Baixe o app para aproveitar ainda mais
Prévia do material em texto
24/03/2024, 18:12 POLI USP PRO Avaliação de Fundamentos em Big Data (11/03/2024) https://academico.poliusppro.com/ExamReference/ProofStudentExam?idExamRef=215880 1/4 (/) Sistema Acadêmico 17 Lara N° USP 15274817 Avaliação de Fundamentos em Big Data (11/03/2024) Fundamentos em Big Data Professor: Denise Aparecida Botter Avaliação realizada por: Avaliação realizada em: 24/03/2024 Tentativa 1 de 3 Nota 10,0 Questões Respondidas 10 de 10 Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Questão #1 Questão #2 É CORRETO a�rmar sobre o método K-fold: O modelo é ajustado K vezes Quando o valor de K é muito elevado, ocorre um aumento do custo computacional, além de implicar em uma amostra de validação pequena Todas as alternativas estão corretas Os valores usuais de K são 2, 5 ou 10 Assinale a alternativa que complementa CORRETAMENTE a lacuna da frase a seguir: A _______________ desenvolve algoritmos para o processamento de conjuntos enormes de dados (megadados ou big data). Ciência de dados Estatística Nenhuma alternativa está correta Ciência da computação Home () / Publicação de Avaliação (/ExamPublish/ExamStudent/1387) / Avaliação de Fundamentos em Big Data (11/03/2024) https://academico.poliusppro.com/ javascript:void(0); https://academico.poliusppro.com/ExamReference/ProofStudentExam?idExamRef=215880 https://academico.poliusppro.com/ExamReference/ProofStudentExam?idExamRef=215880 https://academico.poliusppro.com/ExamPublish/ExamStudent/1387 https://academico.poliusppro.com/ExamPublish/ExamStudent/1387 24/03/2024, 18:12 POLI USP PRO Avaliação de Fundamentos em Big Data (11/03/2024) https://academico.poliusppro.com/ExamReference/ProofStudentExam?idExamRef=215880 2/4 Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Questão #3 Questão #4 A �gura abaixo foi utilizada em aula e representa um grá�co de: Regressão linear simples Regressão não linear Regressão linear múltipla Regressão polinomial NÃO é uma das técnicas principais do aprendizado supervisionado: Modelos de regressão logística Função discriminante de Fisher Redes neurais Análise de agrupamentos 24/03/2024, 18:12 POLI USP PRO Avaliação de Fundamentos em Big Data (11/03/2024) https://academico.poliusppro.com/ExamReference/ProofStudentExam?idExamRef=215880 3/4 Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Questão #5 Questão #6 Questão #7 Considerando os modelos de validação cruzada, assinale a alternativa que complementa CORRETAMENTE a lacuna da frase a seguir: No método ______________ o modelo é ajustado a partir da amostra base, mas é validado em outra base de dados, que não é uma subdivisão da amostra base. Não há um consenso quanto à determinação do tamanho da amostra na validação externa. De validação neutra Nenhuma alternativa está correta De validação externa De validação interna No grá�co box plot, o LI (Limite Inferior) é obtido por meio da seguinte equação: LI=Q1-1,5*(Q2-Q1) LI=Q1+1,5*(Q2-Q1) LI=Q1-1,5*(Q3-Q1) LI=Q1+1,5*(Q3-Q1) No grá�co box plot, o LS (Limite Superior) é obtido por meio da seguinte equação: LS=Q3+1,5*(Q3-Q1) LS=Q3-1,5*(Q3-Q1) LS=Q2-1,5*(Q3-Q1) LS=Q2+1,5*(Q3-Q1) 24/03/2024, 18:12 POLI USP PRO Avaliação de Fundamentos em Big Data (11/03/2024) https://academico.poliusppro.com/ExamReference/ProofStudentExam?idExamRef=215880 4/4 Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Lara - laracbmarques@hotmail.com Questão #8 Questão #9 Questão #10 É uma desvantagem do R²: Sempre aumenta quando são acrescentadas variáveis no modelo, mesmo quando a variável não é importante Aumenta apenas quando são acrescentadas variáveis importantes no modelo Sempre diminui quando são acrescentadas variáveis no modelo, mesmo quando a variável não é importante Diminui apenas quando são acrescentadas variáveis importantes no modelo No contexto de aprendizado estatístico, a metodologia desenvolvida essencialmente para previsão e classi�cação é chamada de: Aprendizado não supervisionado Aprendizado supervisionado Aprendizado de máquina Aprendizado pragmático É CORRETO a�rmar sobre os parâmetros da regressão linear simples: β: coe�ciente angular – inclinação da reta α: intercepto ou coe�ciente linear - valor médio (ou valor esperado) da variável resposta Y, quando X = 0 σ²: variância do erro Todas as alternativas estão corretas Voltar (/ExamPublish/ExamStudent/1387) Versão 1.32.24 https://academico.poliusppro.com/ExamPublish/ExamStudent/1387
Compartilhar