Questões

Camadas ocultas requerem algoritmos de aprendizagem que contemplem a atualização dos pesos relacionados às camadas internas. O processo de ativação acontece primeiramente nas camadas ocultas para depois chegar até a camada de saída. A retroalimentação do erro também é feita nos pesos que conectam a(s) camada(s) oculta(s). O algoritmo mais comum utilizado para o treinamento de um perceptron multicamada é:

O que é uma Rede Neural Convolucional (CNN) e onde ela é comumente aplicada?

Sobre o exposto, classifique V para as sentenças verdadeiras e F para as falsas:

Sazonalidade descreve comportamentos que se repetem com determinada periodicidade. Ela pode ser percebida como uma componente oscilatória que apresenta variação ao longo da tendência.

As médias móveis representam valores aleatórios causados por diferentes fatores, dependendo da origem da série temporal. Estes valores, que não se repetem e não apresentam um padrão definido, podem comprometer o resultado de algumas análises.

O ruído é um método muito simples para previsão de valores futuros. Baseia-se na premissa de que o valor futuro é constituído pela média de valores passados.

Tendência pode ser definida como a alteração de longo prazo no nível médio, onde o nível refere-se ao valor ou faixa de valores que a variável pode assumir caso não seja observada tendência em longo prazo.

Segundo Russell (2013), sistemas que implementam sensores geralmente são aplicados em ambientes não observáveis ou parcialmente observáveis. Com base no exposto, assinale a alternativa que apresenta a que a afirmação anterior está se referindo.

Raiz do Erro Quadrático Médio (REQM) Trata-se de uma medida da raiz da média dos quadrados dos erros em um conjunto de previsões. Diferentes modelos. O RMSE (Root Mean Squared Error) é basicamente o mesmo cálculo do MSE, porém aplicada a raiz quadrática para lidar com o problema de interpretabilidade da diferença entre unidades dado que a unidade do desvio fica com a mesma escala da unidade original. Por outro lado, ela não penaliza com tanta veemência os valores outliers. Coeficiente de Determinação (R²) Também chamado de Coeficiente de Determinação, trata-se da proporção da variabilidade dos dados que é explicado pelo modelo. Em outras palavras, é a medida de quão bem um modelo de regressão se ajusta os dados. É calculado como a proporção da variância na variável dependente que é explicada pelo modelo. Quanto maior o valor de R², melhor o modelo se ajusta aos dados – os valores de R² variam de 0 a 1, com 1 indicando um ajuste perfeito. Por exemplo: um R² = 0,8234 significa que o modelo linear explica 82,34% da variância da variável dependente a partir do regressores (variáveis independentes) incluídas naquele modelo. R² = 0% indica que o modelo não explica nada da variabilidade dos dados de resposta ao redor de sua média. R² = 100% indica que o modelo explica toda a variabilidade dos dados de resposta ao redor de sua média. Underfitting e Overfitting. Qual é o melhor modelo?

Machine Learning, compreendido como o aprendizado de máquina a partir dos dados previamente conhecidos, é definido como um campo preocupado com a questão de como construir programas de computador que melhorem automaticamente a experiência do usuário. Também pode ser dividido em: Tarefa (T), Medida de Desempenho (P) e Experiência de Treinamento (E). Considerando o problema de Detectar um perfil de clientes para fornecer cartão de crédito, associe os itens, utilizando o código a seguir:

I- Tarefa T.

II- Medida de Desempenho P.

III- Experiência de Treinamento E.

( ) Uma base de dados histórica em que os clientes já conhecidos são previamente classificados como bons ou maus pagadores.

( ) Porcentagem de clientes classificados corretamente.

( ) Classificar potenciais novos clientes como bons ou maus pagadores.

Assinale a alternativa que apresenta a sequência: