Questões
Pratique com questões de diversas disciplinas e universidades
3.343 questões encontradas(exibindo 10)
I) Uma geração é um ciclo em que: uma população é gerada completamente de forma aleatória, sobre ela são então, aplicados os operadores genéticos (seleção, cruzamento e mutação) e os piores indivíduos não sobrevivem.
II) O fitness de cada indivíduo é calculado com o objetivo de mensurar quanto aquele indivíduo está adaptado ao meio em que está inserido.
III) O cruzamento tem por objetivo produzir filhos utilizando material genético dos pais e a seleção natural busca garantir que bons pais se reproduzam.
É correto o que se afirma em:
A aprendizagem não supervisionada é um paradigma da aprendizagem dedutiva, onde os dados de treinamento não possuem classes predefinidas. Neste sentido, quais os componentes presentes neste tipo base de dados antes do treinamento?
Em um modelo de regressão linear, qual é a principal função usada para prever o valor da variável dependente?
A função de custo.
A reta de regressão, que é a combinação linear das variáveis independentes.
A matriz de confusão.
A árvore de decisão.
A função sigmoide.
No aprendizado supervisionado, o que é uma função de perda?
A função que calcula a probabilidade de um dado pertencer a uma classe.
A função que mede a diferença entre as previsões do modelo e os valores reais.
A função que ajuda na normalização dos dados de entrada.
A função que agrupa os dados em diferentes categorias.
A função que realiza a transformação de variáveis em uma rede neural.
Escolha a opção com sistema construtivo pré-fabricado e suas características:
O que o GDPR exige em relação a decisões automatizadas?
Proibir o uso de inteligência artificial.
Permitir que empresas apenas informem sobre a coleta de dados.
Exigir que as empresas expliquem como as decisões automatizadas são tomadas.
Impedir que cidadãos tenham acesso aos dados coletados.
O que caracteriza um modelo de k-NN (K-Nearest Neighbors)?
Ele busca encontrar a melhor linha de separação entre as classes.
Ele classifica um ponto com base nos k pontos mais próximos em termos de distância.
Ele utiliza uma função sigmoide para prever a classe de um ponto.
Ele utiliza um modelo linear para determinar a classe de um ponto.
Ele aplica boosting para melhorar a precisão do modelo.