Machine Learning AV2

Prévia do material em texto

Machine Learning AV2
Conteúdo do exercício
1. Pergunta 1
0,5/0,5
Há um método de busca e otimização conhecido como planos adaptativos. O método enfatiza o operador de recombinação como o principal operador de busca e aplica mutação com baixas probabilidades (operador secundário). Por meio desse princípio, são desenvolvidos sistemas que buscam soluções para problemas complexos ou que possuem espaço de soluções muito grande, fator que os torna problemas de difícil modelagem e solução em casos de otimizações convencionais. Ele é inspirado em processos genéticos de organismos biológicos em busca de soluções ótimas ou subótimas.
Considerando essas informações e o conteúdo estudado sobre árvores de decisão, pode-se afirmar que o texto faz referência ao conceito de:
Ocultar opções de resposta 
1. 
Estratégias Evolutivas (EE).
2. 
Greedily Layer-Wise Training.
3. 
Programação Evolutiva (PE).
4. 
Programação Genética (PG).
5. 
Correta: Algoritmos Genéticos (AG).
Resposta correta
2. Pergunta 2
0,5/0,5
Estrutura que tem base no módulo RBM, essa classe de rede pode ser treinada de maneira não supervisionada e pode ser muito útil em um posterior aprendizado supervisionado. Por isso essas estruturas são muito utilizadas na redução de dimensões não lineares de dados com alta dimensão.
Considerando essas informações e o conteúdo estudado sobre estruturas no módulo RBM, pode-se afirmar que as estruturas ao qual o trecho se refere são:
Ocultar opções de resposta 
1. 
Rede Deeb Belief Network (DBN).
2. 
Restricted Boltzmann Machine (RBM).
3. 
redes convolucionais.
4. 
Correta: autoencoders.
Resposta correta
5. 
redes neurais recorrentes.
3. Pergunta 3
0,5/0,5
Há um mecanismo que pode ser desenvolvido para se obter uma representação interna da rede, tendo o poder de definir um dado domínio com o intuito de facilitar a extração do conhecimento. Dentro desse processo, torna-se necessário realizar o cálculo das distribuições de probabilidade referentes aos parâmetros numéricos, além de identificar a estrutura da rede.
Considerando essas informações e o conteúdo estudado sobre Aprendizagem Bayesiana, pode-se afirmar que o texto faz referência ao conceito de:
Ocultar opções de resposta 
1. 
inteligência artificial.
2. 
árvores de decisão.
3. 
Correta: aprendizagem bayesiana.
Resposta correta
4. 
algoritmos evolucionários.
5. 
Greedily Layer-Wise Training.
4. Pergunta 4
0,5/0,5
Adequada para o processamento de informações sequenciais, dado que são capazes de memorizar eventos mesmo que eles ocorram com um intervalo longo, assim como em modelos preditivos, essa arquitetura foi projetada para tratar problemas do fluxo de erro retroprogramado, que decaem ou explodem exponencialmente.
Considerando essas informações e o conteúdo estudado sobre tipos de arquitetura do Deep Learning, pode-se afirmar que o modelo ao qual o trecho se refere é:
Ocultar opções de resposta 
1. 
redes convolucionais.
2. 
Correta: rede neurais recorrentes.
Resposta correta
3. 
Rede Deeb Belief Network (DBN).
4. 
autoencoders.
5. 
Restricted Boltzmann Machine (RBM).
5. Pergunta 5
0,5/0,5
Leia o excerto a seguir:
“Em Deep Learning, os autoencoders são uma das várias categorias de arquitetura que podem ser utilizadas em diferentes situações, inclusive em Sistemas de Recomendação. Uma rede do tipo AE é treinada de forma não supervisionada (embora pareça supervisionada), pois não existe ou necessita de um target além das features.”
Fonte: SANTANA, M. Deep Learning para sistemas de recomendação: Filtragem Colaborativa com AutoEncoders. Disponível em: <https://bit.ly/33SE2o6>. Acesso em: 18 out. 2019. (Adaptado).
Considerando essas informações e o conteúdo estudado sobre autoencoders, pode-se afirmar que a variedade que usa apenas a codificação de entrada é definida como:
Ocultar opções de resposta 
1. 
Correta: decodificador.
Resposta correta
2. 
convolucionais.
3. 
Greedily Layer-Wise Training.
4. 
encoder.
5. 
Deeb Belief Network.
6. Pergunta 6
0,5/0,5
É um modelo generativo probabilístico composto de diversas camadas de variáveis latentes estocásticas. Tem como objetivo aprender níveis abstratos da distribuição dos dados de entrada. São usados três algoritmos aplicados na resolução desse tipo de problema.
