Testes por

Temas
 avalie sua aprendizagem

Lupa  
MACHINE LEARNING  
DGT1399_202110164351_TEMAS

Aluno: LEANDRO FRATEL Matr.: 202110164351

Disc.: MACHINE LEARNING  2023.2 EAD (GT) / EX

Prezado (a) Aluno(a),

Você fará agora seu EXERCÍCIO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O
mesmo será composto de questões de múltipla escolha.

Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se
familiarizar com este modelo de questões que será usado na sua AV e AVS.

EM2120031 - SISTEMAS DE APRENDIZADO DE MÁQUINA

 
1. Com o objetivo de obter informações por meio do aprendizado de máquina, verificou-se que o processo que estava
sendo realizado consistia em examinar as características de determinado objeto e atribuir-lhe uma ou mais classes;
verificou-se também o uso de algoritmos de aprendizado supervisionados. Identifique que ação está sendo
realizada:

Redução dimensional
Estimativa de densidade
Regressão
Classificação
Clustering
Data Resp.: 04/09/2023 18:02:25

Explicação:

Resposta correta: Classificação

 
2. A mineração de dados é a tarefa de encontrar estruturas interessantes em uma estrutura de dados, por exemplo,
padrões estatísticos, modelos preditivos, relacionamentos escondidos etc. Considerando a figura a seguir, que
mostra as áreas relacionadas à mineração de dados, assinale a opção correta:
 A classificação encontra agrupamentos naturais de instâncias dado um grupo de dados não etiquetado.
As estatísticas têm como foco a teoria e a avaliação de hipóteses, irrelevante no processo de aprendizado de
máquina.
O machine learning tem uma índole heurística, que foca na melhoria de desempenho de um agente de
aprendizagem.
A regressão é uma tarefa de prever um rótulo de classe discreto. E a classificação é a tarefa de prever um
valor contínuo.
A visualização é usada apenas de uma forma ilustrativa, sem facilitar a descoberta humana, e o banco de
dados contém os dados a serem pesquisados.
Data Resp.: 04/09/2023 18:04:18

Explicação:

Resposta correta: O machine learning tem uma índole heurística, que foca na melhoria de desempenho de um
agente de aprendizagem.

 
3. Comparando inteligência humana com inteligência artificial, os sistemas que pensam e agem como humanos, e os
sistemas que pensam e agem racionalmente são, respectivamente:

Ciência Cognitiva, Teste de Turing, Lógica e Agentes racionais.

Ciência Cognitiva, Lógica, Teste de Turing e Agentes racionais.
Ciência Cognitiva, Teste de Turing, Agentes racionais e Lógica.
Lógica, Teste de Turing, Ciência Cognitiva e Agentes racionais.
Lógica, Teste de Turing, Agentes racionais e Ciência Cognitiva.
Data Resp.: 04/09/2023 18:05:04

Explicação:

Resposta correta: Ciência Cognitiva, Teste de Turing, Lógica e Agentes racionais.

 
4. Correlacione os itens a seguir:

(S) Treinamento supervisionado

(N) Treinamento não supervisionado

com

I - A rede neural artificial aprende a partir de padrões conhecidos.

II - O treinamento é direcionado para diminuir o erro na saída.

III - Os padrões de treinamento possuem apenas entradas.

Assinale a alternativa correta:

 I(N), II (N) e III (N)
I(N), II (S) e III (S)
I(S), II (S) e III (S)
I(N), II(N) e III (S)
I(S), II (S) e III (N)
Data Resp.: 04/09/2023 18:05:41

Explicação:

Resposta correta: I(S), II (S) e III (N)

 
5. Com o objetivo de obter informações por meio do aprendizado de máquina, verificou-se que o processo que estava
sendo realizado consistia em usar o valor de densidade para agrupar os objetos e identificar vizinhanças densas nas
quais a maioria dos objetos está contida; verificou-se também o uso de algoritmos de aprendizado não
supervisionados. Identifique que ação está sendo realizada:

Clustering
Classificação
Estimativa de densidade
Regressão
Redução dimensional
Data Resp.: 04/09/2023 18:12:23

Explicação:

Resposta correta: Estimativa de densidade

 
6. Acerca da utilização do aprendizado de máquina, complete o texto:

Na busca de padrões, é comum a utilização do aprendizado ______________, em que um agente externo apresenta ao
algoritmo alguns conjuntos de padrões de entrada e seus correspondentes padrões de saída, comparando-se a
resposta fornecida pelo algoritmo com a resposta esperada.

Por reforço
Supervisionado
Inteligente
Tradicional
Não supervisionado
Data Resp.: 04/09/2023 18:13:07

Explicação:

Resposta correta: Não supervisionado

 
7. Considere que um sistema de aprendizado de máquina percebe que todas as pessoas com índice de massa corporal
regular tomam café com açúcar, enquanto todas as pessoas com índice elevado tomam a bebida com adoçante.
Sendo assim, a inteligência artificial poderá inferir que:

O café não deve ser tomado nem com açúcar nem com adoçante - a inteligência artificial é binária, 0 e 1, ou
Sim e Não.
O adoçante é o responsável pela obesidade dos usuários - e nós sabemos, pela nossa inteligência humana, que
não é bem assim.
 O café deve ser tomado sem adoçante e sem açúcar - a inteligência artificial tem padrões rígidos ao tomar
uma decisão.
O adoçante não é responsável pela obesidade dos usuários - afinal, a inteligência artificial tem bom senso,
assim como a inteligência humana.
O café é uma bebida prejudicial e não deve ser tomado.
Data Resp.: 04/09/2023 18:13:33

Explicação:

Resposta correta: O adoçante é o responsável pela obesidade dos usuários - e nós sabemos, pela nossa
inteligência humana, que não é bem assim.

