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?
Não monotônica.
Não linear
Linear
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:
White Box.
Black Box.
Gray Box
Green Box.
3
Quando trabalhamos com um modelo de árvore de decisão e objetivamos o máximo de ganho de informação, devemos diminuir ?
Limites de decisão.
Entalpia.
Entropia.
Limites de dependências.
4
Quando em um modelo de aprendizado de máquina, necessitamos predizer valores contínuos, utilizamos um modelo de?
Regressão.
Clusterização
Associação
Classificação
5
Dos algoritmos de aprendizado de máquina a seguir, qual não se trata de um algoritmo supervisionado?
K-Means
KNN
Regressão linear.
Regressão logística
6
Aprendizado de máquina está inteiramente relacionada à estatística. Sendo assim, das opções a seguir, qual se trata de uma medida de tendência central?
Moda.
Coeficiente de variação
Desvio padrão
Amplitude.
7
Aprendizado de máquina está inteiramente relacionada à estatística. Sendo assim, a medida que demonstra a dispersão dos dados para uma média é?
Variância
Mediana.
Desvio padrão.
Coeficiente de variação.
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?
Navalha de Occam
Viés de amostragem.
Bisbilhotagem de dados
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 composta
Regressão linear simples
Regressão linear polinomial
Regressão linear múltipla
11
Um algoritmo de aprendizagem por regressão linear, possui 02 coeficientes, sendo assim, analisando a fórmula: y = a + bx, a se trata?
Coeficiente angular
Coeficiente linear.
Variável dependente.
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?
R-squared.
P>|t|.
F-statistic
Coef.
13
Analisando as métricas da imagem, quando em uma regressão linear, necessitamos verificar a efetividade do modelo, analisamos?
F-statistic
P>|t|
Coef.
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?
P>|t|.
Coef
R-squared.
F-statistic.
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?
Redes neurais.
Regressão.
SVM
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 dispersão.
Gráfico de tendência
Histograma.
Blox-plot.
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?
Seaborn.
Numpy.
Pandas.
Sklearn.
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?
Prever valores contínuos
Aprender com dados rotulados
Classificar dados sem rótulos
Classificar dados sem rótulos
20
O que é overfitting em Machine Learning?
O modelo é muito simples para lidar com dados
complexos
O modelo se ajusta bem aos dados de treinamento, mas não generaliza bem para novos dados
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?
Não há diferença, são termos intercambiáveis
A validação cruzada é usada para conjuntos de dados
pequenos, enquanto o conjunto de teste é para grandes
conjuntos de dados
Ambos são usados para treinamento, mas em etapas
diferentes
A validação Cruzada é usada para avaliar o desempenho durante o treinamento, enquanto o conjunto de teste é usado após o treinamento
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 variáveis dependentes contínuas, enquanto classificação lida com variáveis dependentes categóricas
Regressão e classificação são termos intercambiáveis
Regressão lida com problemas de agrupamento, enquanto
classificação lida com problemas de previsão
Regressão lida com problemas de previsão, enquanto
classificação lida com problemas de agrupamento
24
Qual é o papel de uma função de ativação em uma rede neural?
Mapear a saída da rede para um intervalo específico
Determinar a taxa de aprendizado
Definir o número de camadas na rede
Inicializar os pesos da rede
25
O que é o gradiente descendente?
Um método para reduzir a dimensionalidade dos dados
Um tipo de função de ativação em redes neurais
Um algoritmo de otimização usado para ajustar os pesos de um modelo
Um método para calcular derivadas em funções complexas
26
Em redes neurais, o que é o viés (bias)?
A tendência de um modelo superajustaros dados
A tendência de um modelo subajustar os dados
Uma medida de quanto o modelo se ajusta aos dados de
treinamento
Um parâmetro adicional adicionado a cada neurônio
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
A validação é usada para conjuntos de dados pequenos,
enquanto o teste é para grandes conjuntos de dados
Não há diferença, são termos intercambiáveis
A validação é usada para ajustar hiperparâmetros,
enquanto o teste avalia o desempenho final
28
O que é o método da matriz de confusão?
Uma técnica para reduzir a dimensionalidade dos dados
Uma técnica para aumentar a complexidade de modelos
Uma técnica de visualização de dados multidimensionais
Uma tabela usada para avaliar o desempenho de um modelo de classificação.
29
Qual é a principal desvantagem da abordagem K-Vizinhos Mais Próximos (K-NN)?
Sensível a outliers
Não é adequado para problemas de classificação
Não requer treinamento
Sempre produz resultados precisos
30
O que é um outlier em um conjunto de dados?
Um ponto de dados que representa a média do conjunto
Um ponto de dados que tem peso dobrado no modelo
Um ponto de dados que está fora do padrão esperado
Um ponto de dados que é ignorado durante o treinamento
31
O que é a Regra de Bayes em Machine Learning?
Um método de treinamento para redes neurais
Uma técnica para aumentar a complexidade de modelos
Uma abordagem estatística para classificação baseada em probabilidade
Uma técnica de redução de dimensionalidade
32
Em aprendizado não supervisionado, o que é clustering?
A tarefa de ajustar um modelo aos dados de treinamento
A tarefa de prever valores contínuos
A tarefa de agrupar dados sem rótulos em clusters distintos
A tarefa de classificar dados em categorias
33
Analisando o gráfico a seguir, observamos que se trata de um método de análise da qualidade dos dados, definido como ?
Feature importance
Individual conditional expectation
Acumulated local effects
Partial dependece plots
