n2 - aprendizado de maquina supervisionado laurearte

Prévia do material em texto

Tempo decorrido
	42 minutos
	Resultados exibidos
	Respostas enviadas, Respostas corretas, Comentários
· Pergunta 1
1 em 1 pontos
	
	
	
	Um dos desafios do aprendizado de máquina supervisionado consiste em compreender, justamente, o melhor ajuste dos parâmetros de um algoritmo, de modo que o resultado da análise seja confiável e acurado o suficiente para não incorrer em dados decorados a partir da base ( overfitting) ou num aprendizado demasiadamente fraco ( underfitting). A partir do exposto, associe tais gráficos às suas ocorrências:
 
(1)  
(2)  
(3)  
 
Fonte: Adaptado de BHANDE, Anup. What is underfitting and overfitting in machine learning and how to deal with it. Medium, Greyatom. Disponível em: < https://medium.com/greyatom/what-is-underfitting-and-overfitting-in-machine-learning-and-how-to-deal-with-it-6803a989c76>. Acesso em: 20 mar. 2020.
 
( ) Ocorreu overfitting.
( ) Ocorreu underfitting.
( ) Resultado esperado.
 
A partir das relações feitas anteriormente, assinale a alternativa que apresenta a sequência correta:
	
	
	
	
		Resposta Selecionada:
	 
3, 1, 2.
	Resposta Correta:
	 
3, 1, 2.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois overfitting
e underfitting são dois problemas bastante comuns em modelos de aprendizado de máquina supervisionado, e vão ocorrer quando o sistema decorou a base ao invés de aprender as relações existentes (como o overfitting apresentado no gráfico (3), ou quando não conseguiu aprender o suficiente (como o underfitting
representado pelo gráfico (1). O resultado esperado, assim, é demonstrado no gráfico (2), central, em que a linha de regressão acompanha o movimento dos dados sem, contudo, sobrescrevê-los.
	
	
	
· Pergunta 2
0 em 1 pontos
	
	
	
	Um sistema de aprendizado de máquina pode ser classificado conforme o tipo de supervisão, a forma como a base será alimentada e também a função que será executada pelo algoritmo, o que resulta em, basicamente, quatro modelos: aprendizado supervisionado, não-supervisionado, semi-supervisionado e por reforço. Sabendo disso, assinale a alternativa que contém a afirmação correta sobre aprendizado de máquina supervisionado e/ou não supervisionado:
	
	
	
	
		Resposta Selecionada:
	 
O uso de rótulos ocorre nesses dois tipos de aprendizado de máquina.
	Resposta Correta:
	 
Aprendizado supervisionado inclui base de teste e base de treino.
	Comentário da resposta:
	Sua resposta está incorreta. A alternativa está incorreta, pois o aprendizado de máquina do tipo supervisionado envolve treinamento humano e um conjunto de dados completos (já rotulado), por isso seu dataset é dividido em uma base para teste e outra para treino. Esse sistema utiliza-se de regressão logística e permite realizar classificação (clusterização), assim como o sistema não-supervisionado, e filtrar spams pode ser algo realizado tanto por um quanto pelo outro método. Ademais, o aprendizado não-supervisionado serve para análises sem rotulagem.
	
	
	
· Pergunta 3
0 em 1 pontos
	
	
	
	Leia o excerto a seguir:
 
"(Uma) análise de regressão permite estimar as relações entre variáveis e é um dos modos de formulação do modelo estatístico. Portanto, é uma forma de modelagem preditiva que analisa a relação entre variáveis dependentes (Y) e variáveis independentes (X) com o intuito de encontrar vínculos entre estas, através de parâmetros".
Fonte: SCHNEIDER, Danielle Santos. Aprendizado de máquina: estatística Bayesiana em método de regressão linear simples com aplicação em magnitudes de quasares. Monografia de Bacharel em Física do grupo de Pesquisa Básica da Universidade Federal do Rio Grande do Sul (UFRGS). Porto Alegre: Lume, 2018, pág. 14.
 
Em aprendizado de máquina supervisionado, existem diferentes tipos de algoritmo relacionados a regressão, como regressão linear simples (de abordagem frequentista ou pela análise bayesiana) e regressão logística. Contudo, cada um desses algoritmos têm aplicações diferenciadas.
 
Com base nisso, assinale a alternativa que representa, respectivamente, um sistema que requer a abordagem da regressão logística:
	
	
	
	
		Resposta Selecionada:
	 
Variáveis dependentes.
	Resposta Correta:
	 
Sistemas dicotômicos.
	Comentário da resposta:
	Sua resposta está incorreta. A alternativa está incorreta, pois variáveis dependentes são usadas por algoritmos de regressão linear, quando pretende-se comparar uma variável numérica principal a outras features (variáveis); já quando a base apresenta valores categóricos que demandem abordagem de classificação binária (sistemas dicotômicos), o algoritmo utilizado é a regressão logística.
	
	
	
· Pergunta 4
1 em 1 pontos
	
	
	
	Considerando as categorias de sistemas de aprendizado de máquina supervisionado, eles podem variar conforme a necessidade e/ou o objetivo da análise. Para tanto, os algoritmos de aprendizado irão precisar optar, basicamente, entre dois tipos de tarefa para performar a análise dos dados: tarefas de classificação ou tarefas de regressão. A partir do exposto, associe tais tarefas a um dos seguintes algoritmos: 
 
(1)  Classificação
(2)  Regressão
 
( ) Um laboratório farmacêutico deseja desenvolver um sistema que seja capaz de separar, a partir das fichas cadastrais, o perfil dos pacientes de acordo com seu tipo sanguíneo;
( ) Um clube esportivo quer implementar um sistema que consiga associar as variáveis de cada partida, como tempo de duração e número de gols, de modo a melhorar a estratégia do time; e
( ) Uma clínica estética gostaria de incluir, em seu sistema, a possibilidade de classificar manchas de pele a partir de fotos tiradas de pacientes, retornando a gravidade da lesão.
 
A partir das relações feitas anteriormente, assinale a alternativa que apresenta a sequência correta:
	
	
	
	
		Resposta Selecionada:
	 
1, 2, 1.
	Resposta Correta:
	 
1, 2, 1.
	Comentário da resposta:
	Resposta correta. Em aprendizado de máquina supervisionado, quando temos variáveis contínuas (numéricas), usamos as tarefas de regressão, que são capazes de prever valores, enquanto que, ao trabalhar com variáveis discretas (categóricas), o algoritmo irá trabalhar com tarefa de classificação. Assim sendo, a ordem correta é classificação (1), regressão (2) e classificação (1).
	
	
	
· Pergunta 5
0 em 1 pontos
	
	
	
	Um sistema de machine learning (aprendizado de máquina) pode ser classificado conforme o tipo de supervisão, a forma como a base será alimentada e também a função que será executada pelo algoritmo, o que resulta em, basicamente, quatro modelos de aprendizado de máquina. A partir do exposto, associe tais aprendizados de máquina à sua descrição:
 
(1)  Aprendizado supervisionado;
(2)  Aprendizado não-supervisionado;
(3)  Aprendizado semi-supervisionado;
(4)  Aprendizado por reforço.
 
( ) Junção de dois formatos de aprendizado.
( ) A máquina define a escolha a ser tomada.
( ) Não utiliza rótulos em seu conjunto de dados.
( ) Utiliza duas bases para realizar o treinamento.
 
A partir das relações feitas anteriormente, assinale a alternativa que apresenta a sequência correta:
	
	
	
	
		Resposta Selecionada:
	 
1, 2, 4, 3.
	Resposta Correta:
	 
3, 4, 2, 1.
	Comentário da resposta:
	Sua resposta está incorreta. A alternativa está incorreta, pois os sistemas de aprendizado de máquina não-supervisionado existem justamente porque nem sempre será possível utilizar uma base de dados em que todas as variáveis já estão lá, classificadas e rotuladas (2) - já o aprendizado de máquina supervisionado conta com essa facilidade, uma vez que já existe uma base pronta à sua disposição, de modo que é possível dividir esse dataset em duas bases - uma para teste e outra para treino (1). Daí temos que, unindo esses dois formatos, temos o aprendizado semi-supervisionado (3) e, quando deixamos que a máquina decida qual a melhor decisão a ser tomada, temos o aprendizado por reforço (4).
	
	
	
· Pergunta 6
1 em 1 pontos
	
	
	
	O aprendizado de máquina é um sistema computacional que pode ser subdividido para melhor categorizaçãodos métodos utilizados, que variam conforme o objetivo, o tipo de treinamento do algoritmo e a forma como os dados serão alimentados. Há diversos modelos de algoritmo usados pelo aprendizado de máquina supervisionado. A respeito dos algoritmos usados pelo sistema de aprendizado supervisionado, analise as afirmativas a seguir:
 
I. Árvores de decisão
II. K-Means
III. Clusterização
IV. Redes neurais
V. Regressão logística
 
Está correto o que se afirma em:
	
	
	
	
		Resposta Selecionada:
	 
I, IV e V, apenas.
	Resposta Correta:
	 
I, IV e V, apenas.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois K-means e Clusterização são algoritmos adotados para bases de treinamento que não possuem rótulos, ou seja, para sistemas de aprendizado de máquina não-supervisionado; assim sendo, os algoritmos usados por sistemas de aprendizado supervisionado são as árvores de decisão, redes neurais e regressão logística (I, IV e V, apenas).
	