 
8. (Correio Braziliense, 01/10/2018) Acerca dos conceitos de aprendizado de máquina, julgue os itens seguintes:

I - O aprendizado de máquina para a detecção de fraude é baseado em equações matemáticas e algoritmos, e
funciona em duas etapas. Na primeira, o sistema recebe exemplificações de compras legítimas e ilegítimas. Em
seguida, a máquina avalia compras reais, levando em consideração os padrões observados.

II - A partir de números e fórmulas, o aprendizado de máquina une ponto a ponto informações sobre características
de transações já feitas pelo usuário - como valores médios gastos, horários de compra, uso de celular, pontos
usados, principais estabelecimentos -, até chegar a uma probabilidade de fraude final.

III - O modo como a máquina aprende os padrões antes de começar a analisar compras não interfere diretamente
no registro de falsos positivos e fraudes reais.

Assinale a alternativa correta:

Apenas II está correta.

Apenas I e II estão corretas.
Apenas I está correta.
Apenas I e III estão corretas.
Apenas III está correta.
Data Resp.: 04/09/2023 18:13:36

Explicação:

Resposta correta: Apenas I e II estão corretas.

 
9. Considerando os conceitos de aprendizado de máquina, julgue as afirmações a seguir:

I - Na ação de obtenção de informações por meio do aprendizado de máquina, verificou-se que o processo que
estava sendo realizado consistia em examinar as características de determinado objeto e atribuir-lhe uma ou mais
classes; verificou-se também que os algoritmos utilizados eram embasados em algoritmos de aprendizagem
supervisionados. Nessa situação, a ação em realização está relacionada ao processo de classificação.

II - O aprendizado de máquina, para detecção de fraude, baseia-se em equações matemáticas e algoritmos, e
funciona em duas etapas: na primeira, o sistema recebe exemplificações de compras legítimas e ilegítimas; na
segunda, a máquina avalia compras reais, considerando os padrões observados.

III - No aprendizado supervisionado os padrões apresentados não possuem classificação conhecida.

IV - No aprendizado semi-supervisionado os padrões de treinamento possuem entradas e saídas desejadas. E o

treinamento é direcionado para auto-organizar os padrões de entrada semelhantes em grupos (clusters).

Após a análise das sentenças, podemos afirmar que:

Apenas III é errada.

Apenas I, II e III são erradas.
Apenas I e IV são corretas.
 Apenas I e II são corretas.
Apenas II e III são corretas.
Data Resp.: 04/09/2023 18:13:38

Explicação:

Resposta correta: Apenas III é errada.

 
10. A respeito dos modelos de aprendizado de máquina, assinale a opção correta:

A classificação realiza o aprendizado de uma função que pode ser usada para mapear os valores associados
aos dados em um ou mais valores reais.
A regressão ou predição promove o aprendizado de uma função que pode ser usada para mapear dados em
uma de várias classes discretas definidas previamente, bem como encontrar tendências que possam ser
usadas para entender e explorar padrões de comportamento dos dados.
As regras de associação identificam grupos de dados, em que estes têm características semelhantes aos do
mesmo grupo, e os grupos têm características diferentes entre si.
Os métodos de classificação supervisionada podem ser embasados em separabilidade (entropia), utilizando
árvores de decisão e variantes, e em particionamento, utilizando SVM (support vector machines).
O agrupamento (ou clustering) realiza identificação de grupos de dados que apresentam co-ocorrência.
Data Resp.: 04/09/2023 18:13:41

Explicação:

Resposta correta: Os métodos de classificação supervisionada podem ser embasados em separabilidade

(entropia), utilizando árvores de decisão e variantes, e em particionamento, utilizando SVM (support vector
machines).

    Não Respondida      Não Gravada     Gravada

Testes por Temas inciado em 04/09/2023 17:56:22.

 Testes por
Temas
 avalie sua aprendizagem

Lupa  
MACHINE LEARNING  
DGT1399_202110164351_TEMAS

Aluno: LEANDRO FRATEL Matr.: 202110164351

Disc.: MACHINE LEARNING  2023.2 EAD (GT) / EX

Prezado (a) Aluno(a),

Você fará agora seu EXERCÍCIO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O
mesmo será composto de questões de múltipla escolha.

Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se
familiarizar com este modelo de questões que será usado na sua AV e AVS.

EM2120177 - NOÇÕES GERAIS DE MINERAÇÃO DE DADOS

 
1. Qual é o tipo de descoberta de conhecimento por meio de mineração de dados (Data Mining) em que se relaciona a
presença de conjuntos de itens diversos, como por exemplo: "Quando uma mulher compra uma bolsa em uma loja,
ela está propensa a comprar sapatos"?

