Aprendizado de Máquina

Prévia do material em texto

Questões de Múltipla Escolha sobre Fundamentos de Aprendizado de Máquina
1. O que é aprendizado de máquina?
· A) Um subcampo da inteligência artificial que se concentra em criar algoritmos que permitem que as máquinas aprendam com dados.
· B) O processo de programação manual de máquinas para executar tarefas.
· C) Um tipo de software de automação de escritório.
· D) Um método para aumentar a velocidade dos computadores.
Resposta correta: A
2. Qual é a principal diferença entre aprendizado supervisionado e não supervisionado?
· A) O aprendizado supervisionado usa rótulos nos dados, enquanto o não supervisionado não usa.
· B) O aprendizado não supervisionado é sempre mais preciso.
· C) O aprendizado supervisionado não pode ser usado com grandes conjuntos de dados.
· D) Não há diferença significativa entre eles.
Resposta correta: A
3. Qual dos seguintes é um exemplo de algoritmo de aprendizado supervisionado?
· A) K-means
· B) Regressão linear
· C) Análise de componentes principais (PCA)
· D) Redes neurais autoencoders
Resposta correta: B
4. O que é overfitting (ajuste excessivo) em aprendizado de máquina?
· A) Quando um modelo generaliza bem para novos dados.
· B) Quando um modelo se ajusta muito bem aos dados de treinamento, mas tem um desempenho ruim em dados não vistos.
· C) Quando um modelo não consegue aprender padrões dos dados de treinamento.
· D) Um tipo de erro na codificação de algoritmos.
Resposta correta: B
5. Qual é o propósito da validação cruzada?
· A) Aumentar a complexidade do modelo.
· B) Avaliar a performance de um modelo em dados não vistos e evitar overfitting.
· C) Reduzir o número de características de um conjunto de dados.
· D) Garantir que todos os dados sejam usados para treinamento.
Resposta correta: B
6. Qual das seguintes técnicas é utilizada para reduzir a dimensionalidade dos dados?
· A) Regressão logística
· B) Análise de componentes principais (PCA)
· C) K-vizinhos mais próximos (K-NN)
· D) Árvores de decisão
Resposta correta: B
7. O que são "features" em aprendizado de máquina?
· A) O número de amostras em um conjunto de dados.
· B) As variáveis independentes que são usadas para prever o resultado.
· C) O resultado que se deseja prever.
· D) Um tipo de algoritmo de aprendizado.
Resposta correta: B
8. Qual é o objetivo da função de custo em modelos de aprendizado de máquina?
· A) Maximizar a precisão do modelo.
· B) Minimizar a diferença entre as previsões do modelo e os valores reais.
· C) Melhorar a interpretação dos dados.
· D) Reduzir o número de features.
Resposta correta: B
9. Qual das seguintes afirmativas sobre redes neurais é verdadeira?
· A) Elas são sempre mais rápidas que outros algoritmos.
· B) Elas são inspiradas na estrutura do cérebro humano.
· C) Elas não podem ser usadas para problemas não supervisionados.
· D) Elas são um tipo de algoritmo de árvore de decisão.
Resposta correta: B
10. O que é o "ensemble learning"?
· A) O uso de um único modelo para fazer previsões.
· B) A combinação de múltiplos modelos para melhorar a precisão da previsão.
· C) Um tipo de aprendizado não supervisionado.
· D) Um método de validação de modelos.
Resposta correta: B