A maior rede de estudos do Brasil

Grátis
8 pág.
UNICSUL_AS_respostas_Disciplina_Ciências-de-Dados

Pré-visualização | Página 2 de 3

pesos das conexões para minimizar o erro, obtendo um aprendizado por exemplos. O algoritmo de 
aprendizado (indutor) recebe um conjunto de exemplos de treinamento para os quais os rótulos da 
classe associada são conhecidos. Cada exemplo (instância ou padrão) é descrito por um vetor de 
valores (atributos) e pelo rótulo da classe associada. O objetivo do indutor é construir um classificador 
que possa determinar corretamente a classe de novos exemplos ainda não rotulados. 
 
 
 Pergunta 2 
Quais afirmativas podemos fazer na relação de mineraçao de dados com machine learning? 
I. Tanto a mineração de dados quanto o aprendizado de máquinas utilizam-se de muitos métodos da área de 
estatística. 
II. Quando essas duas áreas juntam-se, conseguimos atingir os objetivos de aprender e gerar hipóteses 
automaticamente a partir de grandes volumes de dados. 
Respostas: d. As afirmativas I e II estão corretas. 
Comentário 
da 
resposta: 
Justificativa (comentário da resposta) 
Dica: É possível retirar fragmentos do material estudado para comentar a resposta. 
Tanto a mineração de dados quanto o aprendizado de máquinas utilizam-se de muitos métodos da 
área de estatística. 
Então, quando essas duas áreas juntam-se, conseguimos atingir os objetivos de aprender e gerar 
hipóteses automaticamente a partir de grandes volumes de dados. 
 
 Pergunta 3 
Na definição de aprendizado, qual o significado das letras T, D e E? 
Respostas: c. Tarefa, Desempenho e Experiência 
Comentário 
da resposta: 
Justificativa (comentário da resposta) 
Dica: É possível retirar fragmentos do material estudado para comentar a resposta. 
Segundo Mitchell (1997), a tarefa de aprendizado significa: “ Melhorar na tarefa T, com respeito à 
métrica de desempenho D, baseado na experiência E”. 
 
 Pergunta 4 
Tarefas de classificação que precisam de exemplos de saída são realizadas por que tipo de aprendizado? 
Respostas: b. Aprendizado supervisionado 
Comentário Justificativa (comentário da resposta) 
da resposta: Dica: É possível retirar fragmentos do material estudado para comentar a resposta. Exemplo de 
aprendizado supervisionado: 
Vamos pensar em um programa que usa aprendizado de máquina para classificar fotos de cavalos. 
Para isso, teremos dois tipos de dados de entrada para treinar o algoritmo: 
• Imagem: várias fotos de cavalos e outras não. 
• Dado Booleano (true/false): indicando se a figura é ou não de um cavalo. 
O treinamento acontece no momento em que o algoritmo analisa a imagem junto com a resposta, ou 
seja, o algoritmo faz a seguinte pergunta: essa figura é a de um cavalo? O algoritmo vai repetir essa 
pergunta para milhões e milhões de imagens diferentes. Até que chega a um ponto em que o 
algoritmo aprende quais são características que uma foto precisa apresentar para ser considerada a 
figura de um cavalo. 
 
 Pergunta 5 
Quais afirmativas podemos fazer na relação de mineraçao de dados com machine learning? 
I. Tanto a mineração de dados quanto o aprendizado de máquinas utilizam-se de muitos métodos da área de estatística. 
II. Quando essas duas áreas juntam-se, conseguimos atingir os objetivos de aprender e gerar hipóteses automaticamente 
a partir de grandes volumes de dados. 
 
Respostas: d. As afirmativas I e II estão corretas. 
Comentário da 
resposta: 
Justificativa (comentário da resposta) 
Dica: É possível retirar fragmentos do material estudado para comentar a resposta. 
Tanto a mineração de dados quanto o aprendizado de máquinas utilizam-se de muitos métodos da 
área de estatística. Então, quando essas duas áreas juntam-se, conseguimos atingir os objetivos de 
aprender e gerar hipóteses automaticamente a partir de grandes volumes de dados. 
 
