Anúncios
1
De acordo com o conteúdo abordado em aula, a função de ativação em que a direção da reta muda no mesmo sentido, porém a proporção pode ser diferente, se refere à função?
Monotônica
Linear
Não linear
Não monotônica.
2
Os modelos de aprendizado de máquina, de acordo com a complexidade de seus algoritmos, são classificados como de: fácil interpretação ou não interpretáveis. Sendo assim, um modelo de fácil interpretação, é conhecido como:
Black Box.
Gray Box
Green Box.
White Box.
3
Quando trabalhamos com um modelo de árvore de decisão e objetivamos o máximo de ganho de informação, devemos diminuir ?
Entropia.
Entalpia.
Limites de dependências.
Limites de decisão.
4
Quando em um modelo de aprendizado de máquina, necessitamos predizer valores contínuos, utilizamos um modelo de?
Clusterização
Classificação
Associação
Regressão.
5
Dos algoritmos de aprendizado de máquina a seguir, qual não se trata de um algoritmo supervisionado?
K-Means
KNN
Regressão logística
Regressão linear.
6
Aprendizado de máquina está inteiramente relacionada à estatística. Sendo assim, das opções a seguir, qual se trata de uma medida de tendência central?
Coeficiente de variação
Desvio padrão
Amplitude.
Moda.
7
Aprendizado de máquina está inteiramente relacionada à estatística. Sendo assim, a medida que demonstra a dispersão dos dados para uma média é?
Variância
Coeficiente de variação.
Mediana.
Desvio padrão.
8
A escolha do modelo de aprendizado de máquina a ser utilizado, leva em consideração, os três princípios de machine learning. Sendo assim, “O modelo mais simples que se ajusta aos dados, também é o mais plausível” se refere?
Bisbilhotagem de dados
Viés de amostragem.
Navalha de Occam
9
Todos os modelos de aprendizado de máquina, utilizam fómula para análise dos dados. Sendo assim, a fómula “y = a + bx”, se refere a?
Árvore de decisão .
Rede Neural
Naive Bayes.
Regressão linear.
10
Das opções a seguir, qual não se trata de um modelo de regressão linear?
Regressão linear polinomial
Regressão linear múltipla
Regressão linear simples
Regressão linear composta
11
Um algoritmo de aprendizagem por regressão linear, possui 02 coeficientes, sendo assim, analisando a fórmula: y = a + bx, a se trata?
Variável dependente.
Coeficiente angular
Coeficiente linear.
Variável independente.
12
Analisando as métricas da imagem, quando em uma regressão linear, necessitamos verificar a importância de um variável para a efetividade do modelo, analisamos?
P>|t|.
R-squared.
Coef.
F-statistic
13
Analisando as métricas da imagem, quando em uma regressão linear, necessitamos verificar a efetividade do modelo, analisamos?
Coef.
P>|t|
F-statistic
R-squared
14
Analisando as métricas da imagem, quando em uma regressão linear, necessitamos verificar a homogeneidade das variáveis para a efetividade do modelo, analisamos?
F-statistic.
R-squared.
Coef
P>|t|.
15
Em um modelo de aprendizagem de máquina, podemos trabalhar com hiperparâmetros, ou seja, características estimadas a priore. Sendo assim, dos modelos a seguir, qual não utiliza hiperparâmetros?
SVM
Regressão.
Redes neurais.
KNN
16
O treinamento de um modelo de machine learning, envolve a análise dos dados, sendo assim, quando necessitamos verificar a presença de outliers, o gráfico prefencialmente utilizado é o ?
Gráfico de tendência
Histograma.
Blox-plot.
Gráfico de dispersão.
17
Dentre as linguagens utilizadas para machine learning, o python se destaca pelo seu conjunto de bibliotecas. Sendo assim, a biblioteca python que disponibiliza modelos de aprendizado de máquina é?
Sklearn.
Pandas.
Seaborn.
Numpy.
18
Analisando o gráfico a seguir, se trata de um?
Histograma.
Blox-plot
Gráfico de tendência.
Gráfico de dispersão.
19
Qual é a principal tarefa do aprendizado supervisionado?
