tipo LSTM
	
	C
	rede do tipo CNN
	
	D
	modelo k-Means
	
	E
	modelo HDBSCAN
Questão 3/10 - Inteligência Artificial Aplicada
O gráfico acima mostra o resultado da execução de um algoritmo k-means, indicando a soma das distâncias intra-clusters x nº de clusters.
De acordo com o seu conhecimento do algoritmo k-means e do método do cotovelo para determinar o melhor número de clusters, o valor mais adequado se encontra no intervalo:
	
	A
	entre 6 e 8
	
	B
	acima de 10
	
	C
	abaixo de 2
	
	D
	entre 2 e 4
	
	E
	entre 4 e 6
Questão 4/10 - Inteligência Artificial Aplicada
“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:
	
	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
	
	E
	nenhuma das anteriores
Questão 5/10 - Inteligência Artificial Aplicada
Você necessita desenvolver um classificador bayesiano para detecção de spam baseado nas palavras contidas nos e-mails recebidos. Para isso o classificador deverá utilizar o teorema de Bayes, considerando as classes como spam e não-spam e o vetor de características como a presença ou ausência de uma palavra, de acordo com a imagem acima.
Considerando do texto acima e valendo-se do seu conhecimento sobre classificação bayesiana,  o elemento P(?) será corretamente substituído por :
	
	A
	P(não-spam | spam)
	
	B
	P(spam)
	
	C
	P(palavra)
	
	D
	P(spam | não-spam)
	
	E
	P(palavra | spam)
Questão 6/10 - Inteligência Artificial Aplicada
Durante o processo de treinamento supervisionado de uma rede neural para reconhecimento de imagens, os dados são preparados colocando uma indicação da categoria, a qual cada imagem pertence. Durante o processo de treinamento, milhares de imagens, contendo indicações erradas como a mostrada na imagem acima, foram fornecidas para uma rede neural, fazendo com que os resultados do modelo fossem muito ruins.
De acordo com os seus conhecimentos sobre treinamento de redes neurais para reconhecimento de imagens, há muitas possibilidades, mas não será de grande utilidade:
	
	A
	correção das etiquetas incorretas e um novo treinamento
	
	B
	testar novos hiperparâmetros
	
	C
	testar novos hiperparâmetros
	
	D
	um treinamento somente com as etiquetas incorretas
	
	E
	mudar a taxa de aprendizagem
Questão 7/10 - Inteligência Artificial Aplicada
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 buscar determinar o preço de produtos com os quais um cliente trabalha.
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:
	
	A
	um classificador bayesiano
	
	B
	um modelo de regressão linear
	
	C
	uma classificador do tipo k-NN
	
	D
	uma rede neural do tipo LSTM
	
	E
	uma rede neura do tipo CNN
Questão 8/10 - Inteligência Artificial Aplicada
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 explanação de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um dos trechos que a equipe gostaria de compreender se refere a uma troca de códigos, onde o código:
mlp_clf = MLPClassifier(warm_start=True, max_iter=500,                                                                                                         hidden_layer_sizes=(100,))
Foi substituído por:
            mlp_clf = MLPClassifier(warm_start=True, max_iter=500,
                                                         hidden_layer_sizes=(50,50))
A equipe gostaria de saber se essa mudança, iria exigir mais memória. Ou seja, se o número de nós da rede aumentaria.
De acordo com os seus conhecimentos de  aprendizagem de máquina, a substituição de código fará com o número de nós do classificar perceptron de múltiplas camadas:
	
	A
	irá diminuir
	
	B
	irá dobrar
	
	C
	reduzirá pela metade
	
	D
	permanecerá igual
	
	E
	irá aumentar
Questão 9/10 - Inteligência Artificial Aplicada
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 compreender se refere ao seguinte código:
from sklearn.neural_network import MLPClassifier
X_treino_std, y_treino = carrega_dados_treino()
mlp_clf = MLPClassifier(warm_start=True, max_iter=500,                                                                                                       hidden_layer_sizes=(100,))
mlp_clf.fit(X_treino_std, y_treino)
De acordo com os seus conhecimentos de  aprendizagem de máquina, o código acima executa:
	
	A
	um processo de treinamento dos dados
	
	B
	um processo de predição
	
	C
	um processo de normalização dos dados
	
	D
	um processo de expansão dos dados
	
	E
	não faz nada e pode ser comentado
Questão 10/10 - Inteligência Artificial Aplicada
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 explanação de trechos de códigos em linguagem relacionados ao treinamentode modelos de aprendizagem de máquina.
Um dos trechos que a equipe gostaria de compreender se refere a uma troca de códigos, onde o código:
mlp_clf = MLPClassifier(warm_start=True, max_iter=500,                                                                                                         hidden_layer_sizes=(100,50,50))
Foi substituído por:
            mlp_clf = MLPClassifier(warm_start=True, max_iter=500,
                                                         hidden_layer_sizes=(50,50))
De acordo com os seus conhecimentos de  aprendizagem de máquina, a substituição de código foi feita para:
	