Séries temporais.
Regras de associação.
Padrões sequenciais.
Agrupamentos por similaridade.
A Hierarquias de classificação.
Data Resp.: 04/09/2023 18:14:28

Explicação:

Resposta correta: Regras de associação.

 
2. Uma das técnicas bastante utilizadas em sistemas de apoio à decisão é o Data Mining, que se constitui em uma
técnica:

De compactação de dados, normalmente bastante eficiente, permitindo grande desempenho no

armazenamento de dados.
De transmissão e recepção de dados que permite a comunicação entre servidores, em tempo real.
Que visa sua distribuição e replicação em um cluster de servidores, visando aprimorar a disponibilidade de
dados.
 Para a exploração e análise de dados, visando descobrir padrões e regras, a princípio ocultos, importantes à
aplicação.
Para realizar a criptografia inteligente de dados, objetivando a proteção da informação.
Data Resp.: 04/09/2023 18:14:31

Explicação:

Resposta correta: Para a exploração e análise de dados, visando descobrir padrões e regras, a princípio ocultos,
importantes à aplicação.

 
3. A pirâmide de Conhecimento e Hierarquia DIKW é construída por Dados, Informação, Conhecimento e Sabedoria.
Sobre o tema, considere:

I. A informação é coletada nos ambientes interno e externo e representa, por exemplo, fatos, textos, gráficos.

II. A sabedoria é realizada por meio de síntese, baseada em experiência e intuição, sendo uma habilidade humana.

III. O conhecimento demanda análise e avaliação sobre a confiabilidade, relevância e importância de dados e
informações para a construção de um quadro de situação.

Está correto o que consta APENAS em:

I.
II.
I e III.
II e III.
III.
Data Resp.: 04/09/2023 18:14:33

Explicação:

Resposta correta: II e III.

 
4. A etapa de Mineração de Dados (DM ¿ Data Mining) tem como objetivo buscar, efetivamente, o conhecimento no
contexto da aplicação de KDD (Knowledge Discovery in Databases - Descoberta de Conhecimento em Base de
Dados). Alguns autores referem‐se à Mineração de Dados e à Descoberta de Conhecimento em Base de Dados
como sinônimos. Na etapa de Mineração de Dados, são definidos os algoritmos e/ou técnicas que serão utilizados
para resolver o problema apresentado. Podem ser usados Redes Neurais, Algoritmo Genéticos, Modelos
Estatísticos e Probabilísticos, entre outros, sendo que esta escolha irá depender do tipo de tarefa de KDD que será
realizada. "Uma dessas tarefas compreende a busca por uma função que mapeie os registros de um banco de dados
em um intervalo de valores reais." Trata‐se de:

Classificação.
Sumarização.
Detecção de desvios.
Regressão.
Agrupamento.
Data Resp.: 04/09/2023 18:14:35

Explicação:

Resposta correta: Regressão.

 
5.
 A Mineração de Dados (DM ¿ Data Mining) é uma das etapas da Descoberta do Conhecimento em Base de Dados
(KDD ¿ Knowledge Discovery in Databases), sendo considerada a principal etapa do processo de KDD. Neste
processo, existe um conceito essencial, por dois motivos principais, que tem a seguinte definição: "podem ser
usadas após a etapa de Mineração de Dados, a fim de ordenar ou filtrar os padrões descobertos de acordo com o
grau de interesse associado a estes padrões; podem ser usadas para restringir ou guiar o espaço de busca de
Mineração de Dados, melhorando a eficiência da busca ao eliminar conjuntos de padrões que não satisfaçam a
condições predeterminadas". (GOLDSCHMIDT; PASSOS; BEZERRA, 2015.)

Similaridade e distância.
Aprendizado por reforço.
Representação do conhecimento.
Medidas de interesse.
Aprendizado indutivo.
Data Resp.: 04/09/2023 18:14:37

Explicação:

Resposta correta: Medidas de interesse.

 
6. Uma nuvem de palavras é um recurso gráfico (usado principalmente na Internet) para descrever os termos mais
frequentes de um determinado texto. O tamanho da fonte em que a palavra é apresentada é uma função da
frequência da palavra no texto: palavras mais frequentes são desenhadas em fontes de tamanho maior, palavras
menos frequentes são desenhadas em fontes de tamanho menor.

Qual é a técnica de análise de dados descrita pelo texto acima?

Processamento de Linguagem Natural.

Redes Neurais.
Agrupamento.
Classificação.
Regressão Linear.
Data Resp.: 04/09/2023 18:14:39

Explicação:

Resposta correta: Processamento de Linguagem Natural.

 
7. A mineração de dados é uma solução cada vez mais buscada pelas empresas. Isso porque, desde que associada a
bases de dados ou data warehouses, ela se torna uma poderosa ferramenta para a tomada de decisão empresarial,
porque pode descobrir e descrever um conhecimento. Assinale a alternativa que apresenta somente duas das
formas para descobrir conhecimento em mineração de dados.

Regras de associação e Regras de dissociação.