	
	
· Pergunta 7
0 em 1 pontos
	
	
	
	O aprendizado de máquina é um sistema computacional que pode ser enquadrado em, basicamente, quatro categorias distintas. Essa categorização varia conforme o tipo de problema e algoritmo que será usado na análise. A partir do exposto, associe tais aprendizados de máquina aos seus possíveis  objetivos de uso:
 
1. Aprendizado por reforço
2. Aprendizado supervisionado
3. Aprendizado não-supervisionado
4. Aprendizado semi-supervisionado
 
( ) Visa a classificação da base de dados.
( ) Conjunto de treinamento inexistente.
( ) Busca uma função a partir dos dados.
( ) Usa dados parcialmente rotulados.
 
A partir das relações feitas anteriormente, assinale a alternativa que apresenta a sequência correta:
	
	
	
	
		Resposta Selecionada:
	 
2, 1, 3, 4.
	Resposta Correta:
	 
3, 1, 2, 4.
	Comentário da resposta:
	Sua resposta está incorreta. O algoritmo supervisionado precisa relacionar variáveis que já estão rotuladas para chegar a uma função (3), sendo que, quando essas variáveis estiverem parcialmente rotuladas, é possível usar o aprendizado semi-supervisionado (4), e a ausência de rótulos conduz à análise de classificação - que é campo do aprendizado não-supervisionado (1). O aprendizado por reforço se diferencia por ser o único que trabalha sem um conjunto de treinamento (2).
	
	
	
· Pergunta 8
1 em 1 pontos
	
	
	
	As aplicações de machine learning (aprendizado de máquina) variam grandemente, tendo, como atribuição geral, a possibilidade de ajudar a encontrar padrões e tendências em um conjunto específico de dados. O uso dessa e de outras técnicas, em conjunto, pode ser aglomerado sob a denominação "mineração de dados".
 
A respeito das utilidades do aprendizado de máquina, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s).
 
I. ( ) O aprendizado de máquina consegue solucionar problemas complexos a partir de um algoritmo simplificado.
II. ( ) Para ser aplicado, o machine learning depende de que a abordagem tradicional também esteja funcionando.
III. ( ) Ambientes dinâmicos são ideais, pois lidam constantemente com a coleta e análise de novos dados.
IV. ( ) O aprendizado de máquina supervisionado funciona melhor em bases com menores quantidades de dados.
 
Assinale a alternativa que apresenta a sequência correta:
	
	
	
	
		Resposta Selecionada:
	 
V, F, V, F.
	Resposta Correta:
	 
V, F, V, F.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois o aprendizado de máquina não só é capaz de trabalhar com problemas complexos, como também funciona melhor em ambientes dinâmicos e com grandes quantidades de dados, permitindo desenvolver algoritmos que irão simplificar o entendimento e a correção do sistema.
	
	
	
· Pergunta 9
1 em 1 pontos
	
	
	
	A Ciência de Dados é um campo de pesquisa, estudo e atuação que envolve, basicamente, a integração de três áreas: negócios, matemática e programação. Sabemos, também, que uma análise de dados pode ser realizada por muitas metodologias diferentes, podendo incluir (ou não) o uso de artifícios da inteligência artificial - IA. Sabendo que o aprendizado de máquina supervisionado é um dos recursos da IA, assinale a alternativa que indique qual é a disciplina que esse método adota como base:
	
	
	
	
		Resposta Selecionada:
	 
Estatística.
	Resposta Correta:
	 
Estatística.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois ainda que o aprendizado de máquina e o campo estatístico sejam usados para realizar suposições diferentes - ou seja, ainda que tenham funções e aplicações distintas -, a estatística funciona como base do aprendizado de máquina, seja ele supervisionado ou não-supervisionado.
	
	
	
· Pergunta 10
1 em 1 pontos
	
	
	
	Uma das possíveis confusões relacionadas ao conceito de machine learning vem do imaginário e das associações criadas a partir de filmes e histórias de ficção científica, que representam a inteligência artificial - IA, por vezes, como uma imitação da mente humana ou uma perigosa invenção que poderá se voltar contra nós. Um dos primeiros estudos sobre IA, de Alan Turing, versa sobre uma estratégia para conferir se a inteligência de uma máquina evoluiu a ponto de ser confundida com a mente humana. Nesse sentido, assinale a alternativa que apresenta a que esse estudo se refere:
	
	
	
	
		Resposta Selecionada:
	 
Jogo da imitação.
	Resposta Correta:
	 
Jogo da imitação.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois o "jogo da imitação", também conhecido como Teste de Turing, foi um esquema incluído por Alan Turing em seu estudo " Computing Machinery and Intelligence", de 1950, no qual o pesquisador tentava compreender como as máquinas poderiam ser consideradas inteligentes.
	
	
	
Segunda-feira, 19 de Abril de 2021 13h31min24s BRT