MACHINE LEARNING - 2oCiclo do Simulado EAD

Prévia do material em texto

8/24/23, 8:16 PM Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314913106&cod_prova=6583718362&f_cod_disc= 1/6
 
Meus
Simulados
Teste seu conhecimento acumulado
Disc.: MACHINE LEARNING   
Aluno(a): IGOR ROBERTO DE LIMA 202208150349
Acertos: 8,0 de 10,0 24/08/2023
Acerto: 1,0  / 1,0
Correlacione os itens a seguir:
(S) Treinamento supervisionado
(N) Treinamento não supervisionado
com
I - A rede neural arti�cial aprende a partir de padrões conhecidos.
II - O treinamento é direcionado para diminuir o erro na saída.
III - Os padrões de treinamento possuem apenas entradas.
Assinale a alternativa correta:
I(N), II (N) e III (N)
I(N), II(N) e III (S)
I(N), II (S) e III (S)
I(S), II (S) e III (S)
 I(S), II (S) e III (N)
Respondido em 24/08/2023 20:04:36
Explicação:
Resposta correta: I(S), II (S) e III (N)
Acerto: 1,0  / 1,0
Comparando inteligência humana com inteligência arti�cial, os sistemas que pensam e agem como humanos, e
os sistemas que pensam e agem racionalmente são, respectivamente:
Ciência Cognitiva, Teste de Turing, Agentes racionais e Lógica.
Lógica, Teste de Turing, Agentes racionais e Ciência Cognitiva.
Lógica, Teste de Turing, Ciência Cognitiva e Agentes racionais.
Ciência Cognitiva, Lógica, Teste de Turing e Agentes racionais.
 Questão1
a
 Questão2
a
https://simulado.estacio.br/alunos/inicio.asp
javascript:voltar();
8/24/23, 8:16 PM Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314913106&cod_prova=6583718362&f_cod_disc= 2/6
 Ciência Cognitiva, Teste de Turing, Lógica e Agentes racionais.
Respondido em 24/08/2023 20:05:54
Explicação:
Resposta correta: Ciência Cognitiva, Teste de Turing, Lógica e Agentes racionais.
Acerto: 1,0  / 1,0
A etapa de Mineração de Dados (DM ¿ Data Mining) tem como objetivo buscar, efetivamente, o conhecimento
no contexto da aplicação de KDD (Knowledge Discovery in Databases - Descoberta de Conhecimento em Base
de Dados). Alguns autores referem‐se à Mineração de Dados e à Descoberta de Conhecimento em Base de
Dados como sinônimos. Na etapa de Mineração de Dados, são de�nidos os algoritmos e/ou técnicas que serão
utilizados para resolver o problema apresentado. Podem ser usados Redes Neurais, Algoritmo Genéticos,
Modelos Estatísticos e Probabilísticos, entre outros, sendo que esta escolha irá depender do tipo de tarefa de
KDD que será realizada. "Uma dessas tarefas compreende a busca por uma função que mapeie os registros de
um banco de dados em um intervalo de valores reais." Trata‐se de:
Sumarização.
 Regressão.
Agrupamento.
Detecção de desvios.
Classi�cação.
Respondido em 24/08/2023 20:06:03
Explicação:
Resposta correta: Regressão.
Acerto: 0,0  / 1,0
Mineração de dados é a investigação de relações e padrões globais que existem em grandes bancos de dados,
mas que estão ocultos no grande volume de dados. Com base nas funções que executam, há diferentes técnicas
para a mineração de dados, dentre as quais estão:
I. Identi�car a�nidades existentes entre um conjunto de itens em dado grupo de registros. Por exemplo: 75%
dos envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão
envolvidos em processos ligados a roubo de dados sigilosos.
II. Identi�car sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do gênero
feminino, após ajuizarem uma causa contra o INSS solicitando nova perícia médica, ajuízam uma causa contra o
INSS solicitando ressarcimento monetário.
III. As categorias são de�nidas antes da análise dos dados. Pode ser utilizada para identi�car os atributos de um
determinado grupo que fazem a discriminação entre três tipos diferentes, por exemplo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de técnicas referenciados em I, II e III, respectivamente, são:
I - Padrões sequenciais;
II - Redes neurais;
III - Árvore de decisão.
I - Classi�cação;
 Questão3
a
 Questão4
a
8/24/23, 8:16 PM Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314913106&cod_prova=6583718362&f_cod_disc= 3/6
II - Associação;
III - Previsão.
 I - Redes Neurais;
II - Árvore de decisão;
III - Padrões sequenciais.
I - Árvore de decisão;
II - Classi�cação;
III - Associação;
 I - Associação;
II - Padrões sequenciais;
III - Classi�cação.
Respondido em 24/08/2023 20:17:04
Explicação:
Resposta correta: 
I - Associação;
II - Padrões sequenciais;
III - Classi�cação.
Acerto: 1,0  / 1,0
Qual é o problema de usar o SVM para um conjunto de dados de dimensões muito grandes (mais do que
100.000 linhas e 30 características)?
Aumento na métrica de avaliação do modelo.
 Custo computacional envolvido.
Excesso de erros de classi�cação.
Excesso de Variabilidade dos dados.
Aumento do desvio padrão amostral.
Respondido em 24/08/2023 20:07:35
Explicação:
Resposta correta: Custo computacional envolvido.
Acerto: 1,0  / 1,0
Leonardo é chamado pelo Instituto de Matemática e Estatística Aplicada de sua universidade para auxiliar o
departamento com uma pesquisa que está sendo feita em parceria com uma empresa de óleo e gás. A equipe de
estatísticos é muito competente, porém não está muito familiarizada com o uso de computadores em suas
pesquisas tradicionais, e visto que os dados desse estudo ultrapassaram o poder de processamento humano,
devido às suas proporções, tiveram que pedir ajuda ao Departamento de Informática. Leonardo foi apresentado
ao conjunto de dados cedido pela empresa de óleo e gás. O conjunto de dados tinha mais de 5.000.000.000 de
registros e, como a coleta dos dados pelos sensores da empresa é muito cautelosa, a quantidade de
 Questão5
a
 Questão6
a
8/24/23, 8:16 PM Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314913106&cod_prova=6583718362&f_cod_disc= 4/6
características é de aproximadamente 200. Em seguida, os estatísticos experientes informaram Leonardo que
haviam feito um estudo aproximado da dimensionalidade desses dados e que poderia haver overlap geométrico
dos mesmos devido à sua alta dimensionalidade. Tendo isso em mente, qual algoritmo melhor se encaixaria no
problema de redução de dimensionalidade de Leonardo?
Árvore de Decisão.
 LLE.
Rede Neural Convolucional.
SVM Não Linear.
PCA Linear.
Respondido em 24/08/2023 20:14:10
Explicação:
Resposta correta: LLE.
Acerto: 1,0  / 1,0
Um ponto muito importante no processo de desenvolvimento de um modelo de aprendizado profundo é o de
con�guração da rede. Observe o trecho de código a seguir.
1.  model.compile(loss=BinaryCrossentropy(from_logits=True),
2.             optimizer=Adam(1e-4),
3.             metrics=['accuracy'])
Ele está con�gurando o modelo. Nesse sentido, selecione a opção correta sobre o trecho de código.
Na linha 2, é informado para o modelo que ele vai utilizar algoritmo de ¿medidas gananciosas de redes
neurais¿, que simula comportamentos baseados na psicologia.
Na linha 1, é feita a escolha de busca binária para o algoritmo, uma vez que otimiza a pesquisa, caso os
dados estejam ordenados.
O trecho é aplicado para visão computacional.
O trecho corresponde a uma aplicação de algoritmos genéticos para fazer análise de cadeias
sequenciais de imagens.
 Na linha 2, o parâmetro ¿1e-4¿ signi�ca que o algoritmo deve trabalhar com uma precisão de 0,0001.
Respondido em 24/08/2023 20:14:38
Explicação:
Resposta correta: Na linha 2, o parâmetro ¿1e-4¿ signi�ca que o algoritmo deve trabalhar com uma precisão de
0,0001.
Acerto: 0,0  / 1,0
O TensorFlow é uma importante biblioteca aplicada para desenvolver projetos de aprendizado profundo. No
trecho de código abaixo, escrito em Python, podemos ver as importações de algumas bibliotecas:
 
