Logo Passei Direto

A maior rede de estudos do Brasil

Grátis
6 pág.
MODELOS DE APRENDIZADO DE MÁQUINA - ATIVIDADE 2 txt

Pré-visualização | Página 1 de 2

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.
Página12