Tipos de Machine Learning

O que é aprendizado de máquina?

• Um tipo de programa de computador.

• Um campo de estudo que envolve o desenvolvimento de algoritmos para permitir que os computadores aprendam a partir de dados.

• Uma técnica utilizada apenas para jogos de computador.

• Uma forma de programação avançada.

O que são rótulos em aprendizado de máquina?

• Números complexos que representam características dos dados

• Algoritmos utilizados para agrupar dados em categorias

• Etiquetas ou informações associadas aos dados para indicar suas classes ou categorias

• Métodos de redução de dimensionalidade dos dados

Como os rótulos são obtidos em um problema de aprendizado de máquina supervisionado?

• Através de algoritmos de agrupamento dos dados

• Por meio de técnicas de redução de dimensionalidade

• São fornecidos por especialistas ou rotuladores humanos

• São gerados automaticamente pelo modelo durante o treinamento

Qual dos seguintes tipos de aprendizado de máquina não requer exemplos rotulados para treinamento?

• Aprendizado supervisionado

• Aprendizado não supervisionado

• Aprendizado por reforço

• Aprendizado semi-supervisionado

O que é uma rede neural artificial?

• Um algoritmo de aprendizado de máquina baseado em árvores de decisão

• Um tipo de modelo de regressão linear

• Um modelo computacional inspirado no funcionamento do cérebro humano

• Um método de clustering utilizado em grandes conjuntos de dados

Quais são as camadas principais de uma RNA?

• Entrada, saída e oculta

• Entrada, pré-processamento e saída

• Supervisionada, não supervisionada e reforço

• Treinamento, validação e teste

Qual é o objetivo principal do aprendizado por reforço?

• Minimizar o erro de previsão

• Agrupar dados em clusters

• Maximizar a recompensa total ao longo do tempo

• Encontrar a melhor combinação de hiperparâmetros

Qual técnica de aprendizado de máquina é adequada quando temos uma pequena quantidade de dados rotulados e uma grande quantidade de dados não rotulados?

• Aprendizado supervisionado

• Aprendizado não supervisionado

• Aprendizado por reforço

• Aprendizado semi-supervisionado

Qual é o objetivo do aprendizado por transferência?

• Transferir conhecimento de uma tarefa de origem para uma tarefa de destino

• Treinar um modelo em um grande conjunto de dados rotulados

• Reduzir a dimensionalidade dos dados

• Encontrar a melhor combinação de hiperparâmetros

Qual é a principal diferença entre o aprendizado supervisionado e o aprendizado não supervisionado?

• O aprendizado supervisionado requer exemplos rotulados, enquanto o aprendizado não supervisionado não precisa de rótulos

• O aprendizado supervisionado agrupa dados em clusters, enquanto o aprendizado não supervisionado classifica os dados

• O aprendizado supervisionado utiliza feedbacks e recompensas, enquanto o aprendizado não supervisionado aprende a partir de dados não rotulados

• O aprendizado supervisionado é utilizado para problemas de regressão, enquanto o aprendizado não supervisionado é utilizado para problemas de classificação