06_exercícios

Prévia do material em texto

Lista de exercícios Big Data Analytics ≡ QuestõesVocê acertou 9 de 10 questões Verifique o seu desempenho e continue treinando! Você pode refazer o exercício quantas vezes quiser. Verificar Desempenho 1 Marcar para revisão Como podemos checar as métricas de classificação do modelo neural da biblioteca Scikit-Learn? A Plotly Gráfico de Matriz de Dispersão c Gráfico de Histograma D Classification Report E Regressão Linear Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado! Gabarito Comentado 'Classification Report' é uma ferramenta disponibilizada pela biblioteca Scikit-Learn que nos permite avaliar a performance de um modelo de classificação. Ele é utilizado para comparar as previsões feitas pelo modelo com os valores reais (ground truth). A partir dessa comparação, o 'Classification Report' calcula diversas métricas importantes para avaliar a qualidade do modelo, como acurácia, precisão e a medida F para cada classe possível. Além disso, ele também fornece essas métricas em um nível macro, ou seja, considerando todas as classes juntas. Portanto, é uma ferramenta essencial para verificar a eficácia de um modelo de classificação. 2 Marcar para revisão Dentre as inúmeras bibliotecas da linguagem Python, qual destas é a que abstrai conceitos de engenharia de aprendizado de máquina e implementa modelos de ML? A Numpy Scikit-LearnD os E BeautifulSoup Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado! Gabarito Comentado A linguagem Python possui uma vasta gama de bibliotecas que auxiliam na modelagem de problemas de ciência de dados. Entre elas, a Scikit-Learn se destaca por abstrair conceitos de engenharia de aprendizado de máquina e implementar modelos de Machine Learning de maneira simplificada. Essa biblioteca fornece uma seleção de algoritmos de aprendizado supervisionados e não supervisionados, facilitando a aplicação desses métodos em problemas reais. Portanto, a alternativa correta é a 'Scikit-Learn'. 3 Marcar para revisão Qual destes modelos é adequado para um problema de classificação? SVM Árvore de Decisão III K-Médias A Apenas a opção III Apenas as opções e Apenas as opções e III D Apenas as opções e III E Todas as opções I, e III Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado! Gabarito Comentado O aprendizado de máquina é dividido em duas técnicas principais: o aprendizado supervisionado e o aprendizado não supervisionado. No aprendizado supervisionado, temos a regressão e a classificação. Os modelos SVM (Máquinas de Vetores de Suporte) e Árvore de Decisão são exemplos de técnicas de classificação, pois são usados para prever um resultado discreto. Por outro lado, modelo K-Médias é uma técnica de aprendizado não supervisionado, usada para agrupamento de dados, e não para classificação. Portanto, as opções corretas para um problema de classificação são as opções (SVM) e Il (Árvore de Decisão).As redes neurais são modelos poderosos cujo principal componente onde estão armazenados seus conhecimentos é(são) A Pesos Vieses Função de Ativação D Camadas Escondidas E Camada de Saída X Resposta incorreta A alternativa correta é a letra D. Confira gabarito comentado! Gabarito Comentado conhecimento em modelos de redes neurais é armazenado principalmente em suas camadas escondidas, também conhecidas como camadas internas ou ocultas. Essas camadas contêm matrizes de pesos, vieses e funções de ativação. Quando esses elementos trabalham em conjunto, eles produzem o conhecimento necessário para que a rede neural possa fazer previsões ou classificações precisas com base em dados previamente observados. Portanto, as camadas escondidas são fundamentais para o funcionamento e a eficácia das redes neurais. Libras 5 Marcar para revisão Leonardo começou seu trabalho de conclusão de curso. Nesse trabalho, Leonardo quer elaborar um classificador de imagem, mas, não sabe se decidir com relação à configuração das camadas de sua rede neural. É muito comum utilizarmos o conjunto para fazermos o benchmark de modelos de A Pizzas; Categorias IRIS; Processamento da Linguagem Natural MNIST; Processamento de Imagens D IRIS; Processamento de Imagens E MNIST; Processamento de Linguagem Natural Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado!O conjunto MNIST, que consiste em digitos escritos mao, um dos mais renomados na literatura de aprendizado de máquina. Sua notoriedade não é sem motivo, pois esse conjunto é frequentemente utilizado como referência para comparar modelos de processamento de imagens. Isso ocorre porque uma configuração eficiente de rede neural deve ser capaz de reconhecer com precisão os dígitos manuscritos presentes no conjunto MNIST. Portanto, a alternativa correta é a letra C, que menciona o conjunto MNIST em relação ao processamento de imagens. 