Questões de Concurso sobre Aprendizado de Máquina

O PCA é um procedimento estatístico que converte um conjunto de objetos com atributos possivelmente correlacionados em um conjunto de objetos com atributos linearmente descorrelacionados.

Dentro da inovação em sistemas agroindustriais, temos a Agricultura 4.0 e a Pecuária 4.0, em uma referência clara à Indústria 4.0, dita a Quarta Revolução Industrial. Uma das dimensões da Agricultura 4.0 é o emprego de métodos computacionais de alto desempenho e de métodos e soluções analíticas para processar grandes volumes de dados. Nesse sentido, é correto dizer que os métodos de:

Temas relacionados ao aprendizado de máquina são recorrentes nas mídias, nos estudos e no interesse geral da sociedade. Mas este estudo requer habilidades matemáticas de quem o pratica, principalmente a área de métodos quantitativos. Dentro do aprendizado de máquina temos algumas formas de lidar. Estas formas podem ser definidas como:

( ) Aprendizado Supervisionado.

( ) Aprendizado pontual.

( ) Aprendizado por reforço.

Analise as afirmativas acima e dê valores Verdadeiro (V) ou Falso (F) e assinale a alternativa que apresenta a sequência correta de cima para baixo.

Para evitar overfitting, uma prática comum é randomicamente dividir a base de dados em N conjuntos de dados de tamanhos aproximadamente iguais. O modelo é treinado com N-1 conjuntos e testado com o restante. Uma medida de erro é obtida. Esse processo é repetido um total de N vezes através das várias combinações dos N conjuntos de dados. Por fim, calcula-se a média de validação dos N experimentos para se obter a estimativa de erro. Qual é o nome dessa técnica descrita e utilizada para avaliar modelos de aprendizado de máquina?

Segundo Grus (2016), os dois perigos comuns em aprendizagem de máquina são: o sobreajuste e o subajuste. Sobre esses perigos, assinale a alternativa CORRETA.

São tipos válidos de aprendizagem de máquina:

1. Aprendizado supervisionado

2. Aprendizado não supervisionado

3. Aprendizado estruturado

4. Aprendizado não estruturado

5. Aprendizagem por reforço

Assinale a alternativa que indica todas as afirmativas corretas.

Maria treinou um classificador que distingue fotos de maçãs e laranjas. Após testar o classificador com uma amostra de 160 fotos, obteve a matriz de confusão a seguir.

Com base neste resultado, é correto afirmar que a acurácia deste classificador é

Com o objetivo de minimizar os riscos na concessão de crédito, um banco contratou uma empresa especializada em sistemas digitais para desenvolver um classificador de requisitantes de crédito em bons ou maus pagadores. Ao entregar o modelo de classificação para o banco, a empresa afirmou que o classificador havia obtido nos testes uma precisão de mais de 95%. No entanto, após alguns meses, o banco notou que o desempenho do classificador estava aquém do esperado, ficando abaixo de 60%.

Essa situação apresenta um problema de:

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:

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.

Um sistema de aprendizado não supervisionado, dotado de um conjunto de dados de treinamento que foram classificados manualmente, tenta aprender, a partir desses dados de treinamento, uma forma de classificá-los, bem como de classificar novos dados, ainda não observados.

A matriz de confusão permite avaliar o desempenho de um modelo de classificação a partir da frequência de erros e acertos.

A analista Carla recebeu a tarefa de implementar uma solução algorítmica para classificar os processos arquivados no TJRN entre aqueles que foram ganhos e aqueles que foram perdidos. Na primeira abordagem, Carla se baseou no algoritmo de machine learning que, aplicado à classificação binária, divide os dados de entrada em duas regiões separadas por uma reta. Ao fim do algoritmo, a distância da reta para o dado mais próximo de cada região é a mesma e a maior possível.

Sendo assim, na primeira abordagem, Carla utilizou como base o algoritmo de machine learning:

O aprendizado por reforço é um tipo de aprendizagem de máquina que tem por objetivo prever o resultado de um atributo alvo exclusivamente por meio de reforço no treinamento do modelo.

A recente explosão de machine learning e deep learning tornou os tensores populares. TensorFlow e PyTorch são dois frameworks com suporte a API de tensor.

Em relação aos tensores, assinale a opção incorreta.

Considere um modelo de classificação que produziu os seguintes resultados:

Verdadeiros Positivos (VP): 80

Falsos Negativos (FN): 20

Verdadeiros Negativos (VN):70

Falsos Positivos (FP): 30

Com base nessas informações, a revocação (recall) do modelo será, aproximadamente,

No contexto dos métodos e técnicas de aprendizado de máquina, assinale a afirmativa incorreta.

É um tipo de regressão utilizada em aprendizado de máquina que estima a probabilidade de ocorrência de um evento, como um “voto”, e com base em um determinado conjunto de dados de variáveis independentes. O resultado esperado é apenas uma probabilidade de ocorrer, sendo a variável dependente é limitada entre 0 e 1. Neste tipo de regressão, temos a probabilidade de sucesso dividida pela probabilidade de falha. Isso também é comumente conhecido como "log odds", ou logaritmo natural de probabilidades. O texto trata de:

A regra de associação é uma técnica que busca relações de co-ocorrência entre objetos de uma base de dados.

Segundo Faceli (2021), assinale a opção correta referente às máquinas de vetor de suporte (SVM).