Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prova Impressa GABARITO | Avaliação Final (Objetiva) - Individual (Cod.:886671) Peso da Avaliação 3,00 Prova 69846807 Qtd. de Questões 10 Acertos/Erros 10/0 Nota 10,00 Uma das bases de dados mais utilizadas para estudos de machine learning é o conjunto de dados Iris, no qual a partir de um conjunto de dados sobre flores, é possível realizar sua classificação. Acerca do conjunto de dados Iris e o campo que representa seu rótulo em uma tarefa de classificação, assinale a alternativa CORRETA: A Id. B PetallLengthCm. C Species. D SepalLengthCm. O Scikit-Learn é uma biblioteca para Python que oferece uma grande variedade de métodos de aprendizado de máquina, tanto nas áreas de aprendizado supervisionado quanto em aprendizado não supervisionado. Sobre o Scikit-Learn e sua implementação, analise as afirmações a seguir: ( ) Ao utilizar from sklearn. import estará sendo importado do scikit-learn o método e seus recursos poderão ser utilizados. ( ) x = LinearRegression() é uma instância de uma rede neural. ( ) O comando train é utilizado para ajustar os dados e fazer com que o método aprenda. ( ) O comando predict permite utilizar o método para predição. Assinale a alternativa que apresenta a sequência CORRETA: FONTE: MASIERO, Andrey Araujo; FERREIRA, Leonardo Anjoletto; AQUINO, Plinio Thomaz. Algoritmos de clusterização e python científico apoiando modelagem de usuário. Livro dos Tutoriais do sobre Fatores Human, p. 42, 2012. A F - V - V - F. B F - V - F - V. C V - F - F - V. VOLTAR A+ Alterar modo de visualização 1 2 D V - F - F - F. Tendo como objetivo otimizar o funcionamento de uma regressão diminuindo o seu erro e custo, torna-se necessário conhecer a função de custo. A função de custo, também chamada de função de erro, deve ser otimizada (minimizada) por meio de um determinado procedimento (algébrico ou iterativo), de forma a melhor se ajustar à amostra de dados disponível para treinamento. A I - II - III - IV - V. B I - IV - III - II - IV. C V - IV - III - II - I. D II - I - V - IV - III. Machine Learning, compreendido como o aprendizado de máquina a partir dos dados previamente conhecidos, é definido como um campo preocupado com a questão de como construir programas de computador que melhorem automaticamente a experiência do usuário. Também pode ser dividido em: Tarefa (T), Medida de Desempenho (P) e Experiência de Treinamento (E). Considerando o problema de Detectar um perfil de clientes para fornecer cartão de crédito, associe os itens, utilizando o código a seguir: I- Tarefa T. II- Medida de Desempenho P. III- Experiência de Treinamento E. ( ) Uma base de dados histórica em que os clientes já conhecidos são previamente classificados como bons ou maus pagadores. ( ) Porcentagem de clientes classificados corretamente. ( ) Classificar potenciais novos clientes como bons ou maus pagadores. Assinale a alternativa que apresenta a sequência CORRETA: A II - I - III. B III - II - I. 3 4 C I - II - III. D III - I - II. Antes mesmo do conceito e sua aplicação em cenários de Machine Learning, a análise de regressão é usada para encontrar equações que se ajustem aos dados. Assim que se obtém a equação de regressão, é possível usar o modelo para fazer previsões. Sobre a função de regressão linear simples, assinale a alternativa CORRETA: A y = a + bx B y = a + b C y = a + x D y = bx Os sistemas de Machine Learning, em português conhecidos como sistema de aprendizagem automática ou sistemas de aprendizado de máquina, podem ajudar a descobrir padrões, realizar determinadas tarefas através da generalização de casos e na utilização de dados. Os algoritmos de aprendizado de máquina têm um modo de aprendizado que são apresentados exemplos do que é desejado como entrada e saída, de modo que o objetivo é aprender uma regra que mapeia a entrada na saída. Com base nesse modo, assinale a alternativa CORRETA: A Aprendizado por