apol 1 tentativa 1 machine learning

Prévia do material em texto

Questão 1/10 - Machine Learning
Já na década de 1950, o cientista Alan Turing, considerado um dos pais da IA, projetou um teste – Teste de Turing – que ainda permanece alvo de estudos e investigação nos dias atuais. Conhecer este teste é importante, pois por meio dele podemos ter uma noção mais clara do desenvolvimento da área e de subáreas que se estruturam dentro do campo da IA. (Material impresso da Aula 1 – Tema 1).
Como você descreveria o Teste de Turing?
Nota: 10.0
	
	A
	Uma entidade interage com um entrevistador e suas perguntas são passadas a um segundo entrevistador por um computador sem o conhecimento da entidade. Ao receber as respostas, se o entrevistador 1 conseguir distinguir se estas respostas foram produzidas por um humano, o computador passaria no teste.
 
	
	B
	Um entrevistador interage com uma entidade, sem visualizá-la e suas perguntas são passadas por escrito para esta entidade, um computador. Ao receber as respostas se o entrevistador não conseguir distinguir se estas respostas foram produzidas por um humano ou por um computador, o computador passaria no teste.
Você assinalou essa alternativa (B)
Você acertou!
Conforme Aula 1 Tema 1.1.
	
	C
	Um computador interage com um entrevistador e suas perguntas são passadas por escrito para este entrevistador. Ao receber as respostas se o computador conseguir interpreta-las, o computador passaria no teste.
	
	D
	Um entrevistador interage com outro entrevistador, sem visualizá-lo e suas perguntas são passadas ao segundo entrevistador por um computador dito entidade. Ao receber as respostas, se o entrevistador 1 conseguir distinguir se estas respostas foram produzidas por um humano, o computador passaria no teste.
 
Questão 2/10 – Machine Learning
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto de dados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o campo samples na raiz e nas folhas indicam respectivamente:
Nota: 10.0
	
	A
	o total de amostras do conjunto e o total de amostras de um agrupamento final
	
	B
	o total de amostras do conjunto e o total de amostras de uma classe
Você assinalou essa alternativa (B)
Você acertou!
Justificativa:
Na raiz da árvores de decisão se considera todo o conjunto de dados que vai sendo dividido e nas folhas aparecem todas as instâncias que se enquadram naquela categoria.
	
	C
	o total de amostras de treino e o total de amostras de uma classe
	
	D
	metade das amostras do conjunto e o total de amostras de uma classe
	
	E
	o total de amostras que o modelo suporta e o total de amostras de uma classe
· 
Questão 3/10 - Machine Learning
“Dado categórico é o tipo de dado estatístico que consiste em variáveis categóricas ou em dados que foram convertidos para esse formato, por exemplo, como dados agrupados. Mais especificamente, os dados categóricos podem derivar de observações feitas de dados qualitativos que são resumidos como contagens ou tabulações cruzadas, ou de observações de dados quantitativos agrupados em determinados intervalos.”
Disponível em <https://pt.wikipedia.org/>.
Como um profissional da área de ciência de dados você sabe que variáveis categóricas podem receber valores de 1 até o limite dos possíveis valores, ainda que a descrição ou valor real do campo seja diferente do número que a representa. Assim, podemos considerar como um exemplo de variável categórica :
Nota: 10.0
	
	A
	o preço de um produto
	
	B
	o tipo sanguíneo de uma pessoa
Você assinalou essa alternativa (B)
Você acertou!
Justificativa:
O tipo sanguíneo de uma pessoa pode assumir valores limitados, divididos em 8 tipos diferentes (A+,A-,B+,B-,AB+, AB-, O+, O-) se consideramos o fator Rh.
O preço de um produto é um valor contínuo.
A idade e o peso de uma pessoa é apesar de assumir valores limitados, não pode ser considerado como categórico. Assim como nome também não pode.
	
	C
	a idade de uma pessoa
	
	D
	o nome de uma pessoa
	
	E
	o peso de uma pessoa
Questão 4/10 - Machine Learning
Você necessita executar o treinamento de um modelo de aprendizagem. Para isso você coletou uma quantidade considerável de dados, e os dividiu em duas partes: uma para treino e outra para testes. Ao consultar um colega mais experiente sobre o processo de treinamento, ele perguntou se você havia executado a etapa de preparação dos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina você ponderou sobre o conselho do seu colega e:
Nota: 10.0
	
	A
	não executou a fase de preparação pois ela não é necessária
	
	B
	resolveu executar uma fase de preparação, pois ela é importante
Você assinalou essa alternativa (B)
Você acertou!
Justificativa:
Os dados utilizados no processo de treinamento e a sua preparação são de extrema importância em processos de aprendizagem supervisionada. Assim, sempre deve ser feita uma fase de preparação dos dados para uma obtenção de melhores resultados.
	
	C
	não executou uma fase de preparação, pois a quantidade de dados é suficiente
	
	D
	executou a fase de preparação apenas nos dados de treino
	
	E
	executou a fase de preparação apenas nos dados de teste
Questão 5/10 - Machine Learning
“Machine Learning atualmente é considerada como uma subárea da Inteligência Artificial, e nós devemos diferenciá-la dos métodos de Inteligência Artificial (IA) que lidam com problemas de busca, agentes inteligentes e resolução de problemas, como por exemplo fazer com que o computador consiga definir a melhor jogada em uma partida de xadrez ou encontrar a saída de um labirinto.” (Material impresso da Aula 1 – Tema 2).
Sobre ML é correto afirmar:
Nota: 10.0
	
	A
	Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem não depende de visão computacional ligada as estruturas de busca mas sim buscas em sistemas especialistas.
	