import tensor�ow as tf
import tensor�ow_datasets as tfds
 Questão7
aQuestão8
a
8/24/23, 8:16 PM Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314913106&cod_prova=6583718362&f_cod_disc= 5/6
from tensor�ow.keras.models import Sequential
from tensor�ow.keras.layers import Dense,Conv2D, Dropout, Flatten
 
Nesse sentido, selecione a opção correta a respeito do trecho de código apresentado.
 Possui algumas das bibliotecas importantes para um projeto de rede neural de convolução.
 As bibliotecas referentes ao Keras são úteis, porém, são opcionais, uma vez que suas funcionalidades
podem ser substituídas pelas do TensorFlow.
Todas as bibliotecas apresentadas são necessárias para uma rede neural recorrente.
Trata-se de um exemplo-padrão de programa para desenvolver uma rede neural profunda.
O trecho de código está errado, pois apenas com o TensorFlow é possível acessar qualquer uma das
funcionalidades.
Respondido em 24/08/2023 20:17:01
Explicação:
Resposta correta: Possui algumas das bibliotecas importantes para um projeto de rede neural de convolução.
Acerto: 1,0  / 1,0
Luiz é questionado sobre a capacidade de generalização de seu modelo por um colega de laboratório. Visto que
o modelo de Luiz já está em vias de ser implantado e que até então obteve resultados bons, como ele pode
provar ao seu colega a capacidade de generalização do modelo sem implantá-lo em produção ainda?
  Com a validação cruzada.
Divisão tradicional dos dados.
 Com ajuda de seu orientador.
 Através de análise exploratória.
 Com sua análise do estado da arte.
Respondido em 24/08/2023 20:15:48
Explicação:
A resposta certa é: Com a validação cruzada.
Acerto: 1,0  / 1,0
O resultado de um questionário rodado por um cientista de dados para conseguir dados para sua pesquisa se
enquadra em que tipo de coleta de dados?
 Coleta oculta.
  Coleta de dados primária.
Coleta de dados não estruturada.
 Coleta de dados secundária.
 Coleta aleatória.
Respondido em 24/08/2023 20:16:01
Explicação:
 Questão9
a
 Questão10
a
8/24/23, 8:16 PM Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=314913106&cod_prova=6583718362&f_cod_disc= 6/6
A resposta certa é: Coleta de dados primária.