6 Marcar para revisão Quais destas opções representam as diferenças entre o KDD e CRISP-DM? Etapas de Entendimento do Negócio, e Implantação do Artefato de ML A etapa de Preparação de Dados substituindo as etapas de Seleção de Dados, e Transformação de Dados III A obrigatoriedade da entrega de um artefato de ML A Apenas as opções e III Apenas as opções e III As opções I, II, e III estão corretas D Apenas a opção I Libras E Apenas a opção Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado! Gabarito Comentado processo CRISP-DM se distingue do processo KDD tradicional em vários aspectos. Primeiramente, CRISP-DM inclui as etapas de entendimento do negócio e entendimento dos dados, que não estão presentes no KDD. Além disso, CRISP-DM simplifica processo de preparação de dados, substituindo as etapas de seleção de dados, pré- processamento e transformação de dados por uma única etapa. Por fim, CRISP-DM tem como característica a obrigatoriedade da entrega de um artefato de ML, o que não é uma exigência no processo KDD. Portanto, as opções I, e III estão corretas e representam as diferenças entre os dois processos. 7 Marcar para revisão A qual técnica de Aprendizado de Máquina Algoritmo de Árvore de Decisão Classificadora pertence? A Modelos Generativos Q-LearningD Classificação E Regressão Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado! Gabarito Comentado Algoritmo de Árvore de Decisão é uma ferramenta extremamente versátil e poderosa no campo do Aprendizado de Máquina. Ele pode ser aplicado tanto em problemas de regressão quanto de classificação. No entanto, a terminologia usada para descrever o algoritmo muda de acordo com a técnica em questão. Quando aplicado a problemas de classificação, o algoritmo é conhecido como Árvore de Decisão Classificadora. Por outro lado, quando utilizado em problemas de regressão, ele é chamado de Árvore de Decisão Regressora. Portanto, o Algoritmo de Árvore de Decisão Classificadora pertence à técnica de Classificação. 8 Marcar para revisão Qual o tipo de método nos permite visualizar a árvore de decisão na biblioteca Scikit-Learn? A console.log print plot_tree D cout E printf Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado! Gabarito Comentado método que nos permite visualizar a árvore de decisão na biblioteca Scikit-Learn é o 'plot_tree'. Este método pertence ao módulo Classifier. Ao importar 'plot_tree', é possível visualizar a árvore de decisão gerada pelo algoritmo de classificação de árvore de decisão. Portanto, a alternativa correta é a letra 9 Marcar para revisãofaltantes, em qual etapa do processo de KDD, Luís se encontra: A Pré-Processamento. Avaliação. Descoberta de Padrões. D Coleta de Dados. E Transformação de Dados. Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado! Gabarito Comentado Luís está na etapa de pré-processamento do processo de KDD (Knowledge Discovery in Databases). Esta etapa ocorre logo após a seleção dos dados e antes da transformação do conjunto. Nesta fase, ocorre a limpeza dos dados, que inclui a remoção de dados faltantes, como mencionado no enunciado. Portanto, a alternativa correta é a 'A', que se refere ao pré-processamento. Libras 10 Marcar para revisão As técnicas de aprendizado de máquina para aprendizado supervisionado são: Classificação - Agrupamento III Regressão A Apenas e Apenas e III Apenas e III D Apenas E Apenas Resposta correta Parabéns, você selecionou a alternativa correta. Confira gabarito comentado!dos de entrada quanto os de saída desejados são fornecidos. As técnicas de aprendizado supervisionado incluem a ssificação e a regressão. A classificação é uma técnica que categoriza ou rotula um conjunto de dados em classes tintas, enquanto a regressão é usada para prever um valor numérico contínuo. Por outro lado, o agrupamento, que é a técnica de aprendizado não supervisionado, não está incluído, pois envolve a agrupação de dados não rotulados m base em semelhanças e diferenças. Portanto, as técnicas de aprendizado de máquina para aprendizado pervisionado são a classificação (I) e a regressão (III), tornando a alternativa a resposta correta.