Fechamento para baixo e Atimonotonicidade.
Padrões dentro de série temporal e Agrupamentos.
Agrupamentos e Algoritmo de buscas.
Hierarquias de classificação e Padrões sequenciais.
Data Resp.: 04/09/2023 18:14:41

Explicação:

Resposta correta: Hierarquias de classificação e Padrões sequenciais.

 
 8. Acerca de Data Mining, assinale a opção correta:

As aplicações de Data Mining utilizam diversas técnicas de natureza estatística, como a análise de
conglomerados (cluster analysis), que tem como objetivo agrupar, em diferentes conjuntos de dados, os
elementos identificados como semelhantes entre si, com base nas características analisadas.
Os processos de data mining e OLAP têm os mesmos objetivos: trabalhar os dados existentes no data
warehouse e realizar inferências, buscando reconhecer correlações não explícitas nos dados do data
warehouse.
A fase de preparação para implementação de um projeto de Data Mining consiste, entre outras tarefas, em
coletar os dados que serão garimpados, que devem estar exclusivamente em um data warehouse interno da
empresa.
As séries temporais correspondem a técnicas estatísticas utilizadas no cálculo de previsão de um conjunto de
informações, analisando-se seus valores ao longo de determinado período. Nesse caso, para se obter uma
previsão mais precisa, devem ser descartadas eventuais sazonalidades no conjunto de informações.
As redes neurais são um recurso matemático/computacional usado na aplicação de técnicas estatísticas nos
processos de data mining e consistem em utilizar uma massa de dados para criar e organizar regras de
classificação e decisão em formato de diagrama de árvore, que vão classificar seu comportamento ou estimar
resultados futuros.
Data Resp.: 04/09/2023 18:14:43

Explicação:

Resposta correta: As aplicações de Data Mining utilizam diversas técnicas de natureza estatística, como a
análise de conglomerados (cluster analysis), que tem como objetivo agrupar, em diferentes conjuntos de dados,
os elementos identificados como semelhantes entre si, com base nas características analisadas.

 
9. Mineração de dados é a investigação de relações e padrões globais que existem em grandes bancos de dados, mas
que estão ocultos no grande volume de dados. Com base nas funções que executam, há diferentes técnicas para a
mineração de dados, dentre as quais estão:

I. Identificar afinidades existentes entre um conjunto de itens em dado grupo de registros. Por exemplo: 75% dos
envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão envolvidos em
processos ligados a roubo de dados sigilosos.

II. Identificar sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do gênero
feminino, após ajuizarem uma causa contra o INSS solicitando nova perícia médica, ajuízam uma causa contra o
INSS solicitando ressarcimento monetário.

III. As categorias são definidas antes da análise dos dados. Pode ser utilizada para identificar os atributos de um
determinado grupo que fazem a discriminação entre três tipos diferentes, por exemplo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.

Os tipos de técnicas referenciados em I, II e III, respectivamente, são:

I - Padrões sequenciais;

II - Redes neurais;

III - Árvore de decisão.

I - Classificação;

II - Associação;

III - Previsão.
I - Associação;

II - Padrões sequenciais;

III - Classificação.
I - Árvore de decisão;

II - Classificação;

III - Associação;
I - Redes Neurais;
 II - Árvore de decisão;

III - Padrões sequenciais.

Data Resp.: 04/09/2023 18:14:45

Explicação:

Resposta correta: 

I - Associação;

II - Padrões sequenciais;

III - Classificação.

 
10. Qual é a funcionalidade de Data Mining que encontra aglomerados de objetos de dados semelhantes em algum
sentido entre si?

Regressão.
Aprior.
Classificação.
Clustering.
Associação.
Data Resp.: 04/09/2023 18:14:48

Explicação:

Resposta correta: Clustering.

    Não Respondida      Não Gravada     Gravada

Testes por Temas inciado em 04/09/2023 18:14:21.

 Testes por
Temas
 avalie sua aprendizagem

Lupa  
MACHINE LEARNING  
DGT1399_202110164351_TEMAS

Aluno: LEANDRO FRATEL Matr.: 202110164351

Disc.: MACHINE LEARNING  2023.2 EAD (GT) / EX

Prezado (a) Aluno(a),

Você fará agora seu EXERCÍCIO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O
mesmo será composto de questões de múltipla escolha.

Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se
familiarizar com este modelo de questões que será usado na sua AV e AVS.

EM2120032 - TREINAMENTO DE MODELOS DE APRENDIZADO DE MÁQUINA

 
1. Eduardo é contratado como cientista de dados por uma empresa fintech. No primeiro dia de trabalho, seu
supervisor, um economista com experiência na área, apresentou o conjunto de dados com o qual Eduardo
trabalharia. Eduardo perguntou qual era o objetivo da empresa com aqueles dados, ao que seu supervisor
respondeu: "Queremos ser capazes de prever qual o valor de venda do pacote de investimentos deles daqui a três
meses, que é quando vigora uma nova lei de incentivos fiscais sancionada pelo governo". Tendo em conta o objetivo
da empresa, qual o modelo que Eduardo deve escolher para predizer esse valor?

Classificador Naive Bayes.

Classificador de Regressão Linear.
Agrupador KMeans.
Agrupador DBScan.
Regressor SVM.
Data Resp.: 04/09/2023 18:15:21

Explicação:

Resposta correta: Regressor SVM.

