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_1