MINERAÇÃO DE DADOS

Prévia do material em texto

1.
	
	Pontos: 1,00  / 1,00
	
	Comparando inteligência humana com inteligência artificial, os sistemas que pensam e agem como humanos, e os sistemas que pensam e agem racionalmente são, respectivamente:
		
	
	Lógica, Teste de Turing, Ciência Cognitiva e Agentes racionais.
	
	Ciência Cognitiva, Teste de Turing, Agentes racionais e Lógica.
	
	Ciência Cognitiva, Lógica, Teste de Turing e Agentes racionais.
	 
	Ciência Cognitiva, Teste de Turing, Lógica e Agentes racionais.
	
	Lógica, Teste de Turing, Agentes racionais e Ciência Cognitiva.
	
	
	 2.
	
	Pontos: 1,00  / 1,00
	
	A mineração de dados é a tarefa de encontrar estruturas interessantes em uma estrutura de dados, por exemplo, padrões estatísticos, modelos preditivos, relacionamentos escondidos etc. Considerando a figura a seguir, que mostra as áreas relacionadas à mineração de dados, assinale a opção correta:
		
	
	As estatísticas têm como foco a teoria e a avaliação de hipóteses, irrelevante no processo de aprendizado de máquina.
	 
	O machine learning tem uma índole heurística, que foca na melhoria de desempenho de um agente de aprendizagem.
	
	A regressão é uma tarefa de prever um rótulo de classe discreto. E a classificação é a tarefa de prever um valor contínuo.
	
	A classificação encontra agrupamentos naturais de instâncias dado um grupo de dados não etiquetado.
	
	A visualização é usada apenas de uma forma ilustrativa, sem facilitar a descoberta humana, e o banco de dados contém os dados a serem pesquisados.
	
	
	 3.
	
	Pontos: 1,00  / 1,00
	
	O agrupamento de dados no aprendizado de máquina procura grupos semelhantes e diferentes em uma massa de dados que caracterizam uma população de indivíduos. A categoria que se baseia na teoria dos grafos e dispensa a definição de protótipos utilizados para segmentar a base de dados em diferentes grupos é denominada:
		
	
	Classificação
	
	Associação
	
	Delimitação
	
	Regressão
	 
	Clusterização
	
	
	 4.
	
	Pontos: 0,00  / 1,00
	
	Com o objetivo de obter informações por meio do aprendizado de máquina, verificou-se que o processo que estava sendo realizado consistia em examinar as características de determinado objeto e atribuir-lhe uma ou mais classes; verificou-se também o uso de algoritmos de aprendizado supervisionados. Identifique que ação está sendo realizada:
		
	 
	Classificação
	
	Clustering
	
	Estimativa de densidade
	
	Redução dimensional
	 
	Regressão
	
	
	 5.
	
	Pontos: 1,00  / 1,00
	
	Com o objetivo de obter informações por meio do aprendizado de máquina, verificou-se que o processo que estava sendo realizado consistia em usar o valor de densidade para agrupar os objetos e identificar vizinhanças densas nas quais a maioria dos objetos está contida; verificou-se também o uso de algoritmos de aprendizado não supervisionados. Identifique que ação está sendo realizada:
		
	
	Classificação
	
	Clustering
	
	Regressão
	 
	Estimativa de densidade
	
	Redução dimensional
	
	
	 6.
	
	Pontos: 1,00  / 1,00
	
	A maldição da dimensionalidade é um fenômeno que pode prejudicar um processo de aprendizagem automática. A que isso se deve?
		
	
	Dados faltantes.
	
	Dados nulos.
	
	Esparsidade nos dados.
	
	Número muito pequeno de linhas no conjunto de dados.
	 
	Número muito grande de colunas no conjunto de dados.
	
	
	 7.
	
	Pontos: 0,00  / 1,00
	
	Dado um conjunto de dados onde podemos reparar que os agrupamentos de classes sofrem overlap/sobreposição no espaço dimensional do conjunto, qual seria o modelo mais indicado?
		
	
	KMeans.
	 
	SVM Não Linear.
	 
	Dendograma.
	
	SVM Linear.
	
	DBScan.
	
	
	 8.
	
	Pontos: 1,00  / 1,00
	
	Qual o elemento da teoria da informação que é levado em consideração na otimização da função de Ganho de Informação?
		
	
	Variância.
	
	Desvio Padrão.
	
	Linearidade.
	 
	Entropia.
	
	Volumetria.
	
	
	 9.
	
	Pontos: 0,00  / 1,00
	
	Os modelos incorporados que dissecam o conjunto de dados de forma aleatória e repassam aos membros do comitê são de qual tipo de incorporação?
		
	 
	Clusterization.
	
	Voting.
	
	Stacking.
	 
	Bagging.
	
	Collaboration.
	
	
	 10.
	
	Pontos: 1,00  / 1,00
	
	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 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?
		
	
	PCA Linear.
	
	Árvore de Decisão.
	
	SVM Não Linear.
	 
	LLE.
	
	Rede Neural Convolucional.