 
2. Devido ao papel figurativo da monarquia britânica, o Reino Unido depende do parlamento para criação, discussão e
sanção de novas leis, políticas de incentivos fiscais, bem como a manutenção da hierarquia e hereditariedade da
própria monarquia. Em congresso, os ministros devem, com o primeiro-ministro, discutir os temas de interesse à
sociedade por meio de propostas que serão ponderadas, alteradas e sancionadas (com a participação de todos os
membros). Tal estratégia de reunir agentes com bagagens culturais e intelectuais diferentes, para que juntos
possam criar soluções melhores para resolver problemas que afligem a população, é uma técnica que inspira os
 modelos incorporados do Aprendizado de Máquina. Tal comportamento do parlamento britânico é observado em
qual tipo de modelo incorporado?

Bagging.
Stacking.
Clustering.
Voting.
Classification.
Data Resp.: 04/09/2023 18:15:24

Explicação:

Resposta correta: Voting.

 
3. Qual é o estimador base utilizado para a construção da floresta aleatória?

KNN.
LSTM.
LNR.
Árvore de Decisão.
GNB.
Data Resp.: 04/09/2023 18:15:26

Explicação:

Resposta correta: Árvore de Decisão.

 
4. Os modelos incorporados que dissecam o conjunto de dados de forma aleatória e repassam aos membros do
comitê são de qual tipo de incorporação?

Stacking.
Bagging.
Voting.
Collaboration.
Clusterization.
Data Resp.: 04/09/2023 18:15:28

Explicação:

Resposta correta: Bagging.

 
5. Leonardo é chamado pelo Instituto de Matemática e Estatística Aplicada de sua universidade para auxiliar o
departamento com uma pesquisa que está sendo feita em parceria com uma empresa de óleo e gás. A equipe de
estatísticos é muito competente, porém não está muito familiarizada com o uso de computadores em suas
pesquisas tradicionais, e visto que os dados desse estudo ultrapassaram o poder de processamento humano,
devido às suas proporções, tiveram que pedir ajuda ao Departamento de Informática. Leonardo foi apresentado ao
conjunto de dados cedido pela empresa de óleo e gás. O conjunto de dados tinha mais de 5.000.000.000 de
registros e, como a coleta dos dados pelos sensores da empresa é muito cautelosa, a quantidade de características
é de aproximadamente 200. Em seguida, os estatísticos experientes informaram Leonardo que haviam feito um
estudo aproximado da dimensionalidade desses dados e que poderia haver overlap geométrico dos mesmos devido
à sua alta dimensionalidade. Tendo isso em mente, qual algoritmo melhor se encaixaria no problema de redução de
dimensionalidade de Leonardo?
 PCA Linear.
Árvore de Decisão.
LLE.
SVM Não Linear.
Rede Neural Convolucional.
Data Resp.: 04/09/2023 18:15:31

Explicação:

Resposta correta: LLE.

 
6. Dado um conjunto de dados onde podemos reparar que os agrupamentos de classes sofrem overlap/sobreposição
no espaço dimensional do conjunto, qual seria o modelo mais indicado?

SVM Linear.
Dendograma.
SVM Não Linear.
DBScan.
KMeans.
Data Resp.: 04/09/2023 18:15:34

Explicação:

Resposta correta: SVM Não Linear.

 
7. Qual hiperparâmetro da floresta aleatória garante capacidade de maior generalização e capacidade de lidar com
alta variabilidade dos dados?

Desvio Padrão.
Média de Poisson.
Número de Estimadores.
Variância.
Criterion.
Data Resp.: 04/09/2023 18:15:46

Explicação:

Resposta correta: Número de Estimadores.

 
8. Em problema de redução não linear de dimensionalidade, o algoritmo LLE depende principalmente de qual
estrutura auxiliar para o seu funcionamento?

Rede Neural.
Matriz de Pesos.
Dendograma.
Matriz Transposta.
Transformada de Fourier.
Data Resp.: 04/09/2023 18:15:37

Explicação:
 Resposta correta: Matriz de Pesos.

 
9. A maldição da dimensionalidade é um fenômeno que pode prejudicar um processo de aprendizagem automática. A
que isso se deve?

Esparsidade nos dados.

Dados nulos.
Dados faltantes.
Número muito pequeno de linhas no conjunto de dados.
Número muito grande de colunas no conjunto de dados.
Data Resp.: 04/09/2023 18:15:39

Explicação:

Resposta correta: Número muito grande de colunas no conjunto de dados.

 
10. Uma árvore de decisão pertence a qual grupo de tipo de Aprendizado de Máquina?

Por Reforço.
Supervisionado.
Semisupervisionado.
Não Supervisionado.
Aleatório.
Data Resp.: 04/09/2023 18:15:41

Explicação:

Resposta correta: Supervisionado.

    Não Respondida      Não Gravada     Gravada

Testes por Temas inciado em 04/09/2023 18:15:12.

