Questões
Pratique com questões de diversas disciplinas e universidades
10.457 questões encontradas(exibindo 10)
Qual é o principal objetivo do k-fold cross-validation?
Avaliar a capacidade de generalização do modelo, dividindo os dados em k partes e realizando testes em cada uma delas.
Ajustar os parâmetros do modelo para otimizar a função de custo.
Aumentar a quantidade de dados disponíveis, replicando amostras do conjunto de dados.
Reduzir a dimensionalidade dos dados antes de aplicar o modelo.
Combinar os resultados de múltiplos modelos para melhorar o desempenho.
Analise as opções a seguir e marque a alternativa em que se apresentam apenas modelos de qualidade de software.
Qual é a principal causa da cirrose hepática?
Consumo excessivo de álcool
Infecções virais
Herança genética
Dieta rica em gorduras
Exposição a toxinas ambientais
Avalie se o administrador de um servidor instalado com o sistema operacional Windows Server 2008 R2 Enterprise usando o utilitário Backup do Windows Server pode utilizar os seguintes tipos de destino para o backup:
- I. Discos rígidos locais.
- II. Discos rígidos externos.
- III. Pastas compartilhadas.
Qual é a principal vantagem de usar deep learning em modelos de aprendizado de máquina?
Requer menos dados de treinamento.
Funciona bem para tarefas de processamento de dados não estruturados, como imagens e texto.
Não precisa de parâmetros de treinamento ajustados.
É ideal para conjuntos de dados pequenos e simples.
É mais rápido de treinar e testar.
Quanto aos retalhos perfurantes para reconstrução mamária, assinale a alternativa ERRADA:
O retalho S-GAP está contraindicado em pacientes que já foram submetidas à lipoenxertia glútea
O retalho perfurante anterolateral da coxa pode ser usado para reconstrução mamária
A desvantagem do uso de retalhos perfurantes está no tempo cirúrgico longo, e no maior risco de necroses parciais e totais
O retalho S-GAP está indicado em pacientes obesas ou com sobrepeso
O retalho perfurante da artéria toracodorsal é um dos mais utilizados pelo grande volume de tecido fornecido da área doadora
O que é validação cruzada e qual é sua principal vantagem?
Validação cruzada é uma técnica que divide os dados em várias partes e treina o modelo em diferentes subconjuntos, ajudando a evitar overfitting e a obter uma melhor generalização.
Validação cruzada é um método para aumentar a complexidade do modelo e melhorar a precisão.
Validação cruzada treina o modelo em uma única divisão de dados e depois testa com a mesma divisão.
Validação cruzada é usada apenas para dados não rotulados.
Validação cruzada é uma técnica para reduzir o número de variáveis no modelo.
Leia o trecho a seguir: “Fazer páginas JSP é tão fácil que você pode escrever aplicativos JSP sem muito conhecimento da API subjacente. Entretanto se você quiser ser realmente um bom programador Java, precisa saber os dois: JSP e servlets. Ainda que você só use páginas JSP em seus aplicativos Web Java, entender servlets ainda é muito importante.”
Considerando essas informações e o conteúdo estudado sobre páginas JSP, pode-se afirmar que:
Em qual situação a técnica de dropout é mais útil?
Para aumentar a complexidade do modelo e melhorar a previsão.
Para reduzir o tempo de treinamento da rede neural.
Para prevenir o overfitting, desativando aleatoriamente neurônios durante o treinamento.
Para melhorar a precisão dos dados de entrada antes do treinamento.
Para otimizar a função de erro.