Considerando essas informações e o conteúdo estudado sobre modelos probabilísticos, pode-se afirmar que o modelo ao qual o trecho se refere é:
Ocultar opções de resposta 
1. 
redes convolucionais.
2. 
rede neurais recorrentes.
3. 
Correta: Deeb Belief Network.
Resposta correta
4. 
Restricted Boltzmann Machine.
5. 
autoencoders.
7. Pergunta 7
0,5/0,5
Os modelos estatísticos empregam uma estratégia que consiste em dividir para conquistar. Assim, dentro dessa vertente, um problema complexo pode ser decomposto em subproblemas mais simples e, recursivamente, esse princípio é aplicado em cada subproblema gerado.
Considerando essas informações e o conteúdo estudado na unidade, pode-se afirmar que o texto faz referência ao conceito de:
Ocultar opções de resposta 
1. 
algoritmos evolucionários.
2. 
inteligência artificial.
3. 
Correta: árvores de decisão.
Resposta correta
4. 
Greedily Layer-Wise Training.
5. 
aprendizagem bayesiana.
8. Pergunta 8
0,5/0,5
Existem diversos estudos que se dedicam a demonstrar o porquê de as redes profundas serem melhores que as redes simples, tomando como partida o teorema da aproximação. Este teorema gerou resultados mais refinados em comparação com o teorema de hierarquia de profundidade em complexidade de circuitos.
Considerando essas informações e o conteúdo estudado sobre redes neurais, pode-se afirmar que:
Ocultar opções de resposta 
1. 
conectam saídas de um neurônio com entradas de outro, para que possam enviar dígitos uns aos outros.
2. 
são usualmente utilizadas para resolver o problema de treinamento de redes neurais artificiais; elas necessitam de muitos dados para serem treinadas e, com isso, aprenderem as características de forma hierárquica.
3. 
são utilizadas para a execução de uma infinidade de tarefas complexas, como tradução de máquina, transcrição de dados e reconhecimento de fala.
4. 
avaliam-se por meio da implementação de um modelo manual indicado para as redes convolucionais.
5. 
Correta: trata-se de uma função com diversas entradas e uma saída. Sua tarefa é pegar todos os números de sua entrada, executar uma função neles e enviar o resultado para a saída.
Resposta correta
9. Pergunta 9
0,5/0,5
Leia o excerto a seguir:
“São redes neurais artificiais profundas que podem ser usadas para classificar imagens, agrupá-las por similaridade (busca de fotos) e reconhecer objetos dentro de cenas. São algoritmos que podem identificar rostos, indivíduos, sinais de rua, cenouras, ornitorrincos e muitos outros aspectos dos dados visuais.”
Fonte: DEEP LEARNING. As 10 principais arquiteturas de redes neurais. Disponível em: <http://deeplearningbook.com.br/as-10-principais-arquiteturas-de-redes-neurais/>. Acesso em: 18 out. 2019.
Considerando essas informações e o conteúdo estudado sobre arquitetura, a camada onde os neurônios não estão individualmente ligados a todas as entradas da rede é definida como camada:
Ocultar opções de resposta 
1. 
full connected.
2. 
Correta: convolucional.
Resposta correta
3. 
conexa.
4. 
neural.
5. 
de amostragem.
10. Pergunta 10
0,5/0,5
Existem três tipos de arquiteturas de Deep Learning. Essas arquiteturas operam em dois diferentes tipos de treinamento: supervisionado e não supervisionado. Neste contexto, alguns protocolos de treinamento podem ser utilizados.
Considerando essas informações e o conteúdo estudado sobre aos protocolos de treinamento, analise as afirmativas a seguir.
I. Bi-directional: Funcionam de maneira distinta das redes recorrentes, porém existe uma assimetria entre as conexões e são mais complexas de serem analisadas.
II. Puramente supervisionado: tem inicialização de parâmetros de maneira aleatória, utiliza tipicamente o método do gradiente descendente e backpropagation.
III. Não supervisionado e classificação no topo: Em uma camada é realizado o treinamento não supervisionado.Antes são treinadas as camadas supervisionadas, mantendo as outras camadas variáveis.
IV. Não supervisionado e sintonização global supervisionada: em cada camada não supervisionada é efetuado o treino, uma após a outra. É adicionada uma camada de classificação e é retirada a supervisão de toda a hierarquia.
Está correto apenas o que se afirma em:
Ocultar opções de resposta 
1. 
I e IV.
2. 
Correta: II e IV.
Resposta correta
3. 
I e III.
4. 
I e II.
5. 
III e IV.