 Testes por
Temas
 avalie sua aprendizagem

Lupa  
MACHINE LEARNING  
DGT1399_202110164351_TEMAS

Aluno: LEANDRO FRATEL Matr.: 202110164351

Disc.: MACHINE LEARNING  2023.2 EAD (GT) / EX

Prezado (a) Aluno(a),

Você fará agora seu EXERCÍCIO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O
mesmo será composto de questões de múltipla escolha.

Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se
familiarizar com este modelo de questões que será usado na sua AV e AVS.

EM2120072 - REDES NEURAIS E APRENDIZADO PROFUNDO

 
1. Um ponto muito importante no processo de desenvolvimento de um modelo de aprendizado profundo é o de
configuração da rede. Observe o trecho de código a seguir.

1.  model.compile(loss=BinaryCrossentropy(from_logits=True),

2.             optimizer=Adam(1e-4),

3.             metrics=['accuracy'])

Ele está configurando o modelo. Nesse sentido, selecione a opção correta sobre o trecho de código.

O trecho corresponde a uma aplicação de algoritmos genéticos para fazer análise de cadeias sequenciais de
imagens.
Na linha 2, é informado para o modelo que ele vai utilizar algoritmo de ¿medidas gananciosas de redes
neurais¿, que simula comportamentos baseados na psicologia.
Na linha 1, é feita a escolha de busca binária para o algoritmo, uma vez que otimiza a pesquisa, caso os dados
estejam ordenados.
Na linha 2, o parâmetro ¿1e-4¿ significa que o algoritmo deve trabalhar com uma precisão de 0,0001.
O trecho é aplicado para visão computacional.
Data Resp.: 29/08/2023 23:34:47

Explicação:

Resposta correta: Na linha 2, o parâmetro ¿1e-4¿ significa que o algoritmo deve trabalhar com uma precisão de
0,0001.

 
 2. O TensorFlow é uma importante biblioteca aplicada para desenvolver projetos de aprendizado profundo. No
trecho de código abaixo, escrito em Python, podemos ver as importações de algumas bibliotecas:

import tensorflow as tf

import tensorflow_datasets as tfds

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense,Conv2D, Dropout, Flatten

Nesse sentido, selecione a opção correta a respeito do trecho de código apresentado.

Possui algumas das bibliotecas importantes para um projeto de rede neural de convolução.
O trecho de código está errado, pois apenas com o TensorFlow é possível acessar qualquer uma das
funcionalidades.
Todas as bibliotecas apresentadas são necessárias para uma rede neural recorrente.
Trata-se de um exemplo-padrão de programa para desenvolver uma rede neural profunda.
As bibliotecas referentes ao Keras são úteis, porém, são opcionais, uma vez que suas funcionalidades podem
ser substituídas pelas do TensorFlow.
Data Resp.: 29/08/2023 23:36:01

Explicação:

Resposta correta: Possui algumas das bibliotecas importantes para um projeto de rede neural de convolução.

 
3. A otimização de políticas no processo de aprendizado é fundamental para que o modelo obtenha uma precisão de
qualidade aceitável. Em relação à otimização de políticas nos modelos de aprendizado por reforço, selecione a
opção correta.

Os métodos baseados em não políticas consideram aspectos aleatórios na construção do aprendizado,

aumentando, assim, a chance de acerto.
Utilizam-se dos algoritmos de retropropagação para aumentar as probabilidades de acertos.
Existe uma categoria de algoritmos conhecida como ator-crítico que combina os algoritmos de valor e de
políticas.
São baseados em variações do método dos gradientes.
Os métodos de otimização são baseados em análises categóricas que consideram níveis de qualidade da
resposta.
Data Resp.: 04/09/2023 18:19:51

Explicação:

Resposta correta: Existe uma categoria de algoritmos conhecida como ator-crítico que combina os algoritmos
de valor e de políticas.

 
4. Existem diversos modelos para o aprendizado de máquina. Essa diversidade é justificada pela necessidade de
adaptar o modelo a um problema específico, como, por exemplo, visão computacional e processamento de
linguagem natural. Mas todos os modelos têm elementos estruturais em comum. A respeito desses pontos em
comum entre os modelos, selecione a opção correta:

Certamente se pode afirmar que todos os modelos de aprendizado de máquina possuem problemas com os
cálculos dos seus gradientes.
Todos os modelos de aprendizado de máquina fazem uso da função de custo, também chamada de função
erro, para medir o quão próximas estão as soluções produzidas pelo modelo dos valores reais.
 As funções de ativação, que são um ponto em comum de todos os modelos de máquina, são caracterizadas
por um comportamento linear que auxilia na predição do modelo e reduz erros computacionais.
O aprendizado profundo, muitas vezes chamado de modelos de redes neurais, é baseado em cálculos
matemáticos exatos que se combinam para encontrar a solução ótima.
Um ponto em comum entre todos os modelos de aprendizado de máquina são as funções de ativação que
determinam exatamente qual a solução ótima.
Data Resp.: 04/09/2023 18:19:54

Explicação:

Resposta correta: Todos os modelos de aprendizado de máquina fazem uso da função de custo, também
chamada de função erro, para medir o quão próximas estão as soluções produzidas pelo modelo dos valores
reais.

 
5. Os métodos fora da política (off-policy) são utilizados em modelos de aprendizado por reforço. Eles podem
aprender diferentes políticas de comportamento e estimativa. Em relação aos métodos fora da política, selecione a
opção correta.

