Prova de Ciência de Dados_ Desafios e Soluções em Modelos de Machine Learning

Prévia do material em texto

Prova de Ciência de Dados: Desafios e Soluções em Modelos de 
Machine Learning
Introdução:
Esta prova explora os principais desafios enfrentados por cientistas de dados ao construir e 
implementar modelos de machine learning. Ela abrange desde o pré-processamento de 
dados até técnicas avançadas de modelagem, passando por estratégias para melhorar a 
performance e evitar erros comuns como overfitting e underfitting.
Questão 1
Em relação ao problema de overfitting, qual é a estratégia mais eficaz para mitigar esse 
risco?
a) Aumentar a complexidade do modelo.
b) Aumentar o tamanho do conjunto de dados de treinamento.
c) Utilizar mais parâmetros no modelo.
d) Realizar menos iterações de treinamento.
e) Eliminar variáveis importantes do modelo.
Questão 2
Qual a principal vantagem de usar Support Vector Machines (SVM) em problemas de 
classificação?
a) Eles são rápidos em dados de alta dimensão.
b) Eles funcionam bem com dados lineares e não lineares.
c) Eles são fáceis de entender e interpretar.
d) Eles são sempre mais precisos do que árvores de decisão.
e) Eles não requerem ajuste de parâmetros.
Questão 3
Qual é a diferença entre bagging e boosting em métodos ensemble?
a) O bagging usa múltiplos modelos de forma independente, enquanto o boosting ajusta o 
modelo iterativamente para corrigir os erros dos modelos anteriores.
b) O boosting combina apenas modelos simples, enquanto o bagging combina modelos 
complexos.
c) O bagging é um modelo linear, enquanto o boosting é um modelo não linear.
d) O boosting é usado apenas em dados balanceados, enquanto o bagging é usado em 
dados desbalanceados.
e) O bagging gera novos dados sintéticos, enquanto o boosting aumenta a complexidade do
modelo.
Questão 4
Em um problema de classificação multi-classe, qual métrica é útil para avaliar o 
desempenho do modelo?
a) Acurácia
b) Precisão
c) AUC-ROC
d) Matriz de confusão
e) F1-Score
Questão 5
Em aprendizado de máquina, o que é ensemble learning?
a) A combinação de múltiplos modelos para melhorar a precisão e robustez.
b) A técnica de selecionar um único modelo mais complexo.
c) A transformação de variáveis em novos tipos de dados.
d) A aplicação de técnicas de otimização em modelos de baixa complexidade.
e) A divisão dos dados em vários subconjuntos para treinamento independente.
Questão 6
Em qual situação o uso de redes neurais profundas é mais vantajoso?
a) Quando o problema envolve dados tabulares com poucas variáveis.
b) Quando o problema exige um modelo simples e rápido.
c) Quando o problema envolve grandes volumes de dados não estruturados, como imagens
ou textos.
d) Quando o modelo precisa ser interpretável e simples.
e) Quando a precisão não é uma prioridade no problema.
Questão 7
O que é um outlier em um conjunto de dados?
a) Um dado que representa a média de todos os outros.
b) Um dado que é muito comum no conjunto de dados.
c) Um dado que se desvia significativamente dos outros dados no conjunto.
d) Um dado que é usado para treinar modelos em aprendizado supervisionado.
e) Um dado que não possui valor ou característica relevante.
Questão 8
O que significa a técnica de regularização em aprendizado de máquina?
a) Aumentar a complexidade do modelo para melhorar a precisão.
b) Tornar o modelo mais simples para evitar overfitting.
c) Aplicar diferentes métricas de avaliação para otimizar o modelo.
d) Aumentar a quantidade de dados de treinamento.
e) Ajudar a reduzir o custo computacional dos algoritmos.
Questão 9
Qual é a principal vantagem do uso de Redes Neurais Convolucionais (CNNs) em 
comparação com redes neurais tradicionais?
a) Elas são melhores para tarefas de classificação de dados tabulares.
b) Elas exigem menos dados para treinamento.
c) Elas são mais rápidas para treinar em comparação com redes tradicionais.
d) Elas são especialmente boas para processar dados estruturados, como tabelas.
e) Elas são melhores para trabalhar com dados de imagens ou vídeos.
Questão 10
Quando se fala de aprendizado supervisionado, qual é o principal requisito para que um 
modelo seja treinado?
a) A existência de um conjunto de dados rotulado.
b) A disponibilidade de grandes volumes de dados não rotulados.
c) A utilização de modelos extremamente simples.
d) A análise de dados temporais.
e) A presença de uma variável dependente contínua.
Gabarito e Justificativa
1. b)
○ Aumentar o tamanho do conjunto de dados de treinamento pode ajudar a 
reduzir o risco de overfitting, permitindo que o modelo generalize melhor para
novos dados.
2. b)
○ O SVM é eficaz em problemas de classificação devido à sua capacidade de 
lidar tanto com dados lineares quanto não lineares.
3. a)
○ O bagging cria múltiplos modelos independentes, enquanto o boosting ajusta 
o modelo iterativamente para corrigir erros anteriores, aumentando a 
precisão.
4. e)
○ O F1-Score é uma métrica útil em problemas de classificação multi-classe, 
pois combina precisão e recall, proporcionando uma visão balanceada do 
desempenho do modelo.
5. a)
○ Ensemble learning é a técnica de combinar múltiplos modelos para melhorar 
a precisão e robustez do sistema.
6. c)
○ Redes neurais profundas são vantajosas para problemas com grandes 
volumes de dados não estruturados, como imagens, áudio e texto.
7. c)
○ Outliers são dados que se desvia significativamente dos outros dados no 
conjunto, podendo indicar erros ou comportamentos anômalos.
8. b)
○ Regularização é uma técnica usada para tornar o modelo mais simples e 
evitar overfitting, penalizando modelos muito complexos.
9. e)
○ Redes Neurais Convolucionais (CNNs) são especialmente boas para 
processar dados de imagens ou vídeos, graças à sua capacidade de capturar
padrões espaciais.
10. a)
● O aprendizado supervisionado requer um conjunto de dados rotulado, onde as 
variáveis dependentes e independentes são fornecidas para treinar o modelo.