MODELOS DE APRENDIZADO DE MAQUINA GR2186211 - ATIV 2

Prévia do material em texto

15/06/2021 GRA1566 MODELOS DE APRENDIZADO DE MAQUINA GR2186211 - 202110.ead-29778924.06
https://fmu.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_671511_1 1/5
Curso GRA1566 MODELOS DE APRENDIZADO DE MAQUINA GR2186211 -
202110.ead-29778924.06
Teste ATIVIDADE 2 (A2)
Iniciado 21/04/21 09:44
Enviado 15/06/21 18:52
Status Completada
Resultado da
tentativa
10 em 10 pontos 
Tempo decorrido 1329 horas, 8 minutos
Resultados
exibidos
Respostas enviadas, Respostas corretas, Comentários
Pergunta 1
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
O modelo de algoritmo SVM foi proposto para tratar problemas com separações binárias. Suas classes são
divididas pelo hiperplano de separação ótima que tem como estratégia maximizar a margem de separação
entre ela. A equação que define este hiperplano é dada por: 
 
 
 
A partir dessas informações e considerando o conteúdo estudado sobre máquina de vetores de suporte,
analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). 
 
I. ( ) 𝑏 
é a distância entre as linhas dos espaços delimitados. 
II. ( ) 𝑤 representa o vetor de pesos 
III. ( ) 𝑥 
são os pontos sobre o hiperplano. 
IV. ( ) 𝑤. 𝑥 
é a multiplicação do cartesiano de 𝑤 e 𝑥. 
 
Agora, assinale a alternativa que apresenta a sequência:
F, V, V, F.
F, V, V, F.
Parabéns! Sua resposta está correta. A afirmativa II e III estão corretas, pois é um vetor
de pesos que, multiplicado pelo valor amostral de X e somado à constante b, define o
hiperplano em Classificação ou Regressão.
Pergunta 2
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
O Aprendizado Supervisionado é dividido em modelos de classificação e regressão, ambos com
características próprias. O primeiro possui variáveis de saída conhecidas como rótulos ou categorias, sendo
que a função de mapeamento é responsável por prever uma classe ou categoria para cada observação. Já
no segundo modelo, a variável de saída pode representar um valor real de acordo com a definição do
problema, como um número inteiro, ou valor de ponto flutuante, como, por exemplo, quantidade e tamanho. 
 
A partir dessas informações e do conteúdo estudado sobre métodos de classificação e regressão, os
algoritmos que abordam as duas técnicas são:
Redes Neurais Artificiais e Árvore de Decisão.
Redes Neurais Artificiais e Árvore de Decisão.
parabéns sua resposta está correta. pode-se resolver problemas de classificação e
regressão utilizando uma Rede Neural Artificial ou um Árvore de Decisão, lembrando que é
fundamental, independentemente do tipo ou estrutura do conjunto de dados, que eles
venham rotulados.
1 em 1 pontos
1 em 1 pontos
15/06/2021 GRA1566 MODELOS DE APRENDIZADO DE MAQUINA GR2186211 - 202110.ead-29778924.06
https://fmu.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_671511_1 2/5
Pergunta 3
Resposta
Selecionada:
Resposta
Correta:
Comentário
da resposta:
Redes Neurais Artificiais são conjuntos de neurônios artificiais que, por natureza, possuem similaridades de
estrutura e funcionamento dos neurônios de seres humanos, possuindo capacidade de adaptação, aprendizado e
armazenamento. 
 
Considerando essas informações e o conteúdo estudado sobre as características básicas que norteiam um neurônio
artificial simples, analise as afirmativas a seguir a respeito das e assinale V para a(s) verdadeira(s) e F para a(s)
falsa(s). 
 
I. ( ) Um neurônio denominado do tipo Perceptron simples contém em sua estrutura diversas camadas ocultas, que
resultam em mais de uma saída desejada. 
II. ( ) Os pesos das conexões de um neurônio artificial simples correspondem à sinapse de um neurônio humano. 
III. ( ) Sinais de entrada correspondem a variáveis contidas em um conjunto de dados. 
IV. ( ) A saída desejada, isto é, o resultado final, é obtida através da média de todas as variáveis de entrada. 
 
Agora, assinale a alternativa que apresenta a sequência correta:
F, V, V, F. 
 
