Grátis: O aprendizado de máquina comporta vários métodos de aprendizagem de acordo com o sinal. Identifique a opção que exemplifica esses métodos: Método d... – Questões Respondidas

Inteligência Artificial

Outros

O aprendizado de máquina comporta vários métodos de aprendizagem de acordo com o sinal.
Identifique a opção que exemplifica esses métodos:
Método de aprendizado por classificação e regressão
Método de aprendizado estruturado e não estruturado
Método de aprendizado por associação e memorização
Método de aprendizado supervisionado e não supervisionado
Método de aprendizado inteligente e não inteligente

Aprendendo Através de Exercícios

ano passado

Aprendendo Através de Exercícios

ano passado

PROVA AV MACHINE LEARNING ESTACIO

PROVA AV MACHINE LEARNING ESTACIO

ESTÁCIO

Respostas

Ed

ano passado

A opção que exemplifica os métodos de aprendizagem de acordo com o sinal no aprendizado de máquina é: Método de aprendizado supervisionado e não supervisionado. Esses métodos se referem à forma como os dados são utilizados para treinar os modelos, onde no aprendizado supervisionado há rótulos disponíveis e no não supervisionado não há.

Essa resposta te ajudou?

0

0

Libere essa resposta sem enrolação!

Craque Neto

Craque Neto

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

PROVA AV MACHINE LEARNING ESTACIO

PROVA AV MACHINE LEARNING ESTACIO

ESTÁCIO

Mais perguntas desse material

Considere que a Sanasa busca realizar a gestão de recursos hídricos subterrâneos com base em parâmetros conhecidos que determinam a poluição das águas subterrâneas. Um desses parâmetros, para exemplificar, seria o nitrato, um indicador de poluição difusa de água subterrânea.
Criando-se regras para realizar o aprendizado supervisionado do sistema de Data Mining utilizando-se uma certa técnica, chegar-se-á a um resultado que considera os diversos parâmetros para se descobrir se um certo aquífero tem água potável ou não, comparando-se com uma definição conhecida. Assinale a opção que identifica essa técnica:
Prediction
Classificação
Associação
Clustering
Regressão

No âmbito da descoberta do conhecimento (KDD), a visão geral das etapas que constituem o processo KDD (Fayyad) e que são executadas de forma interativa e iterativa apresenta a seguinte sequência de etapas:
Assinale a alternativa que apresenta somente duas das formas para descobrir conhecimento em mineração de dados.
Data warehousing, star modeling, ETL, OLAP e data mining.
Seleção, transformação, pré-processamento, interpretação/avaliação e data mining.
Seleção, pré-processamento, transformação, data mining e interpretação/avaliação.
OLAP, ETL, star modeling, data mining e interpretação/avaliação.
ETL, data warehousing, pré-processamento, transformação e star modeling.

Dado um conjunto de dados cujas características são: Peso, Idade, Altura, e Densidade Óssea. Além do agrupamento da idade em grupos ou estratos, bem como sua codificação, que outra tarefa de pré-processamento deve ser feita a fim de otimizar o uso do PCA para redução da dimensionalidade?
Multiplicar a matriz por uma constante k.
Rotacionar o conjunto de dados.
Binarização do conjunto por completo.
Rescaling dos dados.
Remover os dados faltantes.

Qual o hiperparâmetro que podemos regularizar a fim de não deixar que a árvore de decisão aprenda padrões viciados e não tão relevantes?
Peso dos nós da árvore.
Métrica de Avaliação do Modelo.
Profundidade Máxima.
Número de Raízes.
Função de decisão.

Uma interessante aplicação dos modelos de aprendizado profundo é para o processamento de linguagem natural. Em relação às aplicações dos modelos de aprendizado profundo para o processamento de linguagem natural, selecione a opção correta.
Sistemas de perguntas e respostas: têm como objetivo detectar fraudes em concursos a partir da análise do padrão de respostas dos usuários.
Reconhecimento de entidades nomeadas: tem como objetivo realizar buscas mais eficientes em sites de pesquisas.
Classificação automática de textos: procura por categorias preestabelecidas para determinado texto.
Tradução automática: usa técnicas para traduzir automaticamente o texto de um idioma para outro, com a supervisão de um especialista.
Análise de sentimentos: faz a análise de comentários em fóruns e redes sociais para identificar a presença de robôs.

A API tf.keras do TensorFlow é utilizada para criar e treinar modelos de aprendizado profundo. Em relação a API tf.keras do TensorFlow, selecione a opção correta.
Essa API só pode ser aplicada para redes neurais recorrentes.
Sem essa API, não é possível desenvolver aplicações de aprendizado profundo com o TensorFlow.
Essa API só pode ser aplicada para redes neurais de convolução.
Para que sejam usadas corretamente é necessário importar suas bibliotecas, criar um modelo e, em seguida, adicionar as camadas nele.
Como fazem parte da biblioteca padrão do TensorFlow, seus métodos podem ser chamados diretamente de uma instância do TensorFlow sem a necessidade de criar modelos.

Para que serve o conjunto de validação no treinamento de modelos de aprendizado de máquina?
Validar a eficácia do modelo para casos já vistos.
Validar a capacidade de generalização.
Analisar a Medida F.
Testar o progresso do modelo antes de implantar.
Avaliar a variância.

Qual experimento empírico é utilizado para configurar os modelos de aprendizagem de máquina?
Configuração de dependência.
Configuração de ajuste.
Configuração de biblioteca.
Configuração de hiperparâmetros.
Configuração de métrica.