ECOSSISTEMA HADOOP

Prévia do material em texto

1.
	
	Pontos: 1,00  / 1,00
	
	Qual destas opções é um otimizador de gradiente descendente válido?
		
	
	SVM.
	
	Adaboost.
	
	LNR.
	 
	Adam.
	
	LLE.
	
	
	
	 2.
	
	Pontos: 1,00  / 1,00
	
	De acordo com as definições de redes neurais Feedforward, com relação à estrutura de dados que baseia a rede neural, a opção correta é: 
		
	
	Triângulo de Delaunay.
	 
	Grafo completo acíclico bipartido.
	
	Grafo incompleto cíclico bipartido.
	
	Grafo completo cíclico.
	
	Grafo cíclico.
	
	
	
	 3.
	
	Pontos: 1,00  / 1,00
	
	Qual a função de ativação em redes neurais que se baseia na forma de um S?
		
	
	Softmax.
	 
	Sigmoide.
	
	ReLU.
	
	Tanh.
	
	GERELU.
	
	
	
	 4.
	
	Pontos: 1,00  / 1,00
	
	Qual o nome do componente onde existem os pesos de uma rede neural?
		
	
	Camada supracolateral.
	
	Camada superficial.
	 
	Camada oculta.
	
	Camada de saída.
	
	Camada de entrada.
	
	
	
	 5.
	
	Pontos: 1,00  / 1,00
	
	Observe a operação de convolução abaixo:
Selecione a opção correta com a soma dos elementos resultantes da operação de convolução.
		
	 
	7
	
	10
	
	12
	
	14
	
	13
	
	
	
	 6.
	
	Pontos: 0,00  / 1,00
	
	A função de erro de uma rede de convolução é minimizada ao longo das iterações do algoritmo de treinamento. Nesse sentido, selecione a opção correta a respeito da função de erro.
		
	
	As funções de erro devem ser aplicadas na fase de testes que é quando os modelos são validados
	 
	As funções de erro são funções lambdas
	
	A função ReLU é um exemplo de função de erro
	
	É uma forma de normalizar os dados
	 
	As funções de erro são aplicadas aos dados de treinamento e de validação
	
	
	
	 7.
	
	Pontos: 1,00  / 1,00
	
	A qualidade das predições da rede de convolução deve ser quantificada. Nesse sentido, selecione a opção correta que apresenta uma dessas medidas
		
	
	Relação entre operações de convolução e stride
	
	Cross-validation
	
	Normalização.
	 
	Acurácia
	
	Validação
	
	
	
	 8.
	
	Pontos: 0,00  / 1,00
	
	Em relação à utilização da camada Dropout no modelo de Redes Neurais Recorrentes (RNN) para Processamento de Linguagem Natural (PLN), assinale a alternativa correta:
		
	 
	A camada Dropout reduz a quantidade de épocas de que o algoritmo de treinamento precisa para convergir.
	 
	A camada Dropout previne a superespecialização da rede neural recorrente em relação aos dados de treinamento.
	
	A camada Dropout transforma palavras em números.
	
	A camada Dropout mede a redução da função de erro ao longo das iterações.
	
	A camada Dropout faz o embaralhamento dos dados de treinamento.
	
	
	
	 9.
	
	Pontos: 1,00  / 1,00
	
	A respeito das Redes Neurais Recorrentes (RNN), assinale a alternativa que apresenta como o fluxo de informações é processado:
		
	
	As RNN são um tipo de rede feedforward que usa informações pré-processadas para obter as saídas.
	 
	As RNN usam laços para retroalimentar a rede.
	
	A captura de informações relevantes é feita por meio de um processo de caminho único.
	
	As RNN também são conhecidas como redes convolucionais, uma vez que podem processar imagens.
	
	As RNN usam um fluxo único de alimentação de informações.
	
	
	
	 10.
	
	Pontos: 1,00  / 1,00
	
	Em relação à arquitetura LSTM, assinale a alternativa que apresenta o elemento estrutural responsável por filtrar dados para as etapas posteriores de processamento da Rede Neural Recorrente (RNN):
		
	
	Camada de entrada.
	 
	Porta de esquecimento.
	
	Memória longa de curto período.
	
	Célula de memória.
	
	Camada de saída.