Vamos analisar as perguntas uma a uma, começando pela primeira. Pergunta 1: Qual é a principal característica do aprendizado não supervisionado? - a. Aprende a partir de dados sem rótulos. (Correta, pois o aprendizado não supervisionado utiliza dados que não têm rótulos.) - b. Utiliza dados rotulados. (Incorreta, pois isso se refere ao aprendizado supervisionado.) - c. É voltado exclusivamente para regressão. (Incorreta, pois o aprendizado não supervisionado não é limitado a regressão.) - d. Exige validação cruzada para funcionar. (Incorreta, a validação cruzada é mais comum em aprendizado supervisionado.) - e. Só pode ser usado em redes neurais profundas. (Incorreta, o aprendizado não supervisionado pode ser aplicado em várias técnicas.) Resposta correta: a. Aprende a partir de dados sem rótulos. Pergunta 2: Qual técnica é comumente utilizada para agrupar dados com características semelhantes no aprendizado não supervisionado? - a. Regressão linear. (Incorreta, é uma técnica de aprendizado supervisionado.) - b. K-means. (Correta, é uma técnica popular para agrupamento.) - c. Regressão logística. (Incorreta, é uma técnica de aprendizado supervisionado.) - d. Naive Bayes. (Incorreta, é uma técnica de classificação supervisionada.) - e. Árvores de decisão. (Incorreta, é uma técnica de aprendizado supervisionado.) Resposta correta: b. K-means. Pergunta 3: Em aprendizado não supervisionado, o termo "cluster" refere-se a: - a. Um erro de predição. (Incorreta.) - b. Um conjunto de dados ruidosos. (Incorreta.) - c. Um grupo de elementos com características semelhantes. (Correta, essa é a definição de cluster.) - d. Um dado rotulado. (Incorreta.) - e. Um conjunto de classes conhecidas. (Incorreta.) Resposta correta: c. Um grupo de elementos com características semelhantes. Pergunta 4: O algoritmo K-means depende diretamente de qual fator para iniciar o processo de agrupamento? - a. Número de classes conhecidas. (Incorreta.) - b. Número de variáveis independentes. (Incorreta.) - c. Função de ativação escolhida. (Incorreta.) - d. Número de clusters predefinido. (Correta, o K-means requer que o número de clusters seja definido antes.) - e. Quantidade de atributos categóricos. (Incorreta.) Resposta correta: d. Número de clusters predefinido. Pergunta 5: Um dos principais desafios do aprendizado não supervisionado é: - a. O ajuste dos pesos do modelo. (Incorreta, mais relacionado ao aprendizado supervisionado.) - b. A validação com dados rotulados. (Correta, a falta de rótulos torna a validação mais difícil.) - c. O uso de GPUs de última geração. (Incorreta.) - d. A necessidade de balanceamento entre classes. (Incorreta, mais relevante em aprendizado supervisionado.) - e. A ausência de uma métrica objetiva para avaliação dos resultados. (Incorreta, embora seja um desafio, a validação com dados rotulados é mais crítica.) Resposta correta: b. A validação com dados rotulados. Pergunta 6: Qual é a finalidade do método de redução de dimensionalidade em aprendizado não supervisionado? - a. Facilitar a visualização e análise dos dados. (Correta, essa é uma das principais finalidades.) - b. Aumentar o número de atributos. (Incorreta.) - c. Substituir o processo de rotulagem. (Incorreta.) - d. Eliminar instâncias duplicadas. (Incorreta.) - e. Aplicar funções de ativação. (Incorreta.) Resposta correta: a. Facilitar a visualização e análise dos dados. Pergunta 7: Qual das técnicas abaixo é comumente usada para reduzir a dimensionalidade em aprendizado não supervisionado? - a. K-means. (Incorreta.) - b. Principal Component Analysis (PCA). (Correta, é uma técnica comum para redução de dimensionalidade.) - c. Regressão logística. (Incorreta.) - d. Árvores de decisão. (Incorreta.) - e. Backpropagation. (Incorreta.) Resposta correta: b. Principal Component Analysis (PCA). Pergunta 8: Em qual situação o uso de aprendizado não supervisionado é mais apropriado? - a. Prever se um cliente pagará um empréstimo. (Incorreta, isso é aprendizado supervisionado.) - b. Identificar a categoria de uma imagem conhecida. (Incorreta, também é aprendizado supervisionado.) - c. Agrupar produtos com base em comportamento de compra. (Correta, é um exemplo típico de aprendizado não supervisionado.) - d. Estimar o preço de uma casa. (Incorreta, aprendizado supervisionado.) - e. Determinar se uma transação é fraudulenta. (Incorreta, aprendizado supervisionado.) Resposta correta: c. Agrupar produtos com base em comportamento de compra. Pergunta 9: O algoritmo DBSCAN é adequado para: - a. Agrupamentos com número fixo de clusters. (Incorreta, DBSCAN não requer um número fixo de clusters.) - b. Dados com distribuições lineares. (Incorreta.) - c. Classificação supervisionada. (Incorreta.) - d. Descobrir clusters de densidade arbitrária e detectar ruídos. (Correta, essa é uma das principais características do DBSCAN.) - e. Seleção de atributos. (Incorreta.) Resposta correta: d. Descobrir clusters de densidade arbitrária e detectar ruídos. Pergunta 10: Qual métrica é frequentemente utilizada para avaliar a qualidade de agrupamentos em aprendizado não supervisionado? - a. Acurácia. (Incorreta, mais comum em aprendizado supervisionado.) - b. Entropia cruzada. (Incorreta, também mais comum em aprendizado supervisionado.) - c. Erro quadrático médio. (Incorreta, mais comum em regressão.) - d. Precisão. (Incorreta, mais comum em classificação supervisionada.) - e. Silhouette Score. (Correta, é uma métrica comum para avaliar a qualidade de agrupamentos.) Resposta correta: e. Silhouette Score. Espero que isso ajude na sua carreira estudantil! Se precisar de mais alguma coisa, é só avisar!