AV1 e AV2 Fundamentos de inteligencia artificial

Prévia do material em texto

Pergunta 1 
3 / 3 pts 
ETL é a abreviação de Extract, Transform, Load que, em tradução livre, significa extração, 
transformação e carga, respectivamente. Essas são três funções de base de dados que são 
combinadas em uma ferramenta responsável por extrair os dados de uma base e colocá-los em 
outra base. Além disso, o ETL também é utilizado para converter bancos de dados de um formato 
ou tipo para outro. 
Considerando o exposto, analise as asserções a seguir quanto ao emprego de ETL: 
I. O ETL pode ser usado para centralizar os dados em um único repositório de dados, viabilizando 
o aprendizado de máquina. 
II. O ETL é usado para transformar dados de uma base de dados em um modelo .doc. 
III. ETL é uma técnica de mineração de dados que pode ser usada para descobrir padrões nos 
dados. 
IV. O ETL pode ajudar a mover dados de várias fontes de IoT (Internet of Things) para um único 
local onde você pode analisá-los. 
Está correto o que se afirma em: 
 I e IV. 
 I e II. 
 II, III, IV. 
II e III. 
 I, II e III. 
 
Feedback: 
IoT significa Internet das Coisas e se refere ao uso de dispositivos e sistemas conectados que 
aproveitam os dados coletados por sensores e atuadores incorporados em máquinas e outros 
objetos físicos, como o sensor em um semáforo. O ETL pode mover todos os dados das diversas 
fontes e armazená-los em uma única base. O aprendizado de máquina é um método de análise 
de dados que automatiza a construção de modelos analíticos. Desse modo, o ETL pode 
centralizar os dados em um único repositório (por exemplo, Data Warehouse) para efetuar as 
análises. 
Você pode ler mais na unidade 1, tópico 3. 
 
Pergunta 2 
3 / 3 pts 
A mineração de dados é o processo de análise de grandes volumes de dados para descobrir 
inteligências que ajudem as empresas a resolver problemas, mitigar riscos e aproveitar novas 
oportunidades. Esse ramo da ciência de dados tem a nomenclatura derivada das semelhanças 
entre procurar informações valiosas em um grande banco de dados e extrair uma montanha de 
minério. 
 
Considerando as informações sobre mineração de dados, analise as asserções a seguir a 
respeito dos principais conceitos de mineração de dados. 
I. Usa aprendizado de máquina. 
II. Usa dados diretamente dos sistemas de processamento de transações. 
III. Ajuda os gerentes na tomada de decisões de rotina. 
IV. Limpeza e preparação de dados. 
 
Está correto o que se afirma em: 
 I e III. 
III e IV. 
 II e IV. 
 I e IV. 
 II e III. 
 
Feedback: 
Limpeza e preparação de dados é uma etapa na qual os dados são transformados em um 
formulário adequado para análises e processamentos adicionais, como a identificação e a 
remoção de erros e a falta de dados (dados incompletos). 
Do mesmo modo, o aprendizado de máquina é um conceito de mineração de dados no qual um 
programa, usando probabilidades estatísticas, permite aos computadores ter a capacidade de 
"aprender" sem que sejam explicitamente programados. 
Você pode ler mais na unidade 1, tópico 3. 
 
Pergunta 3 
3 / 3 pts 
Uma variável possui papel fundamental em um código: guardar dados. Elas podem armazenar 
apenas um dado por vez, logo, se uma variável chamada nome possui o conteúdo “João”, ao 
receber o valor “Maria” a palavra “João” é perdida. Por outro lado, temos as estruturas 
condicionais, cuja principal característica é modificar o fluxo de um código de acordo com uma 
condição e, consequentemente, modificar o conteúdo de uma variável. Veja um exemplo de 
código-fonte em Python o qual manipula uma única variável chamada txt e possui uma 
condicional: 
 
Considerando essas informações e o conteúdo estudado sobre Python, dentre as principais 
características do código, podemos determinar: 
 
 
I. O valor digitado pelo usuário na linha 1 será armazenado na variável txt e apresentado na linha 
4 ou na linha 6. 
II. A linha 6 desse código apresentará a mensagem “Digite seu nome”, pois esse é o valor da 
variável txt. 
III. Uma característica da Python pode ser observada na linha 7, o uso da indentação ao invés de 
usarmos chaves. 
IV. Independente do conteúdo de txt, o print da linha 7 será apresentado, pois ele está fora da 
estrutura if/else. 
 