	A
	alterar o tipo do classificador
	
	B
	aumentar a quantidade de camadas da rede
	
	C
	diminuir a quantidade de camadas da rede
	
	D
	estabilizar as camadas da rede
	
	E
	aumentar o número de nós da rede
Questão 4/10 - Inteligência Artificial Aplicada
Os modelos de aprendizagem de máquina, necessitam que os dados que lhe são fornecidos sejam convertidos para valores numéricos. Assim, quando temos dados que necessitam de conversão, pode-se utilizar um processo de categorizar uma variável. Representando cada possível valor por um número distinto, e que, se possível represente uma relação de hierarquia ou precedência entre os possíveis valores.
De acordo com os seus conhecimentos sobre dados categóricos e one-hot encoding, podemos dizer que uma grande diferença entre representar uma variável categórica por valores numéricos e one-hot encoding é:
	
	A
	que a primeira representa melhor que segunda
	
	B
	que a segunda representa melhor que a primeira
	
	C
	a primeira serve apenas determinados tipos de valores
	
	D
	a segunda serve apenas para determinados tipos de valores
	
	E
	a segunda cria variáveis derivadas, aumentando o número de atributos
Questão 5/10 - Inteligência Artificial Aplicada
Os modelos de regressão logística e regressão linear, apresentam semelhanças, além do nome. No entanto, utilizam funções diferentes para obtenção dos valores, apresentando outras diferenças entre si que determinam os diferentes uso para os quais os modelos podem ser aplicados.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina,  de maneria simplificada podemos dizer que a principal diferença entre os modelos é:
	
	A
	o tipo treinamento
	
	B
	a predição de valores contínuos e discretos
	
	C
	vetores de atributos com tamanhos distintos
	
	D
	as categorias utilizadas
	
	E
	o número de categorias
Questão 6/10 - Inteligência Artificial Aplicada
O chefe de uma equipe de ciência de dados recebeu o resultado do treinamento de um modelo de aprendizagem de máquina, conforme a imagem acima.
De acordo com os seus conhecimentos de  aprendizagem de máquina, a acurácia deste modelo é de aproximadamente:
	
	A
	33%
	
	B
	78%
	
	C
	14%
	
	D
	64%
	
	E
	100%
Questão 7/10 - Inteligência Artificial Aplicada
Você necessita implementar um módulo de detecção de spam. Como o volume e a frequência de e-mails muito alta, você precisa de um algoritmo de classificação que permita obter de forma rápida a identificação se o e-mail recebida se trata ou não de um spam, ainda que alguns falsos positivos possam ocorrer.
Usando os seus conhecimentos de aprendizagem de máquina, você optaria por um algoritmo de:
	
	A
	classificador bayesiano
	
	B
	agrupamento hierárquico
	
	C
	rede neural profunda
	
	D
	k-NN
	
	E
	rede neural do tipo CNN
Questão 6/10 - Inteligência Artificial Aplicada
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 que consiga agrupar os clientes de um site de venda online eu grupos de interesse. As informações de navegação dos clientes no site foram coletadas e partir dessas informações devem ser criados os agrupamentos de clientes.
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:
	
	A
	um classificador bayesiano
	
	B
	um modelo do tipo k-Means
	
	C
	uma classificador do tipo k-NN
	
	D
	uma rede neural do tipo LSTM
	
	E
	uma rede neura do tipo CNN
Questão 7/10 - Inteligência Artificial Aplicada
Você necessita executar o treinamento de um modelo de aprendizagem. Sabendo que é preciso dividir os dados em treinamento e em testes, você resolve utilizar uma proporção que é bastante utilizada e recomendada, na qual se fornece mais dados para treino que para testes.
Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá:
	
	A
	utilizar uma estratégia de validação cruzada
	
	B
	utilizar os dados na proporção 80-20
	
	C
	utilizar os dados na proporção 50-50
	
	D
	treinar e testar com os mesmos dados
	
	E
	utilizar todos os dados para treino e não testar
Questão 8/10 - Inteligência Artificial Aplicada
“Determinar o preço de venda torna-se tarefa extremamente importante e constitui-se uma das peças fundamentais do planejamento empresarial, pois proporcionará rentabilidade, competitividade, crescimento e retorno do capital investido. O preço é fator importante na decisão de compra, pois, em mercados competitivos, o cliente considera seu desembolso financeiro altamente relevante. ”
SEBRAE, Como Elaborar o Preço de Venda, 2013.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina, caso você necessite de um modelo para determinar o preço de um determinado produto, em um ambiente de recursos limitados, sua escolha mais provável seria:
	
	A
	modelo de Regressão Linear
	
	B
	rede do tipo LSTM
	
	C
	rede do tipo CNN
	
	D
	modelo k-Means
	
	E
	modelo HDBSCAN