Classificar dados sem rótulos
Prever valores contínuos
Classificar dados sem rótulos
Aprender com dados rotulados
20
O que é overfitting em Machine Learning?
O modelo se ajusta bem aos dados de treinamento, mas não generaliza bem para novos dados
O modelo é muito simples para lidar com dados
complexos
O modelo não se ajusta aos dados de treinamento
O modelo se ajusta perfeitamente aos dados de
treinamento e generaliza bem
21
Qual é a diferença entre validação cruzada e conjunto de teste?
A validação Cruzada é usada para avaliar o desempenho durante o treinamento, enquanto o conjunto de teste é usado após o treinamento
Ambos são usados para treinamento, mas em etapas
diferentes
A validação cruzada é usada para conjuntos de dados
pequenos, enquanto o conjunto de teste é para grandes
conjuntos de dados
Não há diferença, são termos intercambiáveis
22
Em problemas de classificação binária, qual é a métrica apropriada para avaliar o desempenho do modelo?
Área sob a curva ROC (AUC-ROC)
Sensibilidade (Recall)
F1-Score
Precisão (Accuracy)
23
Qual é a diferença entre regressão e classificação em Machine Learning?
Regressão lida com problemas de agrupamento, enquanto
classificação lida com problemas de previsão
Regressão e classificação são termos intercambiáveis
Regressão lida com problemas de previsão, enquanto
classificação lida com problemas de agrupamento
Regressão lida com variáveis dependentes contínuas, enquanto classificação lida com variáveis dependentes categóricas
24
Qual é o papel de uma função de ativação em uma rede neural?
Determinar a taxa de aprendizado
Mapear a saída da rede para um intervalo específico
Inicializar os pesos da rede
Definir o número de camadas na rede
25
O que é o gradiente descendente?
Um algoritmo de otimização usado para ajustar os pesos de um modelo
Um tipo de função de ativação em redes neurais
Um método para calcular derivadas em funções complexas
Um método para reduzir a dimensionalidade dos dados
26
Em redes neurais, o que é o viés (bias)?
Um parâmetro adicional adicionado a cada neurônio
Uma medida de quanto o modelo se ajusta aos dados de
treinamento
A tendência de um modelo superajustaros dados
A tendência de um modelo subajustar os dados
27
Qual é a diferença entre validação e teste em Machine Learning?
A validação é realizada durante o treinamento, enquanto o teste é realizado após o treinamento
Não há diferença, são termos intercambiáveis
A validação é usada para ajustar hiperparâmetros,
enquanto o teste avalia o desempenho final
A validação é usada para conjuntos de dados pequenos,
enquanto o teste é para grandes conjuntos de dados
28
O que é o método da matriz de confusão?
Uma tabela usada para avaliar o desempenho de um modelo de classificação.
Uma técnica para reduzir a dimensionalidade dos dados
Uma técnica de visualização de dados multidimensionais
Uma técnica para aumentar a complexidade de modelos
29
Qual é a principal desvantagem da abordagem K-Vizinhos Mais Próximos (K-NN)?
Sensível a outliers
Sempre produz resultados precisos
Não é adequado para problemas de classificação
Não requer treinamento
30
O que é um outlier em um conjunto de dados?
Um ponto de dados que tem peso dobrado no modelo
Um ponto de dados que é ignorado durante o treinamento
Um ponto de dados que representa a média do conjunto
Um ponto de dados que está fora do padrão esperado
31
O que é a Regra de Bayes em Machine Learning?
Uma abordagem estatística para classificação baseada em probabilidade
Uma técnica de redução de dimensionalidade
Uma técnica para aumentar a complexidade de modelos
Um método de treinamento para redes neurais
32
Em aprendizado não supervisionado, o que é clustering?
A tarefa de ajustar um modelo aos dados de treinamento
A tarefa de classificar dados em categorias
A tarefa de prever valores contínuos
A tarefa de agrupar dados sem rótulos em clusters distintos
33
Analisando o gráfico a seguir, observamos que se trata de um método de análise da qualidade dos dados, definido como ?
Partial dependece plots
Acumulated local effects
Individual conditional expectation
Feature importance