Estão corretas as asserções: 
 I e III. 
 I e IV. 
III e IV. 
II e IV. 
 II e III. 
 
Feedback: 
A variável txt recebe o dado do input e, na linha 4 ou 6, mostra o valor digitado. O valor 
apresentado na linha 4 será diferente do valor da linha 6, pois há uma condicional, se for diferente 
de Maria ou se for igual a Maria. 
O conteúdo “Digite seu nome” é apenas uma instrução para a ação que o usuário deve tomar. A 
Python delimita o escopo ou bloco de código por meio da indentação. Note que na linha 7 existe 
uma tabulação, um espaço que coloca o print dentro do else. Sem a indentação o print ficaria fora 
do escopo do else. 
O print da linha 7 está dentro do else e isso pode ser justificado pelo uso da tabulação ou 
indentação do código. Se tirarmos a tabulação antes do print, dessa forma sim o print da linha 7 
seria apresentado independentemente do valor de txt. Mas, para esse código, o print da linha 7 só 
será apresentado se o nome for igual a Maria. 
Você pode ver mais sobre variáveis no tópico 1 e sobre estrutura condicional no tópico 2. 
 
IncorretaQuestion 4 
Pontuação original: 0 / 3 pts Pontuação reavaliada: 3 / 3 pts 
 Esta pergunta foi reavaliada. 
Leia o trecho a seguir: 
Os operadores aritméticos de soma, subtração, divisão e multiplicação podem ser utilizados nas 
operações com números inteiros e números reais. Se um número inteiro for dividido por um 
número real, teremos um número do tipo real como resultado. Esses operadores podem ser 
utilizados em uma cadeia de instruções, respeitando sempre a ordem de precedência 
matemática: primeiro a multiplicação, em seguida a divisão, a soma e, por fim, a subtração. 
De posse dessas informações e do conteúdo estudado sobre Python, analise as asserções a 
seguir e a relação proposta entre elas. 
I. Supondo os seguintes valores de variáveis do tipo string: A=”Bom ” e B=”dia”, podemos somar 
A+B, obtendo C = A + B que é igual a “Bom dia”. 
PORQUE 
II. Quando realizamos a soma de strings, o resultado final é a concatenação das duas strings com 
comportamento semelhante ao símbolo de &. 
A seguir, assinale a alternativa correta: 
 A asserção I é verdadeira e a II é falsa. 
 
 As asserções I e II são verdadeiras e a II é uma justificativa correta da I. 
 As asserções I e II são verdadeiras, mas a II não é uma justificativa correta da I. 
 A asserção I é falsa e a II é verdadeira. 
 As asserções I e II são falsas. 
 
Feedback: 
Quando somamos duas strings na realidade estamos realizando uma junção. Desse modo, 
estamos juntando a palavra “Bom” com a palavra “dia” e o resultado é a frase “Bom dia”. 
Em Python o símbolo responsável por realizar a concatenação de strings é o sinal de adição +. O 
e-comercial “&” não realiza concatenação. 
Veja mais sobre variáveis e manipulação de string no tópico I na unidade 2. 
 
Pergunta 5 
3 / 3 pts 
Ao lidar com dados estatísticos, é importante distinguir entre "população" dos conjuntos de dados 
e "amostra" dos conjuntos de dados. Em um volume de dados, a população contém todos os 
membros de um grupo específico. Por outro lado, a amostra de um grupo de dados contém uma 
parte, ou um subconjunto, de uma população. O tamanho de uma amostra é sempre menor do 
que o tamanho da população da qual é retirada. 
Considerando essas informações e os conteúdos estudados na disciplina, analise as asserções a 
seguir: 
I. A população pode ser todas as pessoas que vivem no Brasil. 
II. A amostra pode ser todas as pessoas que vivem no Nordeste. 
III. A amostra pode ser todas as pessoas entre 40 e 50 anos que vivem no Brasil. 
Está correto apenas o que se afirma em: 
 II apenas. 
 I e III. 
 II e III. 
I apenas. 
III apenas. 
 