Algoritmos fora da política fazem a atualização da função de valor com base nas ações que foram realmente
tentadas.
Fazem atualização das funções de valor com base estritamente na experiência.
Não funcionam bem com o método dos gradientes, pois ocasionam problemas conhecidos, como o
desaparecimento e a explosão dos gradientes.
São caraterizados por atualizar as funções de valor estimado usando ações hipotéticas, ou seja, aquelas que
não foram realmente tentadas.
O algoritmo aprende táticas baseadas na fase de aprendizado.
Data Resp.: 04/09/2023 18:19:57

Explicação:

Resposta correta: São caraterizados por atualizar as funções de valor estimado usando ações hipotéticas, ou
seja, aquelas que não foram realmente tentadas.

 
6. (INEP - 2005 - ENADE - Computação) No que diz respeito às redes neurais, assinale a opção correta.

O aprendizado supervisionado é o paradigma de treinamento mais utilizado para desenvolver aplicações de

redes neurais para classificação e predição.
O número de camadas ocultas de uma rede de alimentação direta é inversamente proporcional ao aumento
do espaço de hipóteses que ela pode representar.
O treinamento de uma rede neural tem tempo determinado de execução.
O número de pesos de uma rede neural não influencia a rapidez com que ela processa dados.
Não há problemas em realizar o teste de desempenho de uma rede neural com o mesmo conjunto de dados
usado para o treinamento.
Data Resp.: 04/09/2023 18:19:59

Explicação:

Resposta correta: O aprendizado supervisionado é o paradigma de treinamento mais utilizado para desenvolver
aplicações de redes neurais para classificação e predição.

 
7. As redes neurais recorrentes são muito importantes para diversas aplicações que envolvem processamento de
dados sequenciais. Em relação às redes neurais recorrentes, selecione a opção correta.
 As redes neurais recorrentes possuem alguns problemas que são tratados pelas redes neurais recorrentes
com profundidade.
As redes neurais recorrentes com profundidade eliminam problemas relacionados aos cálculos dos
gradientes.
As redes neurais recorrentes com profundidade são muito similares às redes neurais de convolução, sendo
consideradas, muitas vezes, equivalentes.
As redes neurais recorrentes com profundidade têm como característica não preservar seu estado interno de
modo a aumentar a possibilidade de o método aprender novas características.
As redes neurais recorrentes com profundidade possuem uma camada com muitos nós, que se combinam
para tratar problemas complexos.
Data Resp.: 04/09/2023 18:20:03

Explicação:

Resposta correta: As redes neurais recorrentes possuem alguns problemas que são tratados pelas redes neurais
recorrentes com profundidade.

 
8. Uma das etapas mais importantes do ciclo de vida de uma rede neural é a de treinamento. Em relação ao
treinamento dos modelos de aprendizado profundo, selecione a opção correta.

Para que possam obter suas saídas, as redes neurais recorrentes usam as entradas atuais e levam em
consideração aquelas que ocorreram antes delas.
As redes neurais profundas compartilham os seus parâmetros por todas as etapas de processamento da rede.
O modelo de rede neural de convolução é superior à rede neural recorrente, que, por sua vez, é superior à
rede neural profunda.
As redes neurais recorrentes utilizam o algoritmo de alimentação direta para realizar o seu treinamento.
Os processos de treinamento de cada modelo de rede são individuais, não contendo nenhum tipo de
semelhança entre si.
Data Resp.: 04/09/2023 18:20:05

Explicação:

Resposta correta: Para que possam obter suas saídas, as redes neurais recorrentes usam as entradas atuais e
levam em consideração aquelas que ocorreram antes delas.

 
9. O aprendizado por reforço é um método de aprendizado de máquina voltado para tratar como os agentes de
software devem realizar ações em um ambiente. Em relação ao aprendizado por reforço, selecione a opção correta.

Todo o processo de aprendizagem é desenvolvido a partir de ideias baseadas em métodos exatos.

O agente é informado por exemplos positivos e negativos.
O agente só é informado sobre a sua recompensa ao final de um número fixo de iterações para evitar desvios
sobre sua política de tomada de decisão.
A escolha das ações é fixa ao longo da execução do algoritmo.
Ele dá suporte para maximizar recompensas cumulativas.
Data Resp.: 04/09/2023 18:20:09

Explicação:

Resposta correta: Ele dá suporte para maximizar recompensas cumulativas.

 
10. As arquiteturas de redes neural profunda, de convolução e recorrente formam a base para os modelos de
aprendizado profundo. Em relação a essas categorias, selecione a opção correta.
 A rede neural de convolução são conhecidas como ConvNet, que é um acrônimo para redes convergentes.
As saídas de uma rede neural profunda são obtidas por meio de algoritmos de aprendizagem por reforço.
As redes de convolução são as mais adequadas para processamento de linguagem natural.
As redes neurais profundas são caracterizadas por utilizar algoritmos do tipo alimentação direta (feed
forward).
A rede neural recorrente tem a capacidade de considerar combinações complexas das entradas de modo a
evitar a necessidade de ter um comportamento dinâmico.
Data Resp.: 04/09/2023 18:20:11

Explicação:

Resposta correta: As redes neurais profundas são caracterizadas por utilizar algoritmos do tipo alimentação
direta (feed forward).