sistemas. B Aprendizado supervisionado. C Aprendizado não supervisionado. D Aprendizado por reforço. O scikit-learn é uma biblioteca de Python que possui várias implementações de algoritmos de aprendizado de máquina, tais como de regressão, classificação e agrupamento. Foi projetado para facilitar o uso do aprendizado de máquina através de uma linguagem simplificada. Assumindo que os dados de um dataset qualquer já foram carregados nas variáveis de treino e teste: X_train, X_test, y_train, y_test. Sobre a implementação do Naive Bayes com o scikit-learn, para que o comando seja executado com êxito, ordene os itens a seguir: I- print('A acurácia do Naive Bayes na base de treino é: {:.2f} '.format(classificador_NB.score(X_train_normalizado, y_train))) II- classificador_NB = MultinomialNB() III- classificador_NB.fit(X_train_normalizado, y_train) IV- from sklearn.naive_bayes import MultinomialNB Assinale a alternativa que apresenta a sequência CORRETA: 5 6 7 FONTE: COSTA, Axel Vieira Gomes et al. Classificador de fake news utilizando um modelo de aprendizado de máquina com técnicas de processamento de linguagem natural. 2020. Disponível em: https://repositorio.ufersa.edu.br/handle/prefix/5851. Acesso em: 13 abr. 2021. A I - II - III - IV. B IV - II - III - I. C IV - III - II - I. D I - III - IV - II. Em machine learning, as tarefas mais conhecidas são as de classificação e de regressão. A regressão é uma técnica que permite inferir a relação de uma variável de resposta (y) com variáveis explicativas (x). Com base na função apresentada em anexo, ao generalizar a função de uma regressão linear, tendo em vista a possibilidade de vários valores de entrada (x), associe os itens, utilizando o código a seguir: A III - IV - I - II. B I - II - III - IV. C IV - III - II - I. D I - IV - III - II. Em um exemplo de utilização de regressão linear, quando utilizado para a predição da produtividade de uma cultura, este pode ter seu desempenho prejudicado se houver fatores que alterem a produtividade da planta, mas que não sejam explicados quantitativamente pelos atributos independentes. Sobre a regressão linear, classifique V para as sentenças verdadeiras e F para as falsas: ( ) A regressão linear é uma tentativa de modelar uma equação matemática não linear, que descreve o relacionamento entre duas variáveis. ( ) A regressão pode ser representada por f(x) = a + bx. ( ) Os valores de a e b são calculados com base nos valores de entrada. ( ) É possível implementar a regressão linear no Python. Assinale a alternativa CORRETA com a sequência de Verdadeiro (V) ou Falso (F). FONTE: PRESTES, Christopher Djonny Pereira et al. Predição de produtividade de trigo por meio de dados espectrais e altura estimada da planta obtidos por meio de aeronave remotamente pilotada. 2020. Disponível em: https://tede2.uepg.br/jspui/handle/prefix/3276. Acesso em: 16 abr. 2021. 8 9 A V - F - V - F. B F - F - V - V. C F - V - V - V. D F - V - F - F. Importante para a formulação do conceito de Machine Learning, o exemplo do jogo denominado "game of checkers", proposto no experimento de Arthur Samuel (1959), tratava de um programa de aprendizado de máquina para jogar damas. Com base na definição do Machine Learning, assinale a alternativa CORRETA: A Um programa que aprende a partir da experiência E, em relação a uma classe de tarefas T, com medida de desempenho P, se seu desempenho em T, medido por P, melhora com E. B Um programa que aprende a partir da execução E, em relação ao tempo T, com medida de desempenho P, se seu desempenho em T, medido por P, melhora com E. C Um programa que aprende a partir da experiência E, em relação a uma classe de tarefas T, com medida de problemas P, se seu desempenho em T, medido por P, melhora com E. D Um programa que aprende a partir da experiência E, em relação ao tempo T, com medida de desempenho P, se seu desempenho em T, medido por P, melhora com E. 10 Imprimir
Compartilhar