Feedback: 
Quando falamos de população estamos tratando o todo, ou seja, todas as pessoas quevivem no 
Brasil, sem exceção. 
O conceito de amostra está relacionado a pegarmos uma parte da população, ou seja, uma parte 
do todo. A asserção diz “todas as pessoas que vivem no Nordeste”, logo isso caracteriza uma 
população. Se fosse afirmado: “todas as pessoas do Brasil que vivem no Nordeste”, teríamos o 
Brasil como população e as pessoas que vivem no Nordeste como amostra. 
O todo (população) são as pessoas que vivem no Brasil. A amostra são as pessoas que vivem no 
Brasil e que possuem entre 40 e 50 anos. 
Veja mais sobre amostra e população no tópico 1 da unidade 3. 
 
Pergunta 6 
3 / 3 pts 
Uma certa marca de guloseimas cria embalagem para seu produto com o objetivo de que 
contenha aproximadamente o mesmo número de jujubas por embalagem. No entanto, o 
procedimento de preenchimento não é perfeito. Os pacotes são preenchidos com uma média de 
375 jujubas, mas o número que entra em cada sacola é normalmente distribuído com um desvio 
padrão de 8. 
Ontem Maria foi à loja e comprou quatro desses pacotes em preparação para uma festa da 
primavera. Maria estava curiosa e contou o número de jujubas nessas embalagens – suas quatro 
sacolas continham uma média de 382 jujubas. 
A partir do cenário apresentado, qual dos seguintes casos é um parâmetro? 
 O parâmetro será a soma do número médio das jujubas em todas as embalagens feitas com 
o número médio das jujubas das embalagens de Maria, totalizando 757. 
 Entende-se por parâmetro a média entre o número médio de jujubas nas embalagens de 
Maria e o número médio de jujubas em todas embalagens, tendo como total 378,5. 
 Podemos dizer que o número médio de jujubas nas embalagens de Maria é igual a 382, logo 
esse é o parâmetro populacional. 
Entende-se por parâmetro populacional o número médio de jujubas em todas as embalagens, 
que é de 375. 
 O parâmetro pode ser obtido somando e subtraindo o valor do desvio padrão em relação ao 
preenchimento médio de todas as embalagens de jujuba, logo o parâmetro pode ser 375 + 8 e 
375 - 8. 
 
Feedback: 
Um parâmetro é um número que descreve a população. Então, aqui, o parâmetro deve ser o 
número médio de jujubas em todas as embalagens feitas, que é 375. 
Veja mais no tópico 1 da unidade 3. 
 
Pergunta 7 
3 / 3 pts 
O aprendizado de máquina não supervisionado é uma classe de problemas de aprendizado na 
qual se procura estabelecer agrupamentos de informações que compartilham das mesmas 
características. 
Considere as asserções abaixo: 
I - Determinar grupos de pacientes com base nos resultados dos exames. 
II - Determinar as características de compras dos consumidores de um supermercado, 
agregando-os. 
III - Determinar a direção de um carro autônomo em uma rodovia com base nas respostas dos 
sensores. 
IV - Determinar o risco de intrusão em uma rede de computadores com base nos ataques 
anteriores dos hackers. 
Em relação às asserções anteriores, quais dizem respeito ao aprendizado de máquina não 
supervisionado? 
 II e IV. 
 III e IV. 
 I e III. 
 II e III. 
 I e II. 
 
Feedback: 
No aprendizado não supervisionado, o algoritmo de aprendizado de máquina deve procurar por 
grupos que tenham as mesmas características com base nos valores das variáveis contidas no 
conjunto de dados, como apresentado na unidade 4, tópico 1.1. 
 
Pergunta 8 
3 / 3 pts 
O aprendizado de máquina supervisionado é uma classe de problemas de aprendizado no qual 
se procura inferir o valor da variável dependente a partir das variáveis independentes. 
Considere as asserções abaixo: 
I - Determinar a doença de um paciente com base nos resultados dos exames. 
II - Determinar as características de compras dos consumidores de um supermercado. 
III - Determinar a direção de um robô em um ambiente com base nas respostas dos sensores. 
IV - Determinar o risco de intrusão em uma rede de computadores com base nos ataques 
anteriores dos hackers. 
Em relação às asserções anteriores, quais dizem respeito ao aprendizado de máquina 
supervisionado? 
 I e III. 
 III e IV. 
 II e IV. 
 I e IV. 
 II e III. 
 
