Questões
Pratique com questões de diversas disciplinas e universidades
3.343 questões encontradas(exibindo 10)
Qual algoritmo abaixo é mais comumente usado em problemas de classificação binária?
K-Means.
Regressão Logística.
PCA.
DBSCAN.
Random Forest.
O que são outliers em um conjunto de dados?
Dados que são bastante semelhantes à média do conjunto.
Dados que são irrelevantes para a análise e podem ser descartados.
Dados que estão muito distantes da média e podem afetar a qualidade do modelo.
Dados que são rotulados incorretamente.
Dados que não fazem parte do conjunto de treinamento.
O processo de aprendizado supervisionado é composto de três etapas. Quais são as etapas do processo de aprendizado supervisionado?
Em um sistema de robótica industrial, a integração de robôs com sistemas de controle é essencial para otimizar a produção. Qual das alternativas a seguir descreve um método eficaz de integração?
Utilizar robôs autônomos sem conexão com sistemas de controle.
Implementar protocolos de comunicação que permitam a troca de dados em tempo real entre robôs e sistemas de controle.
Ignorar a necessidade de comunicação entre robôs e sistemas de controle.
Usar apenas um tipo de robô, independentemente das tarefas.
Qual técnica de aprendizado supervisionado é mais eficaz para problemas de classificação binária com grandes volumes de dados?
Máquinas de vetores de suporte (SVM).
Redes neurais convolucionais (CNN).
Árvore de decisão.
K-vizinhos mais próximos (K-NN).
Regressão linear.
Qual é a principal vantagem da técnica de Bagging em comparação com métodos individuais de aprendizado?
O Bagging cria um único modelo robusto a partir de diversos modelos simples, o que reduz a complexidade computacional.
O Bagging combina múltiplos modelos para reduzir o viés do modelo, melhorando a robustez e prevenindo overfitting.
O Bagging usa redes neurais profundas para construir modelos complexos.
O Bagging é uma técnica de aprendizado não supervisionado, utilizada para clustering.
O Bagging é mais rápido que qualquer modelo individual, pois utiliza um único modelo para treinamento.
I. Busca em amplitude
II. Busca de custo uniforme
III. Busca em profundidade
IV. Busca em profundidade limitada
V. Busca em aprofundamento iterativo
( IV ) Caso se tenha algum conhecimento sobre o problema, pode-se restringir a busca a um nível limite de expansão dos nós.
( V ) Combina os benefícios da busca em profundidade e da busca em extensão.
( I ) O nó raiz é expandido, depois os nós sucessores do nó raiz, depois os sucessores dos sucessores e assim por diante.
( II ) Variante da busca em amplitude por considerar a expansão do nó que possui o custo mais baixo.
( III ) Pode ser implementada por um algoritmo de busca em árvore com uma estrutura de pilha
O que significa o termo data pipeline?