Baixe o app para aproveitar ainda mais
Prévia do material em texto
Curso GRA1566 MODELOS DE APRENDIZADO DE MÁQUINA GR2186211 - 202110.ead-8092.11 Teste ATIVIDADE 2 (A2) Iniciado 13/05/21 20:56 Enviado 20/05/21 23:39 Status Completada Resultado da tentativa 5 em 10 pontos Tempo decorrido 170 horas, 43 minutos Resultados exibidos Respostas enviadas, Respostas corretas, Comentários · Pergunta 1 1 em 1 pontos 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? Resposta Selecionada: Aprendizado Supervisionado – técnica de Classificação. Resposta Correta: Aprendizado Supervisionado – técnica de Classificação. Comentário da resposta: 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 2 0 em 1 pontos O Aprendizado de Máquina é dividido em técnicas que são capazes de utilizar um conjunto de dados a priori, ou seja, dados já rotulados. Um bom exemplo para a criação desses modelos é o conjunto de dados históricos de clientes de uma empresa de crédito, que possuem renda maior de R$ 100.000,00. Esta informação se torna muito valiosa quando, por exemplo, esta mesma empresa deseja estender uma carta de crédito aos clientes que têm potencial para um financiamento mais alto. O Aprendizado de Máquinas tem ainda outros modelos, que podem resolver problemas com outras complexidades. Nesse contexto e considerando o conteúdo estudado sobre Aprendizado Supervisionado e suas funcionalidades, entre esses outros modelos estão: Resposta Selecionada: Classificação e Regras de Associação. Resposta Correta: Classificação e Regressão. Comentário da resposta: Infelizmente, sua resposta está incorreta. Lembre-se que a característica principal deste modelo é trabalhar com dados já existentes. Não existe possibilidade de prever, por exemplo, como será a venda de um novo produto no mercado, pois não existe o conjunto de dados deste novo produto. · Pergunta 3 1 em 1 pontos 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: Resposta Selecionada: I e IV. Resposta Correta: I e IV. Comentário da resposta: 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 4 1 em 1 pontos Diversos são os modelos de algoritmos que podem empregar técnicas de Mineração de Dados e Aprendizado de Máquina. Muitos deles são utilizados para resolver problemas de Classificação quanto de Regressão, o que muda é o tipo de conjunto de dados a ser utilizado. Com bases nessas informações e no conteúdo estudado sobre problemas de classificação e regressão, pode-se afirmar que um algoritmo capaz de utilizar essas duas categorias é conhecido como: Resposta Selecionada: Redes Neurais Artificiais. QUESTÃO 11 Assunto da unidade que será abordado na questão: Técnicas de Classificação Tópico do e-book em que se encontra o tema abordado: 2.3 Aprendizagem Supervisionada - Modelos de Classificação Tipo de questão: Complementação Múltipla Nível de dificuldade da questão: Médio Resposta Correta: Redes Neurais Artificiais. QUESTÃO 11 Assunto da unidade que será abordado na questão: Técnicas de Classificação Tópico do e-book em que se encontra o tema abordado: 2.3 Aprendizagem Supervisionada - Modelos de Classificação Tipo de questão: Complementação Múltipla Nível de dificuldade da questão: Médio Comentário da resposta: Parabéns! Sua resposta está correta. Uma rede neural artificial pode ser utilizada pra resolver ambos os problemas, basta o profissional escolher o modelo de conjunto de dados e aplicar a técnica correta. · Pergunta 5 1 em 1 pontos Os algoritmos de regressão fazem parte do contexto de Aprendizado Supervisionado. Tratam-se de técnicas que não têm a capacidade de sintetizar informações textuais, isto é, só conseguem predizer valores numéricos. A partir dessas informações e do conteúdo estudado sobre modelos de Regressão, pode-se afirmar que estas variáveis são representadas por: Resposta Selecionada: Valores contínuos. Resposta Correta: Valores contínuos. Comentário da resposta: Resposta correta. Para predizer dados, este modelo utiliza valores de entrada e saída contínuos, como prever as vendas de um determinado produto e calcular a expectativa de vida de um país. · Pergunta 6 0 em 1 pontos 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: Resposta Selecionada: Variáveis desordenadas contínuas. Resposta Correta: Variáveis ordenadas contínuas. Comentário da resposta: Infelizmente, sua resposta está incorreta. Lembre-se que, este algoritmo é capaz de utilizar um conjunto de dados formado por números reais. · Pergunta 7 0 em 1 pontos 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: Resposta Selecionada: Redes Neurais Artificiais e Algoritmos de Clusterização. Resposta Correta: Redes Neurais Artificiais e Árvore de Decisão. Comentário da resposta: Infelizmente, sua resposta está incorreta. Lembre-se de que estes modelos utilizam base de dados já rotuladas, ou seja, é preciso ter um conhecimento prévio daquilo que se deseja prever. Procure lembrar, também, do que foi estudado sobre problemas de regressão e classificação. · Pergunta 8 1 em 1 pontos 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: Resposta Selecionada: Modelo de Classificação. Resposta Correta: Modelo de Classificação. Comentário da resposta: 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 9 0 em 1 pontos 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: Resposta Selecionada: V, V, F, V. Resposta 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 Comentário da resposta: Infelizmente, sua resposta está incorreta. Existem vários modelos de RNA, mas todos são compostos por inúmeros processos que se assemelham a neurônios dos seres humanos, como por exemplo: o método de aprendizado e conhecimento. Procure lembrar do que foi estudado sobre um modelo simples de neurônio artificial. · Pergunta 10 0 em 1 pontos 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: Resposta Selecionada: V, V, F, F. Resposta Correta: F, V, V, F. Comentário da resposta: Infelizmente sua resposta está incorreta. Observe a equação e veja qual modelo matemático emprega o conjunto de dados a ser utilizado em um hiperplano. Domingo, 20 de Junho de 2021 23h27min35s BRT
Compartilhar