Feedback: 
No aprendizado de máquina supervisionado, a característica básica que o define é a relação 
existente entre uma variável dependente e outras variáveis independentes, sendo o trabalho do 
algoritmo estabelecer de forma computacional essa relação de causa-consequência, como 
apresentado na unidade 4, tópico 1.1. 
 
Pergunta 9 
3 / 3 pts 
Considere o seguinte conjunto de dados abaixo como sendo o resultado da classificação de um 
conjunto de testes ao passar por um classificador supervisionado (algoritmo de predição). 
Tempo Temperatura Vento Pedalar Classificador 
Sol Calor Fraco Sim Sim 
Sol Calor Forte Não Sim 
Nublado Calor Fraco Sim Sim 
Chuva Amena Fraco Sim Não 
Chuva Frio Fraco Não Não 
Chuva Frio Forte Não Sim 
Nublado Frio Forte Sim Sim 
Sol Amena Fraco Não Não 
Nublado Frio Forte Não Não 
Chuva Amena Fraco Sim Sim 
Escolha a alternativa que melhor representa a Matriz de Confusão que representa o cenário 
anterior: 
 Classe esperada 
 Sim Não 
Classe 
predita 
Não 4 1 
Sim 2 3 
 
 Classe 
classificador 
 Sim Não 
Classe 
predita 
Sim 3 2 
Não 1 4 
 
 Classe esperada 
 Sim Não 
Classe 
predita 
Sim 4 2 
Não 2 3 
 
 Classe esperada 
 Sim Não 
Classe 
predita 
Sim 3 2 
Não 1 4 
 
 Classe esperada 
 Sim Não 
Sim 4 1 
Classe 
original 
Não 2 3 
Feedback: 
Como apresentado na unidade 4, tópico 3, a classe original dada ao algoritmo de aprendizado de 
máquina supervisionado é chamado de classe esperada, rótulo, classe original, label, variável 
dependente, consequência etc. 
Já a classe calculada pelo algoritmo de aprendizado de máquina supervisionado é chamada de 
classe predita, calculada, descoberta etc. Dessa forma: 
• VP = verdadeiro positivo, ou seja, número de exemplos para os quais classe predita = classe 
esperada = “Sim”; 
• VN = verdadeiro negativo, ou seja, número de exemplos para os quais classe predita = classe 
esperada = “Não”; 
• FP = falso positivo, ou seja, número de exemplos para os quais classe predita = “Sim”, mas a 
classe esperada = “Não”; 
• FN = falso negativo, ou seja, número de exemplos para os quais classe predita = “Não”, mas a 
classe esperada = “Sim”. 
 
Pergunta 10 
13 / 13 pts 
Aprendizado de máquina (ou machine learning) tem como premissa principal a aprendizagem a 
partir dos dados (MITCHELL, 1997). Dessa forma, procura-se inferir um conceito mais geral a 
partir da observação de dados e exemplos passados. Quando se fala em Ciência de dados, há 
basicamente três paradigmas do aprendizado de máquina que são importantes conhecer. 
Explique brevemente cada uma delas. 
 
Sua Resposta: 
Aprendizado supervisionado: é o uso de conjunto de dados, onde o algoritmo procura entender o 
valor da variável dependente a partir de um conjunto de variáveis independentes e preveem 
resultados com precisão. 
Aprendizado não supervisionado: possui somente as variáveis independentes que descrevem os 
dados, ou seja, sozinho o algoritmo identifica relacionamentos e padrões nos dados e entre eles. 
Aprendizado por reforço: é o estimulo-resposta, onde se produz resposta comportamentais a 
depender de estímulos positivos ou negativos, ou seja, treina o software para tomar decisões em 
busca do melhores resultados . 
1. Aprendizado Supervisionado: Neste paradigma, o algoritmo de aprendizado é treinado com 
um conjunto de dados que contém exemplos rotulados, ou seja, para cada entrada de 
dados, há uma saída correspondente conhecida. O objetivo é aprender uma função que 
mapeie as entradas para as saídas desejadas. Exemplos comuns incluem classificação 
(prever uma categoria) e regressão (prever um valor numérico). 
 