QUESTÃO 4
Assunto da unidade que será abordado na questão: Algoritmos de Árvore de
Decisão
Tópico do e-book em que se encontra o tema abordado: 2.6 Principais
Algoritmos de Regressão 2.6.1 Árvores de Decisão
Tipo de questão: Interpretação
Nível de dificuldade da questão: Difícil
F, V, V, F.
 
QUESTÃO 4
Assunto da unidade que será abordado na questão: Algoritmos de Árvore de
Decisão
Tópico do e-book em que se encontra o tema abordado: 2.6 Principais
Algoritmos de Regressão 2.6.1 Árvores de Decisão
Tipo de questão: Interpretação
Nível de dificuldade da questão: Difícil
 Resposta certa! A afirmativa II é verdadeira, pois um neurônio artificial simples possui inúmeros
pesos, também chamados de pesos sinápticos, que são responsáveis por armazenar o
conhecimento adquirido. A afirmativa III é verdadeira, pois os sinais de entrada correspondem às
variáveis de entrada que compreendem um conjunto de dados. Essas variáveis podem possuir
diferentes formas e modelos que alimentam o modelo de RNA.
Pergunta 4
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
Classificar dados corresponde a dividir um conjunto de dados já pré-existentes em classes. Os dados serão
classificados de acordo com sua similaridade e, para que essa classificação aconteça, eles deverão passar
por três níveis de processos. 
 
Considerando essas informações e o conteúdo estudado sobre modelos de Classificação, quais são esses
processos? 
 
I. Pré-processamento. 
II. Escolher o modelo de algoritmo. 
III. Extração de características. 
IV. Classificação. 
 
Está correto apenas que se afirma em:
I, III e IV.
I, III e IV.
Resposta certa! O pré-processamento corresponde à primeira fase para a classificação dos
dados, em que é feita toda a parte de análise dos dados e sua estruturação. Após o pré-
processamento, é feita a extração de características, deixando apenas os dados com maior
1 em 1 pontos
1 em 1 pontos
15/06/2021 GRA1566 MODELOS DE APRENDIZADO DE MAQUINA GR2186211 - 202110.ead-29778924.06
https://fmu.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_671511_1 3/5
representatividade. E a classificação é a última etapa, em que o conjunto de dados é
classificado de acordo com que o foi estabelecido pelo profissional ou gestor.
Pergunta 5
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
Uma Rede Neural Artificial pode ser composta por múltiplos neurônios. Esses neurônios são representados
por sinais de entrada e por pesos, dando origem à saída desejada. Para o cálculo da saída desejada, é
necessário multiplicar o valor das variáveis de entrada pelos pesos sinápticos. A figura a seguir representa
um neurônio artificial do tipo Adelaine simples: 
 
 
 
Fonte: Elaborado pela autora, 2020. 
 
Com bases nessas informações e do conteúdo estudado sobre Redes Neurais Artificiais, pode-se afirmar que
o valor da saída desejada é:
5,2.
5,2.
Parabéns! Sua resposta está correta. Para se calcular a saída desejada, basta multiplicar
as variáveis de entrada pelos pesos sinápticos, conforme: 
 
(3 * 0,2) + (2 * 0,4) + (4 * 0,2) + (5 * 0,6) 
 
Logo após, o próprio algoritmo se encarrega de realizar o somatório e demonstrar o valor
de saída.
Pergunta 6
Resposta Selecionada: 
Ao se criar o modelo que se assemelha a uma árvore, o algoritmo possui em sua estrutura um maior nível
hierárquico, localizado no topo da árvore e seguindo por um conjunto de decisões, até que se chegue ao fim,
onde será feita a tomada de decisão, ou seja, escolhida a resposta final.
 
Considerando essas informações e o conteúdo estudado, analise entre as partições a seguir quais são as
que assemelham ao maior nível hierárquico e a decisão final. 
 
