Questões
Pratique com questões de diversas disciplinas e universidades
6.098 questões encontradas(exibindo 10)
Quando um robô utiliza técnicas de aprendizado de máquina para identificar e classificar objetos, qual das seguintes abordagens é mais comum para essa tarefa?
Redes neurais convolucionais
Algoritmos genéticos
Algoritmos de ordenação
Sistemas de lógica fuzzy
A partir das definições abaixo acerca das características dos sistemas, assinale a alternativa que as classifica corretamente:
O sistema é um todo que não pode ser subdividido sem a perda de suas características essenciais; Tendência natural ao desgaste e desorganização; Tendência ao equilíbrio interno e dinâmico do sistema, face às mudanças externas do meio ambiente; Processo reativo dos sistemas para deter o processo entrópico e se organizarem para sobrevivência.
O que é overfitting e como ele pode ser evitado?
Overfitting ocorre quando o modelo se ajusta excessivamente aos dados de treinamento e não generaliza bem para novos dados. Pode ser evitado com regularização.
Overfitting ocorre quando o modelo não consegue aprender padrões dos dados. Pode ser evitado com mais camadas na rede.
Overfitting ocorre quando o modelo tenta aprender a partir de dados não estruturados. Pode ser evitado com mais dados.
Overfitting é um erro inevitável e não pode ser evitado.
Overfitting ocorre quando o modelo falha em prever corretamente os dados de teste.
Em relação ao overfitting e underfitting, qual é a principal diferença entre eles?
Overfitting ocorre quando o modelo é muito simples e não consegue capturar a complexidade dos dados, enquanto underfitting ocorre quando o modelo é muito complexo e se ajusta demasiado aos dados de treinamento.
Overfitting ocorre quando o modelo é muito complexo e se ajusta demasiado aos dados de treinamento, enquanto underfitting ocorre quando o modelo é simples demais e não consegue capturar padrões suficientes nos dados.
Overfitting e underfitting são sinônimos e se referem a problemas semelhantes de treinamento de modelos.
Overfitting ocorre quando o modelo tem baixa precisão, enquanto underfitting ocorre quando o modelo tem uma alta taxa de erro no conjunto de teste.
Overfitting e underfitting se referem a problemas de otimização, não de aprendizado de máquina.
Leia as afirmacoes a seguir e marque a alternativa correta.
I- As organizações reúnem vastas coleções de informações a respeito de suas operações, seus clientes, procedimentos internos, interações com funcionários e assim por diante, por meio das comunicações estruturadas e não estruturadas que ocorrem entre as várias partes interessadas.
PORQUE
II- Sistemas de gestão de conhecimento se tornaram fontes de embasamento formal e informal para decisões gerenciais, embora por vezes nem sejam chamados por esse nome.
O que são redes neurais convolucionais (CNNs) mais eficazes em?
Prever resultados contínuos em problemas de regressão.
Realizar tarefas de reconhecimento de padrões em dados sequenciais.
Processar imagens e detectar padrões espaciais.
Resolver problemas de aprendizado não supervisionado com grandes conjuntos de dados.
Classificar dados em categorias não supervisionadas.
O que é cross-validation?
Um método para normalizar dados.
Uma técnica para particionar dados e avaliar o desempenho de um modelo.
Uma forma de balancear classes no conjunto de dados.
Um algoritmo para criar árvores de decisão.
Um método de análise de séries temporais.
O que é um modelo de redes neurais profundas?
Um modelo simples com uma única camada oculta.
Uma rede neural com múltiplas camadas de processamento, capaz de aprender representações complexas dos dados.
Um modelo que usa apenas uma camada de entrada e saída.
Um modelo que utiliza dados rotulados e não rotulados simultaneamente.
Um modelo exclusivo para análise de séries temporais.
Qual é o papel da técnica de cross-validation (validação cruzada) em modelos de aprendizado de máquina?
Ajustar as variáveis independentes para minimizar os erros de previsão.
Dividir os dados em subconjuntos para garantir que o modelo seja treinado e testado em diferentes dados.
Ajustar os parâmetros do modelo em tempo real.
Agrupar os dados em categorias antes de treinar o modelo.
Estimar a acurácia do modelo usando um único conjunto de dados de treinamento.
Qual é a principal característica de um modelo de regressão logística?
Ele é usado para prever valores numéricos contínuos.
Ele é usado para problemas de classificação binária, estimando a probabilidade de um evento.
Ele é uma técnica de agrupamento de dados.
Ele utiliza árvores de decisão para realizar previsões.
Ele é baseado em redes neurais profundas.