2. Aprendizado Não Supervisionado: Aqui, o algoritmo é treinado em um conjunto de dados 
que não possui rótulos ou categorias pré-definidas. O objetivo é encontrar estruturas ou 
padrões nos dados que não foram previamente rotulados. Algunsexemplos de técnicas 
incluem clustering (agrupamento), onde o algoritmo identifica grupos de dados 
semelhantes, e redução de dimensionalidade, que busca representar os dados em um 
espaço de menor dimensão. 
 
3. Aprendizado por Reforço: Neste paradigma, o agente de aprendizado interage com um 
ambiente dinâmico, tomando ações e observando as recompensas ou penalidades 
resultantes de suas ações. O objetivo é aprender uma política ou estratégia que maximize 
a recompensa cumulativa ao longo do tempo. Este paradigma é comumente usado em 
problemas de tomada de decisão sequencial, como jogos e robótica. 
 
Questão 1 | Código 21862 0.00 / 5.00 
Enunciado 
Considere os seguintes comandos Python:I. Var1 = [2010, 2020, 2021, ´Ano Indefinido´]II. Var2 = (1, 2, 3, 4, 6, 
8)III. Var3 = {´CPF´:787126, ´Idade´:120}Estão com sintaxe corretas: 
Alternativa correta 
A - Todas. 
Alternativa marcada 
D - I e II somente. 
Questão 2 | Código 21997 5.00 / 5.00 
Enunciado 
Com a assustadora popularização dos chamados deep fakes, o tratamento e criação de imagens e vídeos com 
uso de Inteligência Artificial têm ganho muito espaço na mídia técnica e geral. O processamento e classificação 
de imagens tem muitas aplicações interessantes como a detecção de doenças com base em imagens de 
ressonância magnética, análise de sentimentos de pessoas olhando uma vitrine, classificação de imagens no 
ambiente para uso com veículos autônomos etc. Para o uso de algoritmos de classificação e agrupamento, 
mas, em especial, as redes neurais convolucionais (deep learning), quais características das imagens podemos 
levar em consideração? Assinale a alternativa correta. 
Alternativa correta 
E - Formato, excentricidade, cor, proximidade e dimensões. 
Alternativa marcada 
E - Formato, excentricidade, cor, proximidade e dimensões. 
Questão 3 | Código 21867 0.00 / 5.00 
Enunciado 
Um analista de IA está avaliando como ensinar um carro a dirigir sozinho. Ele deve utilizar algoritmos de: 
Alternativa correta 
B - Aprendizado por reforço. 
Alternativa marcada 
A - Aprendizado supervisionado. 
 
Questão 4 | Código 21874 0.00 / 5.00 
Enunciado 
Avalie as seguintes afirmações sobre o algoritmo de aprendizado de máquina denominado Árvore de Decisão: 
I. O índice Geni e a entropia são medidas usadas pelo algoritmo para calcular quantos nós folhas a árvore irá 
ter. 
II. Este algoritmo pode ser utilizado para problemas de classificação e problemas de clusterização. 
III. Uma árvore de decisão pode apresentar o problema de overfitting que significa que o algoritmo não foi capaz 
de gerar um modelo preditivo. 
Estão corretos: 
 
Alternativa correta 
D - Nenhuma delas 
Alternativa marcada 
C - I somente. 
Questão 5 | Código 21958 5.00 / 5.00 
Enunciado 
Um pesquisador reuniu os dados de nove observações de temperatura em uma matriz multidimensional 3x3. 
Ele precisa realizar três operações sobre essa matriz: a primeira delas é encontrar a matriz transposta da matriz 
original. Chamaremos a matriz original de dados1 e a matriz transposta de dadost. Em seguida, será necessário 
realizar a soma das colunas dessa matriz transposta. Por fim, será necessário encontrar a média dos valores 
dessa soma. O pesquisador não conhece uma função matemática que devolva, automaticamente, a média dos 
valores dessa soma, logo optou em fazer utilizando um laço de repetição. Assim, analise com atenção o código-
fonte escrito pelo pesquisador. 
 
 
 De acordo com essas informações e do conteúdo estudado sobre Python, é possível dizer que, com esse código, 
o pesquisador resolveu o problema? Encontre a resposta correta. 
 
