Semana 1

Prévia do material em texto

<p>PERGUNTA 1</p><p>1. O aprendizado de máquina é um subcampo da Inteligência Artificial (IA)</p><p>que se concentra no desenvolvimento de algoritmos e modelos</p><p>estatísticos, os quais permitem que os computadores aprendam com os</p><p>dados e façam previsões ou decisões sem serem explicitamente</p><p>programados para isso.</p><p>Com relação ao aprendizado de máquina e à indução de modelos,</p><p>identifique se são (V) verdadeiras ou (F) falsas as afirmativas a seguir.</p><p>I. ( ) A indução de modelos tem como objetivos identificar e</p><p>relacionar os recursos de entrada a uma variável de destino.</p><p>II. ( ) No aprendizado supervisionado, não são utilizados rótulos,</p><p>sendo necessário realizar o mapeamento somente da saída.</p><p>III. ( ) No processo de indução, o modelo treinado passa por uma</p><p>validação em que há dados de testes específicos e sem</p><p>generalização.</p><p>Assinale a alternativa que apresenta a sequência CORRETA.</p><p>a. V - V - F.</p><p>b. F - F - V.</p><p>c. V - F - V. Errada</p><p>d. F - V - V.</p><p>e. V - F - F.</p><p>2,5 pontos</p><p>PERGUNTA 2</p><p>1. A análise de dados no aprendizado de máquina se refere aos processos</p><p>de explorar, limpar, transformar e resumir um conjunto de dados para</p><p>extrair informações e insights úteis que podem informar o</p><p>desenvolvimento de um modelo de aprendizado de máquina. É uma etapa</p><p>crucial no processo de aprendizado de máquina e pode ter um impacto</p><p>significativo no desempenho do modelo final.</p><p>Com relação às etapas existentes na análise de dados, marque a</p><p>alternativa correta.</p><p>a. Os valores ausentes, assim como a distribuição de dados, não</p><p>afetam o desempenho dos algoritmos de aprendizado de máquina.</p><p>b. A coleta de dados ajuda a entender a distribuição de dados,</p><p>auxiliando a identificar discrepâncias, assimetria e outros padrões.</p><p>c. Na análise exploratória de dados são coletados e pré-processados</p><p>os dados para garantir que tenha um formato adequado.</p><p>d. A análise de dados fornece uma base para selecionar o algoritmo</p><p>de aprendizado de máquina apropriado e ajustar seus parâmetros.</p><p>e. A visualização dos dados é a etapa na qual é realizado o processo</p><p>de seleção de recursos, ajudando a reduzir a dimensionalidade dos</p><p>dados.</p><p>2,5 pontos</p><p>PERGUNTA 3</p><p>1. Dados univariados se referem a dados que consistem em apenas um</p><p>recurso ou variável. É um tipo de dado que pode ser facilmente resumido</p><p>usando medidas estatísticas simples, como média, mediana, moda,</p><p>variância e desvio-padrão. Os dados univariados são frequentemente</p><p>usados na análise exploratória de dados e na visualização de dados para</p><p>obter uma compreensão básica das propriedades de um único recurso ou</p><p>variável.</p><p>Com relação aos dados univariados da análise de dados da</p><p>aprendizagem de máquina, marque a alternativa correta.</p><p>a. Sempre que for necessário realizar uma análise mais completa dos</p><p>dados para um modelo mais preciso utilizamos os dados</p><p>univariados.</p><p>b. Diferente dos dados multivariados, os dados univariados não</p><p>utilizam a estatística descritiva, eles usam somente a probabilidade.</p><p>c. Os dados univariados costumam ser usados em modelos simples,</p><p>como regressão linear, em que a variável é previsível.</p><p>d. A probabilidade não admite estimativa para identificação de</p><p>resultados relacionados a dados de um conjunto.</p><p>e. Os dados univariados apresentam a capacidade de obter somente</p><p>atributos simples, com o objetivo de aumentar os atributos.</p><p>2,5 pontos</p><p>PERGUNTA 4</p><p>1. A exploração de dados no aprendizado de máquina se refere ao</p><p>processo de examinar e resumir um conjunto de dados para obter uma</p><p>melhor compreensão de suas características, estrutura e relacionamentos</p><p>entre as variáveis. O objetivo da exploração de dados é identificar</p><p>padrões, outliers e relacionamentos entre variáveis, que podem informar</p><p>a escolha de recursos e modelos para um problema de aprendizado de</p><p>máquina.