Baixe o app para aproveitar ainda mais
Prévia do material em texto
Exercícios de �xação do capítulo 1 Entrega 10 mar em 19:30 Pontos 4 Perguntas 13 Disponível até 10 mar em 19:30 Limite de tempo Nenhum Tentativas permitidas 2 Histórico de tentativas Tentativa Tempo Pontuação MANTIDO Tentativa 2 15 minutos 3,38 de 4 MAIS RECENTE Tentativa 2 15 minutos 3,38 de 4 Tentativa 1 18 minutos 3,38 de 4 As respostas corretas estarão disponíveis em 10 mar em 19:30. Pontuação desta tentativa: 3,38 de 4 Enviado 10 mar em 8:07 Esta tentativa levou 15 minutos. 0,31 / 0,31 ptsPergunta 1 Existem três tipos de aprendizado em Machine Learning. São eles: Aprendizado supervisionado, aprendizado não supervisionado e aprendizado por processamento. Aprendizado por características, aprendizado intrínseco e aprendizado semi-supervisionado. Aprendizado supervisionado, aprendizado não supervisionado e aprendizado por reforço. https://online.igti.com.br/courses/3239/quizzes/30667/history?version=2 https://online.igti.com.br/courses/3239/quizzes/30667/history?version=2 https://online.igti.com.br/courses/3239/quizzes/30667/history?version=1 Aprendizado intrínseco, aprendizado não supervisionado e aprendizado por reforço. 0,31 / 0,31 ptsPergunta 2 Deep Learning é um dos assuntos mais importantes e poderosos em Machine Learning. Podemos definir Deep Learning como: Uma subcategoria do aprendizado de máquina que se baseia em Redes Neurais Artificiais (RNA) para realizar o treinamento. É uma subcategoria das redes neurais que foi desenvolvida para resolver problemas específicos em que redes neurais não puderam ser aplicadas. Aprendizado profundo na qual o algoritmo procura representar o mundo como ele é, independente do problema apresentado. Aprendizagem profunda de redes neurais em que testes em base de dados nunca vistos são feitos e o resultado gerado é encontrado por meio de probabilidades. 0 / 0,31 ptsPergunta 3IncorretaIncorreta Inicialmente, o termo Big Data foi associado a 3 Vs: Velocidade, Variedade e Volume. O termo Velocidade refere-se, principalmente, à: Importância da facilidade de manipular cubos de visualização de dados rapidamente. Rapidez com que os dados se tornam inválidos com o tempo. Existência de um alto fluxo de dados na entrada. Necessidade das aplicações de gerar respostas rapidamente, a partir de grandes massas de dados. A velocidade retrata a rapidez com que os dados são gerados ou atualizados. 0,31 / 0,31 ptsPergunta 4 Machine Learning é um campo importante da inteligência artificial e é amplamente utilizado em diversas disciplinas. Como podemos definir Machine Learning? Machine Learning é um campo de estudo que dá aos computadores a habilidade de aprender sem terem sido programados para tal. Machine Learning é o campo principal de estudo sobre como os humanos podem aprender com os computadores e serem mais eficientes. Machine Learning é uma ciência cuja subárea principal é a inteligência artificial. Machine Learning é um campo de estudo para o qual os computadores são programados explicitamente para aprenderem tarefas. 0,31 / 0,31 ptsPergunta 5 Um termo essencial ao se analisar modelos de aprendizado de máquina é Underfitting. Como podemos definir Underfitting? Taxa de erro alta no conjunto de treinamento e baixa no conjunto de teste. Taxa de erro baixa no conjunto de treinamento e baixa no conjunto de teste. Taxa de erro baixa no conjunto de treinamento e alta no conjunto de teste. Taxa de erro alta no conjunto de treinamento e alta no conjunto de teste. 0 / 0,31 ptsPergunta 6IncorretaIncorreta Um termo essencial ao se analisar modelos de aprendizado de máquina é Overfitting. Como podemos definir Overfitting? Taxa de erro alta no conjunto de treinamento e alta no conjunto de teste. Taxa de erro alta no conjunto de treinamento e baixa no conjunto de teste. Taxa de erro baixa no conjunto de treinamento e baixa no conjunto de teste. Taxa de erro baixa no conjunto de treinamento e alta no conjunto de teste. Um modelo que sofre de overfitting memoriza os dados de treinamento e não abstrai os dados de teste. Dito isso, o modelo apenas fez um fitting dos dados de treinamento e não aprendeu o problema. 0,31 / 0,31 ptsPergunta 7 Árvores de decisão são amplamente utilizadas em Machine Learning. Dada a sua importância, podemos afirmar que as árvores de decisão: Representam o mapeamento de possíveis resultados de uma série de escolhas relacionadas. São formas de representação dos dados em Machine Learning. Com essa representação em forma de árvore dos dados, podemos realizar regressão, classificação e agrupamento de forma estruturada. São uma estrutura que podemos representar vários modelos de inúmeros algoritmos e escolher o que melhor se adequa. Representam o mapeamento de todos os resultados, possíveis e impossíveis de várias escolhas relacionadas. 0,31 / 0,31 ptsPergunta 8 Inicialmente, o termo Big Data foi associado a 3 Vs e posteriormente a 5. Podemos citar como os três principais Vs: Volume, Variedade e Velocidade. Velocidade, Volubilidade e Valor. Veracidade, Volume e Variedade. Volume, Veracidade e Vigência. 0,31 / 0,31 ptsPergunta 9 Quais são as principais áreas que juntas definem Data Science? Ciência da Computação, Estatística e Machine Learning. Ciência da Computação, Matemática e Estatística e Conhecimento do Domínio. Matemática, Estatística e Mineração de Dados. Big Data, Matemática e Inteligência de Negócio. 0,31 / 0,31 ptsPergunta 10 Em Data Analytics temos os conceitos de dados, informação, conhecimento e sabedoria. Considerando que um gestor de uma área visualizou o consumo de um determinado equipamento com o valor de 35 kWh, qual seria o nível desse valor na escala de conhecimento? Conhecimento. Dado. Sabedoria. Informação. 0,31 / 0,31 ptsPergunta 11 Sobre a aprendizagem supervisionada, é INCORRETO dizer que: O sistema é capaz de avaliar se o resultado encontrado está próximo ao resultado correto. Existe previamente um conjunto de dados. É como um treino para o computador. Existe um ambiente e um agente que interagem entre si. 0,31 / 0,31 ptsPergunta 12 Mineração de dados é uma tarefa essencial em equipes que são orientadas por dados. Uma das técnicas mais conhecidas para o Data Mining é: KDDL – Knowledge Discovery by Deep Learning. DMP – Data Mining Processing. KDD – Knowledge Discovery in Databases. DMF – Data Mining by Fayyad. 0,28 / 0,28 ptsPergunta 13 Quanto ao termo Business Intelligence, é CORRETO afirmar que: É um banco de dados NoSQL. Trata da coleta de dados de diversas fontes, organizando-os, analisando-os e compartilhando-os, a fim de facilitar na tomada de decisão. É uma metodologia de desenvolvimento de software ágil. Sua definição é baseada em 5 Vs. Pontuação do teste: 3,38 de 4
Compartilhar