I. Ponto de partida. 
II. Ramos. 
III. Nó de decisão. 
IV. Nó folha. 
 
Está correto apenas o que se afirma em:
I e IV.
1 em 1 pontos
1 em 1 pontos
15/06/2021 GRA1566 MODELOS DE APRENDIZADO DE MAQUINA GR2186211 - 202110.ead-29778924.06
https://fmu.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_671511_14/5
Resposta Correta: 
Comentário
da resposta:
I e IV.
Resposta correta. Árvores de Decisão têm no seu nível mais alto de hierarquia apenas um
ponto de partida. É partir dele que outros nós são desenhados como possíveis resultados.
Esse algoritmo só termina quando todas as alternativas são esgotadas.
Pergunta 7
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
Modelos de Aprendizagem de Máquina são amplamente utilizados na indústria para resolução de problemas.
O maior desafio é escolher a técnica correta para ser empregada. Uma técnica muito usual é aquela que
separa os dados de acordo com suas classes similares. 
 
A partir dessas informações e do conteúdo estudado sobre aprendizado supervisionado e suas principais
técnicas, pode-se afirmar que este modelo de algoritmo se refere ao:
Modelo de Classificação.
Modelo de Classificação.
Parabéns! Sua resposta está correta. Modelos de classificação têm como objetivo dividir o
conjunto de dados em classes de acordo com a similaridade dos dados. Uma de suas
principais características é poder receber dados de vários formatos, como números, letras ou
palavras.
Pergunta 8
Resposta Selecionada: 
Resposta Correta:
Comentário
da resposta:
Inúmeras são as técnicas que utilizam o Aprendizado de Máquina para prever um possível resultado, cada
uma com sua particularidade. O KNN, ou Nearest Neighbour Retrieval (Vizinho mais próximo), é considerado
uma das técnicas mais simples deste modelo de aprendizado, que tem como objetivo resolver problemas se
baseando na sua distância com os casos existentes. 
 
Com base nessas informações e o conteúdo estudado sobre o algoritmo KNN, responda: qual é a técnica que
representa este modelo de Aprendizagem?
Aprendizado Supervisionado – técnica de Classificação.
Aprendizado Supervisionado – técnica de Classificação.
Parabéns! Sua resposta está correta. Este modelo utiliza técnicas de aprendizado
supervisionado, em que seus dados já deverão ser pré-estabelecidos. Essas técnicas são
muito utilizadas pra resolver os problemas de classificação em que os dados são
qualificados de acordo com o cálculo da distância de cada amostra já pré-existente com uma
nova amostra. Desse modo, o novo dado pertencerá sempre àquela classe, que conterá um
maior número de dados (vizinhos mais próximos).
Pergunta 9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
O conceito de Árvore de Decisão utilizado nos modelos de Aprendizado Supervisionado, tanto em algoritmos
de Regressão como Classificação, tem como finalidade auxiliar uma organização a tomar decisões e prever
resultados. 
São modelos formados por um conjunto de elementos repletos de informações e particionados em sub-
regiões que percorrem caminhos hierárquicos, visando auxiliar no processo de tomada de decisão. 
 
A estrutura típica, que finaliza e indica que já não é mais possível atribuir nenhuma classe para o nó,
demonstrando que é chegada a hora de tomar a decisão correta, é conhecida como:
Nó folha.
Nó folha.
Parabéns! Sua resposta está correta. O nó folha ou nó resposta representa a tomada de
decisão. Uma Árvore de Decisão se inicia com o nó raiz e termina com o nó folha, onde são
iniciadas as informações advindas do conjunto de dados até a resposta final esperada pelo
usuário.
1 em 1 pontos
1 em 1 pontos
1 em 1 pontos
15/06/2021 GRA1566 MODELOS DE APRENDIZADO DE MAQUINA GR2186211 - 202110.ead-29778924.06
https://fmu.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_671511_1 5/5
Pergunta 10
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
Algoritmo SVR ( Support Vector Regression), ou Regressão de Vetores de Suporte, trata-se de um modelo
adaptado do classificador “Máquinas de Vetores de Suporte” (SVM). A principal diferença destes dois
modelos está nas variáveis que recebem, ou seja, cada um tem o seu tipo de variável particular. 
 
Com bases nessas informações e do conteúdo estudado sobre métodos de classificação e regressão, os
tipos de variáveis que utilizam o modelo SRV são conhecidos como:
Variáveis ordenadas contínuas.
Variáveis ordenadas contínuas.
Parabéns! Sua resposta está correta. O algoritmo SVR é classificado como modelo
Regressor. Neste contexto, ele é capaz de trabalhar com variáveis ordenadas contínuas, ou
seja, podem receber em qualquer intervalo valores inteiros ou fracionários.
1 em 1 pontos