TGTR - Checkpoint3 -Semestre 2

O tipo de aprendizagem de máquina que se baseia em dados preparados para treinamento e são previamente rotulados, é a aprendizagem

• 
  supervisionada.

• 
  não supervisionada.

• por reforço.

Sabendo que existe, na organização em que trabalha, uma base de dados formada por uma grande tabela que contém apenas o id do cliente e colunas do tipo booleano indicando se um cliente possuía ou já tinha possuído cada produto da organização, um funcionário de TI resolveu dividir os clientes em grupos apenas com base nessa informação, utilizando aprendizado de máquina.

Para essa tarefa, o funcionário de TI deve utilizar o aprendizado de máquina

• 
  não supervisionado

• 
  não supervisionado

• 
  por reforço

Um profissional de TI está trabalhando com um grande banco de dados (Big Data), realizando uma análise prévia da base de dados, com o objetivo de identificar anomalias ou resultados raros, de forma a tratá-los ou descartá-los para utilização.

Esse profissional está realizando a seguinte tarefa:

• 
  Agrupamento dos dados

• 
  Classificação dos dados e das anomalias

• 
  Análise de associações dos dados

• 
  Análise de outliers (pontos fora da curva) ou detecção de desvios

O big data faz uso de técnicas de machine learning para a análise de grandes conjuntos de dados.

• Verdadeiro

• Falso

Ainda que aprendizagem de máquina seja uma ferramenta poderosa para a aquisição automática de conhecimento, deve ser observado que não existe um único algoritmo que apresente o melhor desempenho para todos os problemas. Sobre os algoritmos empregados na aprendizagem de máquina, quando o desenvolvedor ajusta muito bem um algoritmo de aprendizado, ou os seus parâmetros, para otimizar o seu desempenho em todos os exemplos disponíveis ocorre:

• Overfitting

• Overturning

• Completude

Nos algoritmos de aprendizagem de máquina não supervisionados, os dados de treinamento são fornecidos sem rótulos e, nesse caso, o algoritmo deverá agrupar os dados de treinamento pelas similaridades de seus atributos.

• Verdadeiro

• Falso

Depois de conversar em uma rede social sobre algum assunto, surgiram propagandas relacionadas exatamente ao que você estava falando? Existe uma área do conhecimento que estuda como tratar, analisar e obter informações a partir de conjuntos de dados, nem sempre estruturados, que não são analisados por sistemas tradicionais. Esta área denomina-se:

• Big Data.

  
  

• Data Storage.

  
  

• Data Mining.

  
  

Sobre os modelos de aprendizagem de máquina supervisionada, analise as assertivas abaixo e assinale a alternativa correta.

I. Em modelos de aprendizado de máquina do tipo classificação a ideia é prever variáveis categóricas, e numéricas.

II. Um exemplo básico de aprendizado de máquina supervisionado por classificação é o uso da regressão logística.

III. Os modelos de regressão não buscam encontrar como uma variável se comporta na medida em que outra variável sofre oscilações.

IV. Nos modelos de aprendizagem de máquina supervisionado, não temos uma variável específica a ser respondida, pois estamos apenas buscando encontrar os indivíduos, itens ou elementos semelhantes.

• Todas estão corretas.

• 
  Todas estão incorretas.

• 
  Apenas II está correta.

• 
  Apenas I e II estão corretas.

• 
  Apenas III e IV estão corretas.

Com relação aos conceitos de aprendizado de máquina, assinale V para a afirmativa verdadeira e F para a falsa.

I. Os três principais paradigmas de aprendizado de máquina são os de aprendizado supervisionado, não supervisionado e por inteligência profunda.

II. os algoritmos de classificação e clusterização estão correlacionados com paradigma de aprendizado supervisionado.

III. os algoritmos de support vector machines e randon forest são paradigmas do aprendizado de inteligência profunda.

As afirmativas são, respectivamente,

• V, V e V.

  
  

• V, V e F.

  
  

• V, F e V.

  
  

• F, V e V.

  
  

• F, F e F.

  
  

Os dados de Treinamento é usado para qualificar o desempenho do modelo, enquanto os dados de Validação é utilizado para criar o modelo de aprendizado de máquina.

• Verdadeiro

• Falso