	B
	Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas aprender por meio de exemplos.
Você assinalou essa alternativa (B)
Você acertou!
 
Conforme Aula 1 Tema 2.1.
	
	C
	A vantagem dos métodos de Machine Learning se perde quando o processo de aprendizagem pode ser automatizado, neste caso devemos usar IA clássica
	
	D
	Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
Questão 6/10 - Machine Learning
“Machine Learning atualmente é considerada como uma subárea da Inteligência Artificial, e nós devemos diferenciá-la dos métodos de Inteligência Artificial (IA) que lidam com problemas de busca, agentes inteligentes e resolução de problemas, como por exemplo fazer com que o computador consiga definir a melhor jogada em uma partida de xadrez ou encontrar a saída de um labirinto.” (Material impresso da Aula 1 – Tema 2).
Sobre ML é correto afirmar:
Nota: 10.0
	
	A
	 
Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem pode ser automatizado à medida que novos exemplos são identificados e apresentados ao algoritmo.
Você assinalou essa alternativa (A)
Você acertou!
Conforme Aula 1 Tema 2.1.
	
	B
	 
Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
	
	C
	Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem não depende de visão computacional ligada as estruturas de busca mas sim buscas em sistemas especialistas.
	
	D
	Machine Learning não pode ser totalmente compreendida uma vez que técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, ainda não são conhecidas, nem mesmo durante a comunicação.
Questão 7/10 - Machine Learning
A figura acima mostra um modelo de árvore de decisão aplicado a um conjunto dedados.
Valendo-se dos seus conhecimentos de aprendizagem de máquina e de modelos de árvores de decisão, podemos afirmar que o modelo foi treinado para classificar um total de :
Nota: 0.0Você não pontuou essa questão
	
	A
	4 classes
	
	B
	5 classes
Você assinalou essa alternativa (B)
	
	C
	1 classe
	
	D
	3 classes
	
	E
	2 classes
Justificativa:
Analisando visualmente as representações das folhas da árvore de decisão podemos ver que há duas classes distintas: gosta futebol e não gosta futebol.
Questão 8/10 - Machine Learning
Métodos como árvores de decisão apresentam vantagens quando comparados a métodos mais complexos como redes neurais ou, até mesmo, o k-NN.
Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina,  pode-se afirmar que dentre essas vantagens está:
Nota: 10.0
	
	A
	a capacidade de lidar com dados em altas dimensões
	
	B
	o fato de fornecer resultados melhores
	
	C
	facilidade de interpretação dos resultados
Você assinalou essa alternativa (C)
Você acertou!
Justificativa:
Os algoritmos de árvores de decisão permitem uma avaliação de como a decisão foi tomada e pode ser interpretada por humanos.
	
	D
	a base de treino menor
	
	E
	a base de teste menor
Questão 9/10 - Machine Learning
“A inferência Bayesiana permite uma eficaz filtragem preditiva de mensagens através de palavras-chave com um número reduzido de falso positivos. Definindo um limiar conservador ainda assim mantêm-se grande parte das mensagens de spam fora da caixa de entrada, sendo bastante improvável que uma mensagem seja erroneamente enviada à caixa de spam; o que seria impossível com filtros simples.
Para que o filtro possa funcionar corretamente é necessário que se tenha um bom banco de dados para a inferência das probabilidades, com uma amostragem considerável de mensagens que sejam e que não sejam spam.”
Disponível em <https://pt.wikipedia.org/>. Acesso em 19/04/2021.
 
Muitos programas de e-mail eletrônico online, quando marcam um mensagem como spam solicitam ao usuário que confirme se a ação de marcação daquele e-mail como spam está correta ou não.
Considerando as informações acima e valendo-se do seu conhecimento de treinamento de modelos de aprendizagem, quando você confirma que a marcação do sistema anti-spam está correta, na verdade você está:
Nota: 10.0
	
	A
	apenas movendo um e-mail para o local correto
	
	B
	organizando melhor a caixa de e-mails
	
	C
	ajudando a melhorar o modelo de detecção de spam
Você assinalou essa alternativa (C)
Você acertou!
Justificativa:
O processo citado serve para validar o resultado do modelo. Assim, a informação da confirmação ou rejeição da marcação feita pelo sistema anti-spam é utilizada para novos treinamentos, permitindo a melhora do modelo.
	
	D
	dando uma nota para o modelo utilizado
	
	E
	permitindo que os spam sejam apagados
Questão 10/10 - Machine Learning
Você foi contratado para o posto de cientista de dados, para compor uma equipe, que atualmente já trabalha com dados, mas não possui experiência em aprendizagem de máquina. Um das suas primeiras tarefas designadas, foi a tradução de trechos de códigos em linguagem relacionados ao treinamento de modelos de aprendizagem de máquina.
Um dos trechos que a equipe gostaria de decifrar se refere ao seguinte código:
from sklearn.preprocessing import StandardScaler
X = carrega_dataset()
sc = StandardScaler()
sc.fit(X)
De acordo com os seus conhecimentos de  aprendizagem de máquina, o código acima executa:
Nota: 10.0
	
	A
	um processo de treinamento dos dados
	
	B
	um processo de predição
	
	C
	um processo de normalização dos dados
Você assinalou essa alternativa (C)
Você acertou!
Justificativa:
O uso do método fit da classe StandardScaler executa um processo de normalização de dados.
	
	D
	um processo de expansão dos dados
	
	E
	não faz nada e pode ser comentado