Alternativa correta 
C - Não, pois o código-fonte do pesquisador apresenta erro de sintaxe na linha 6, erro de lógica nas linhas 8, 10 
e 13. 
Alternativa marcada 
C - Não, pois o código-fonte do pesquisador apresenta erro de sintaxe na linha 6, erro de lógica nas linhas 8, 10 
e 13. 
 
Questão 6 | Código 21979 5.00 / 5.00 
Enunciado 
As avaliações do modelo por k-fold cross-validation e k-fold stratified cross-validation são conhecidas por serem 
validações cruzadas de forma que os dados são divididos em partições que se revezam para serem usadas no 
processo de treinamento e teste do classificador. A respeito dessas duas avalições cruzadas, podemos dizer 
que a diferença central entre elas: 
Alternativa correta 
C - É que na avaliação por k-fold stratified cross-validation as partições são criadas de forma a manter o 
balanceamento entre as distribuições dos dados por classe. 
Alternativa marcada 
C - É que na avaliação por k-fold stratified cross-validation as partições são criadas de forma a manter o 
balanceamento entre as distribuições dos dados por classe. 
 
Questão 7 | Código 21988 0.00 / 5.00 
Enunciado 
Ao utilizar o ensemble VotingClassifier, o qual por sua vez faz uso de outros classificadores já criados por 
outros algoritmos, como RandomForest, DecisionTree, GradientBoostng, KNN, entre outros, há a opção de 
utilizar a votação ‘hard’ ou ‘soft’. 
Considere agora as asserções a seguir: 
I. Na votação ‘hard’, prevalece como predita a classe mais votada entre os classificadores. 
II. Na votação ‘soft’, prevalece como predita a classe mais votada, mas de acordo com o peso do poder de 
predição de cada classificador. 
III. Na votação ‘soft’, pode-se atribuir pesos aos classificadores que compõem o ensemble de forma que é até 
possível que o classificador de pior desempenho tenha peso maior. 
Avaliando as asserções anteriores, é possível estabelecer que: 
 
Alternativa correta 
B - Todas são verdadeiras. 
Alternativa marcada 
C - Somente I e III são verdadeiras. 
 
Questão 8 | Código 21887 5.00 / 5.00 
Enunciado 
Um algoritmo que aprende sozinho a estratégia de um jogo utiliza o aprendizado: 
Alternativa correta 
D - por reforço 
Alternativa marcada 
D - por reforço 
 
Questão 9 | Código 21956 5.00 / 5.00 
Enunciado 
Analise com atenção o código a seguir: 
 
A partir dessas informações e considerando os conteúdos estudados sobre estrutura de dados e estrutura de 
repetição em Python, analise as asserções a seguir: 
 I. O laço for percorrerá toda a lista a procura do valor par, armazena esse valor na variável x e o apresenta na 
linha 10. 
 
II. O laço for percorrerá toda a lista a procura do maior valor par, o armazena na variável x e apresenta o seu 
valor na linha 10. 
 III. A variável x receberá um valor da lista na linha 3 e, na linha 7, o valor da variável x é comparado com um 
valor da lista. 
 IV. As linhas 6 e 7 podem ser colocadas em uma única instrução if valor % 2 == 0 or valor > x e a saída será a 
mesma. 
 Está correto apenas o que se afirma em: 
 
Alternativa correta 
E - II e III. 
Alternativa marcada 
E - II e III. 
 
Questão 10 | Código 37042 12.00 / 15.00 
Enunciado 
A partir do código em PYTHON descrito abaixo, explique qual é a funcionalidade das seguintes estruturas: 
a. Biblioteca: sklearn.linear_model 
b. Método: X.drop(columns=['instant', 'dteday', 'casual', 'registered'], inplace=True) 
c. Método: LogisticRegression(random_state=0, C=0.01).fit(X, y) 
d. Qual o resultado final esperado? 
Código: 
from sklearn.linear_model import LogisticRegression 
cols = df.columns 
X = df[cols[:-1]] 
y = df[cols[-1:]] 
X.drop(columns=['instant', 'dteday', 'casual', 'registered'], inplace=True) 
clf3 = LogisticRegression(random_state=0, C=0.01).fit(X, y) 
print("Acurácia: ",clf3.score(X,y)*100) 
 
Resposta 
a) sua funcionalidade é importar objeto LogisticRegression da biblioteca. 
b) dividir os dados em DataFrames 
c) executar a execução linear. 
d) Acurácia: 75.781659370725033