</p><p>Considerando o apresentado, analise as afirmativas a seguir sobre a</p><p>exploração de dados e as correlacione adequadamente aos termos ou</p><p>ferramentas às quais se referem.</p><p>1. Técnica de visualização</p><p>2. Técnica de limpeza de dados</p><p>3. Técnica de redução de dimensionalidade</p><p>IV. Processo de identificação e remoção de dados incorretos,</p><p>incompletos ou irrelevantes de um conjunto de dados.</p><p>V. Processo de redução do número de variáveis ou recursos em um</p><p>conjunto de dados.</p><p>VI. Gráficos de dispersão, histogramas e gráficos de caixa podem</p><p>ajudar a visualizar a distribuição e as relações entre as variáveis</p><p>em um conjunto de dados.</p><p>Assinale a alternativa que correlaciona adequadamente os dois grupos de</p><p>informação.</p><p>a. 1-I; 2-II; 3-III.</p><p>b. 1-III; 2-I; 3-II.</p><p>c. 1-II; 2-I; 3-III.</p><p>d. 1-III; 2-II; 3-I.</p><p>e. 1-I; 2-III; 3-II.</p><p>PERGUNTA 1</p><p>1. Os algoritmos utilizados na Inteligência Artificial (IA) em máquinas são o</p><p>aprendizado supervisionado (Supervised Learning), o aprendizado não</p><p>supervisionado (Unsupervised Learning) e o aprendizado por reforço</p><p>(Reinforcement Learning). Existem outros, mas esses são os mais usuais.</p><p>Considerando os algoritmos que contribuem para a aprendizagem em</p><p>máquinas que utilizam a IA, observe as afirmativas a seguir com relação</p><p>às características de cada uma e as correlacione adequadamente aos</p><p>termos ou ferramentas às quais se referem.</p><p>1. Aprendizado por reforço</p><p>2. Aprendizado semissupervisionado</p><p>3. Aprendizado ativo</p><p>IV. É uma tarefa em que é possível mesclar tarefas de agrupamento</p><p>ou classificação/regressão, buscando aumentar a quantidade de</p><p>objetos rotulados.</p><p>V. É uma tarefa que utiliza a recompensa para ações que considera</p><p>corretas e a punição para ações que considera erradas no</p><p>momento da aprendizagem.</p><p>VI. É uma tarefa que utiliza iterações entre os dados para realizar a</p><p>rotulação dos objetos e o rótulo que deve ser atribuído a cada um.</p><p>Assinale a alternativa que correlaciona adequadamente os dois grupos</p><p>de informação.</p><p>a. 1-III; 2-I; 3-II.</p><p>b. 1-II; 2-I; 3-III.</p><p>c. 1-I; 2-II; 3-III.</p><p>d. 1-III; 2-II; 3-I.</p><p>e. 1-I; 2-III; 3-II.</p><p>PERGUNTA 3</p><p>1. A caracterização de dados no aprendizado de máquina se refere ao</p><p>processo de entender e resumir as propriedades de um conjunto de</p><p>dados. É uma etapa importante no aprendizado de máquina, pois fornece</p><p>informações sobre os dados e ajuda a identificar possíveis desafios e</p><p>limitações. No aprendizado de máquina, existem vários tipos de dados</p><p>que podem ser usados para treinar e testar modelos.</p><p>Considerando o texto apresentado anteriormente, observe as afirmativas</p><p>a seguir, sobre os tipos de dados, e as correlacione adequadamente aos</p><p>termos ou ferramentas às quais se referem.</p><p>1. Dados numéricos</p><p>2. Dados categóricos</p><p>3. Dados de série temporal</p><p>IV. São comumente usados em problemas relacionados à previsão,</p><p>como previsão de preços de ações ou previsão do tempo.</p><p>V. Podem ser nominais, significando que as categorias não têm</p><p>ordem, ou ordinal, significando que as categorias não têm uma</p><p>ordem específica.</p><p>VI. Podem ser usados para representar variáveis contínuas, como</p><p>altura ou peso, ou variáveis discretas, como o número de itens</p><p>vendidos.</p><p>Assinale a alternativa que correlaciona adequadamente os dois grupos de</p><p>informação.</p><p>a. 1-I; 2-III; 3-II.</p><p>b. 1-III; 2-II; 3-I.</p><p>c. 1-III; 2-I; 3-II.</p><p>d. 1-I; 2-II; 3-III.</p><p>e. 1-II; 2-I; 3-III.</p>