Questões
Pratique com questões de diversas disciplinas e universidades
6.098 questões encontradas(exibindo 9)
Em relação às leis de aprendizado de máquina, selecione a opção correta que contém as leis que pertencem à mesma categoria.
(i) “Deixe-me pensar a respeito por algum tempo.” (ii) “Tenho que falar sobre isso com meu chefe.” (iii) “Devo aguardar até o próximo período de orçamento.” Para superar essas objeções de adiamento, a estratégia adequada a ser adotada pelo profissional de vendas é
A linguagem natural pode ser aplicada ao aprendizado supervisionado ao encontrar dados que foram rotulados para propósitos. Ela pode ser encontrada em muitas aplicações cotidianas, como por exemplo: Assistentes virtuais inteligentes. II) Resultados de pesquisas. III) Textos preditivos. IV) Tradução de V) Chamadas telefônicas digitais.
Qual é um dos principais desafios enfrentados por robôs subaquáticos?
A exploração subaquática é sempre realizada por humanos.
A necessidade de resistência à pressão e corrosão, além de capacidade de navegação em condições de visibilidade limitada.
Robôs subaquáticos não podem ser programados.
A exploração subaquática é irrelevante para a pesquisa científica.
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.
Qual é a principal causa da cirrose hepática?
Consumo excessivo de álcool
Infecções virais
Herança genética
Dieta rica em gorduras
Exposição a toxinas ambientais
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.
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.