Questões
Pratique com questões de diversas disciplinas e universidades
3.343 questões encontradas(exibindo 10)
Um engenheiro decidiu avaliar o consumo de água em sua empresa durante o banho dos funcionários. Para isso, ele mediu o seguinte consumo em 3 dias de uma semana e considerou a temperatura em cada um desses dias. Ao final, ele obteve, respectivamente, em cada dia, as seguintes medições: Dia 1:
Qual das alternativas descreve melhor a técnica de bagging em aprendizado de máquina?
Bagging é uma técnica de combinação que utiliza um único modelo para todos os dados.
Bagging envolve a combinação de modelos simples treinados em diferentes subconjuntos dos dados para reduzir a variância.
Bagging reduz o viés do modelo ao combinar múltiplos modelos complexos.
Bagging aplica transformação nos dados para aumentar a quantidade de atributos.
Bagging combina diferentes algoritmos de aprendizado supervisionado e não supervisionado.
Quem é um dos pioneiros no desenvolvimento de redes neurais para super resolução?
Alan Turing
Yann LeCun
John McCarthy
Stephen Hawking
Qual é o conceito que está associado a grandes volumes de dados e sua definição envolve um conjunto de três a cinco vês: volume, velocidade, variedade e, ainda, veracidade e valor.
Internet da Coisas.
Banco de Dados
Big data
Datafication
Em um problema de classificação binária, qual métrica é mais importante quando há um desbalanceamento nas classes?
Acurácia
Precisão
Recall
F1-Score
Erro quadrático médio (MSE)
Sabendo-se que
Em aprendizado de máquina, qual é a principal função de uma função de ativação em uma rede neural?
Ajustar os hiperparâmetros do modelo.
Introduzir não-linearidade no modelo, permitindo que ele aprenda relações mais complexas.
Acelerar o processo de treinamento.
Realizar a regularização para evitar overfitting.
Selecionar os dados de entrada relevantes para o modelo.
O que caracteriza um modelo supervisionado?
O modelo aprende a partir de dados rotulados, ou seja, dados com uma resposta conhecida.
O modelo não necessita de dados de entrada rotulados, aprendendo com dados não supervisionados.
O modelo é utilizado apenas para agrupar dados semelhantes sem classificação.
O modelo tenta prever um único valor de saída sem levar em consideração as entradas.
O modelo utiliza apenas variáveis de saída para realizar a previsão.