Humanas / Sociais

Brasil

Ciência de Dados

pt-br

Inteligência Artificial

A disciplina de Inteligência Artificial (IA) estuda como criar sistemas capazes de realizar tarefas que, até então, eram exclusivas de seres humanos, como reconhecimento de fala, visão computacional, tomada de decisão e aprendizado de máquina. Durante as aulas, os alunos aprendem sobre algoritmos, redes neurais, lógica fuzzy, entre outras técnicas utilizadas na construção de sistemas inteligentes. A disciplina é importante para profissionais da área de tecnologia, que podem aplicar os conhecimentos em IA em diversas áreas, como saúde, finanças, transporte, entre outras, para otimizar processos e melhorar a qualidade de vida das pessoas.

Exam

Text

Prática 2 tentativa 1 machine learning

RESTRICTED

Exatas

Ciência da Computação

Graduate

Universidade Paulista

Lucília Lima curte o material p ajudar por favor

Relações Internacionais

Outros

Other

Você necessita executar o treinamento de um modelo de aprendizagem. Sabendo que é preciso dividir os dados em treinamento e em testes, você resolve...

Você necessita executar o treinamento de um modelo de aprendizagem. Sabendo que é preciso dividir os dados em treinamento e em testes, você resolve utilizar uma proporção que é bastante utilizada e recomendada, na qual se fornece mais dados para treino que para testes. Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá: A utilizar uma estratégia de validação cruzada B utilizar os dados na proporção 80-20 C utilizar os dados na proporção 50-50 D treinar e testar com os mesmos dados E utilizar todos os dados para treino e não testar

General Studies

Praticando Para o Saber: Compartilhando exercícios práticos para auxiliar no aprendizado e aprimoramento de habilidades em diversas áreas do conhecimento. Vamos juntos praticar e aprimorar nossos conhecimentos para alcançar o saber!

Praticando Para o Saber

O kNN é um algoritmo de aprendizagem supervisionada com a predição das classes feita por meio de voto. Ou seja, contabiliza-se as classes dos vizin...

O kNN é um algoritmo de aprendizagem supervisionada com a predição das classes feita por meio de voto. Ou seja, contabiliza-se as classes dos vizinhos e a instância em análise recebe a classe que teve maior número de votos. Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina, o k da sigla do kNN está relacionado ao hiperparâmetro que define: A coeficiente de erros B o limite de erros C o número de vizinhos a serem comparados D a taxa de erros E o limite de acertos

Durante o processo de treinamento supervisionado de uma rede neural para reconhecimento de imagens, os dados são preparados colocando uma indicação...

Durante o processo de treinamento supervisionado de uma rede neural para reconhecimento de imagens, os dados são preparados colocando uma indicação da categoria, a qual cada imagem pertence. Durante o processo de treinamento, milhares de imagens, contendo indicações erradas como a mostrada na imagem acima, foram fornecidas para uma rede neural, fazendo com que os resultados do modelo fossem muito ruins. De acordo com os seus conhecimentos sobre treinamento de redes neurais para reconhecimento de imagens, há muitas possibilidades, mas NÂO será de grande utilidade: A correção das etiquetas incorretas e um novo treinamento B corrigir as etiquetas e testar novos hiperparâmetros C testar novos hiperparâmetros D um treinamento somente com as etiquetas incorretas E mudar a taxa de aprendizagem

Você necessita desenvolver um classificador bayesiano para detecção de spam baseado nas palavras contidas nos e-mails recebidos. Para isso o classi...

Você necessita desenvolver um classificador bayesiano para detecção de spam baseado nas palavras contidas nos e-mails recebidos. Para isso o classificador deverá utilizar o teorema de Bayes, considerando as classes como spam e não-spam e o vetor de características como a presença ou ausência de uma palavra, de acordo com a imagem acima. Considerando do texto acima e valendo-se do seu conhecimento sobre classificação bayesiana, o elemento P(?) será corretamente substituído por : A P(não-spam | spam) B P(spam) C P(palavra) D P(spam | não-spam) E P(palavra | spam)

Você necessita implementar um módulo de detecção de spam. Como o volume e a frequência de e-mails muito alta, você precisa de um algoritmo de class...

Você necessita implementar um módulo de detecção de spam. Como o volume e a frequência de e-mails muito alta, você precisa de um algoritmo de classificação que permita obter de forma rápida a identificação se o e-mail recebida se trata ou não de um spam, ainda que alguns falsos positivos possam ocorrer. Usando os seus conhecimentos de aprendizagem de máquina, você optaria por um algoritmo de: A classificador bayesiano B modelos de agrupamento hierárquico C modelo do tipo k-NN D modelo do tipo k-Means E modelo do tipo SVM

Métodos de redes neurais (MLP, CNN) tendem a necessitar de muita memória e processamento, o que faz com que demorem em dar uma resposta rápida. Já ...

Métodos de redes neurais (MLP, CNN) tendem a necessitar de muita memória e processamento, o que faz com que demorem em dar uma resposta rápida. Já modelos do tipo classificador bayesiano tendem a ser mais rápidos que os demais, ainda que a sua precisão e taxa de erros seja maior que outros algoritmos. B agrupamento hierárquico C rede neural profunda D k-NN E rede neural do tipo CNN

MaterialAggregator/Subjects/Materials/Recent

MaterialAggregator/Subjects/Questions/New

Prática 2 tentativa 1 machine learning

Conteudo restrito apenas para assinantes