    Não Respondida      Não Gravada     Gravada

Testes por Temas inciado em 29/08/2023 23:33:47.

 Testes por
Temas
 avalie sua aprendizagem

Lupa  
MACHINE LEARNING  
DGT1399_202110164351_TEMAS

Aluno: LEANDRO FRATEL Matr.: 202110164351

Disc.: MACHINE LEARNING  2023.2 EAD (GT) / EX

Prezado (a) Aluno(a),

Você fará agora seu EXERCÍCIO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O
mesmo será composto de questões de múltipla escolha.

Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se
familiarizar com este modelo de questões que será usado na sua AV e AVS.

EM2120178 - PROJETO DE SISTEMAS DE APRENDIZADO DE MÁQUINA

 
1. O scatterplot, no contexto da análise exploratória, poderia ser usado para qual objetivo?

 Observação de variância.
 Análise de espiral.
 Teste de hipótese.
Correlação de atributos.
 Análise de causa raiz.
Data Resp.: 04/09/2023 18:17:04

Explicação:

A resposta certa é:Correlação de atributos.

 
2. Qual a primeira atividade de todo processo de mineração de dados?

Entendimento dos dados.

Avaliação de resultados.
Treinamento de modelos de aprendizado de máquina.
Entendimento do problema de negócio.
Revisão de literatura.
Data Resp.: 04/09/2023 18:17:08
 Explicação:

A resposta certa é:Entendimento do problema de negócio.

 
3. No contexto de validação de modelos de aprendizado de máquina, para que serve a medida de recall?

 Indicar, dentre todas as situações de classe Positivo como valor esperado, quantas estão corretas.
Indicar, dentre todas as classificações de classe Negativas que o modelo fez, quantas estão erradas.
 Indicar, dentre todas as classificações de classe Negativa que o modelo fez, quantas estão corretas.
 Indicar, dentre todas as classificações de classe Positivo que o modelo fez, quantas estão corretas.
 Indicar, dentre todas as situações de classe Positivo como valor esperado, quantas estão erradas.
Data Resp.: 04/09/2023 18:17:13

Explicação:

A resposta certa é: Indicar, dentre todas as situações de classe Positivo como valor esperado, quantas estão
corretas.

 
4. Qual a proporção do conjunto de treinamento normalmente recomendada na literatura de aprendizagem de
máquina?

 70%
55%
 10%
 99%
 95%
Data Resp.: 04/09/2023 18:17:25

Explicação:

A resposta certa é: 70%

 
5. Qual é a medida que indica a performance geral do modelo de aprendizado de máquina?

Risco
Precisão
Eficiência
Eficácia
Acurácia
Data Resp.: 04/09/2023 18:17:28

Explicação:

A resposta certa é:Acurácia

 
6. Eduardo é contratado como cientista de dados por uma empresa fintech. Seu chefe lhe pede que elabore um
projeto de aprendizado de máquina a fim de resolver um problema que a organização está tendo para prever
 valores de ações na bolsa e emitir recomendações. Dado que Eduardo levantou e validou o problema de negócio
com os stakeholders, qual o próximo passo a ser seguido?

 Avaliação dos resultados.

Criação do modelo.
 Entendimento dos dados.
 Deployment do modelo.
 Treinamento do modelo.
Data Resp.: 04/09/2023 18:17:32

Explicação:

A resposta certa é: Entendimento dos dados.

 
7. Qual é o possível efeito negativo da validação cruzada para um número de partições muito alto?

 Aleatorização
 Underfitting
 Reciprocação
 Recall
Overfitting
Data Resp.: 04/09/2023 18:17:34

Explicação:

A resposta certa é:Overfitting

 
8. A preparação da string de busca faz parte de que fase do entendimento do problema?

Levantamento de requisitos.
 Análise de causa raiz.
 Design Thinking.
 Análise exploratória.
 Levantamento bibliográfico.
Data Resp.: 04/09/2023 18:17:37

Explicação:

A resposta certa é: Levantamento bibliográfico.

 
9. Um cientista de dados está escrevendo um relatório técnico de um projeto de sistema de aprendizado de máquina.
Nesse relatório, ele só descreve o seu processo metodológico e coloca o valor de acurácia como medida de
validade do modelo selecionado por ele. Qual elemento relevante do projeto foi esquecido na descrição do
processo?

 Precisão.
 Variância.
Diagrama do processo CRISP-DM.
 Matriz de confusão.
 Arquitetura do modelo.
Data Resp.: 04/09/2023 18:17:40
 Explicação:

A resposta certa é: Matriz de confusão.

 
10. Quem são os atores responsáveis pela validação do entendimento do problema?

Administradores de banco de dados.

 Stakeholders.
 Gerentes.
 Economistas.
 Analista de sistemas.
Data Resp.: 04/09/2023 18:17:43

Explicação:

 A resposta certa é:Stakeholders.

    Não Respondida      Não Gravada     Gravada

Testes por Temas inciado em 04/09/2023 18:17:01.