 
 
 Pergunta 6 
Quanto à definição de aprendizado não supervisionado, podemos afirmar que: 
I. Existem exemplos da saída esperada para determinados casos da base de treinamento, onde a rede, pela 
comparação entre os resultados obtidos e esperados, pode adaptar os pesos das conexões para minimizar o erro, 
obtendo um aprendizado por exemplos. 
II. Esse tipo de aprendizado não possui exemplos para comparar seu erro, sendo baseado na auto-organização. O 
indutor analisa os exemplos fornecidos e tenta determinar se alguns deles podem ser agrupados de alguma 
maneira, formando agrupamentos ou clusters. Após a determinação dos agrupamentos, em geral, é necessário 
uma análise para determinar o que cada agrupamento significa no contexto problema sendo analisado. 
III. Essa abordagem de aprendizagem de máquinas tenta aprender qual é a melhor ação a ser tomada, dependendo 
das circunstâncias na qual essa ação será executada, ou seja, é uma aprendizagem com base na interação com o 
ambiente. 
 
Respostas: b. Somente a alternativa II está correta. 
Comentário 
da resposta: 
Justificativa (comentário da resposta) 
Dica: É possível retirar fragmentos do material estudado para comentar a resposta. 
Ao contrário do supervisionado, esse tipo de aprendizado não possui exemplos para comparar seu 
erro, sendo baseado na auto-organização. O indutor analisa os exemplos fornecidos e tenta 
determinar se alguns deles podem ser agrupados de alguma maneira, formando agrupamentos 
ou clusters. Após a determinação dos agrupamentos, em geral, é necessário uma análise para 
determinar o que cada agrupamento significa no contexto problema sendo analisado. 
A aprendizagem não supervisionada consegue trabalhar com dados não rotulados, ou seja, não 
informamos ao algoritmo o que é aquele dado de entrada. 
 
 
 
 
TESTE 04 
 Pergunta 1 
Qual tipo de análise de dados é considerada o 1º nível das análises de dados? 
 
Respostas: c. Análise Descritiva 
Comentário 
da resposta: 
Justificativa (comentário da resposta) 
Dica: É possível retirar fragmentos do material estudado para comentar a resposta. 
Análise Descritiva É considerada como o primeiro nível de análise, onde é possível entender o que 
está acontecendo no negócio atualmente. 
 
 
 Pergunta 2 
Em analytics, quais são os quatro tipos de análise de dados, que podemos encontrar? 
Respostas: d. Descritiva, Preditiva, Prescritiva e Diagnóstica. 
Comentário 
da resposta: 
Justificativa (comentário da resposta) 
Dica: É possível retirar fragmentos do material estudado para comentar a resposta. 
As análises de dados podem ser classificadas como: descritiva, preditiva, prescritiva e diagnóstica. 
 
 Pergunta 3 
Quanto à junção da análise preditiva e análise prescritiva, podemos afirmar que: 
I. ajuda a criar uma estratégia e tomada de decisão baseada em dados. 
II. ajuda a criar uma estratégia e tomada de decisão baseada em fatos das redes sociais. 
III. ajuda a criar uma estratégia e tomada de decisão baseada em probabilidades estatísticas. 
 
Respostas: b. Somente a alternativa I está correta. 
Comentário 
da resposta: 
Justificativa (comentário da resposta) 
Dica: É possível retirar fragmentos do material estudado para comentar a resposta. A análise prescritiva 
juntamente com a análise preditiva ajuda a criar uma estratégia e tomada de decisão baseada em dados. 
 
 
 Pergunta 4 
Qual o objetivo da Análise Preditiva? 
I. É possível entender o que está acontecendo no negócio atualmente. Tem como principal objetivo resumir, 
sumarizar e explorar o comportamento dos dados. Permite saber o que aconteceu no passado. Ela permite tomar 
decisões com base em estatísticas obtidas a partir de dados históricos. 
II. Esse tipo de análise é o mais indicado para quem precisa prever algum tipo de comportamento ou resultado. 
Essa técnica busca analisar dados relevantes ao longo do tempo, buscando padrões comportamentais e suas 
variações de acordo com cada contexto, a fim de prever como será o comportamento de seu público ou mercado 
no futuro, dadas as condições atuais. 
III. Essa análise busca trazer informações de consequências de um determinado acontecimento, fornece às empresas 
recomendações sobre ações ideais

Crie agora seu perfil grátis para visualizar sem restrições.