Outros

Brasil

pt-br

Programação

A disciplina de Programação é fundamental para quem deseja atuar na área de tecnologia da informação. Durante as aulas, os alunos aprendem a criar algoritmos e a desenvolver programas de computador em diferentes linguagens, como Java, Python, C++, entre outras. A disciplina também aborda conceitos de lógica de programação, estrutura de dados e algoritmos de ordenação e busca. O conhecimento em Programação é essencial para profissionais que desejam trabalhar com desenvolvimento de software, análise de sistemas, inteligência artificial, entre outras áreas da tecnologia.

Exam

Text

Trabalho Prático do Módulo 3_ 2022-8A - Bootcamp Arquiteto(a) de Machine Learning

RESTRICTED

Exatas

Ciência da Computação

Linguagem de Programação

Postgraduate

General Studies

Hugo Daher

Other

A distância euclidiana entre os vetores x = np.array([0, 1, 4]) e y = np.array([5, 3, -1]) é:
4.340.
3.345.
7.348.
1.342.

Colégio Objetivo

High School

Estudando com Questões

A distância euclidiana entre os vetores x = np.array([0, 1, 4]) e y = np.array([0, 1, 4]) é:
0.
1.
-1.
Inf.

A norma quadrática (ou norma L2) do vetor x = np.array([3, 4]) é: (Dica: Utilize a função np.linalg.norm).
0.
25.
5.

A distância de Hamming NÃO normalizada entre os vetores x = np.array([1, 0, 0, 1, 0, 0]) e y = np.array([1, 1, 0, 0, 0, 0]) é:
1.0.
4.0.
2.0.
3.0.

A distância de Hamming normalizada entre os vetores x = np.array([1, 0, 0, 1, 0, 0]) e y = np.array([1, 1, 0, 0, 0, 0]) é:
1/3.
1/5.
1/4.
1/6.

A similaridade de cossenos entre os vetores x = np.array([1, 0]) e y = np.array([0, 1]) é:
0.
1.
2.
-1.

A similaridade de cossenos entre os vetores x = np.array([1, 0]) e y = np.array([2, 0]) é:
0.
-1.
2.
1.

A similaridade de cossenos entre os vetores x = np.array([1, 0]) e y = np.array([-1, 0]) é:
0.
1.
-1.
2.

Podemos dizer que x = [1, 0] e y = [0, 1] são vetores:
Colineares.
Múltiplos.
Multicolineares.
Ortogonais.

O produto interno (dot product) entre os vetores x = np.array([1, -1]) e y = np.array([-1, 1]) é:
-2.
1.
2.
-1.

O que é a função utilidade em sistemas de recomendação?
É a função de ativação dos neurônios da camada escondida.
É a função que relaciona as avali...

O que é a função utilidade em sistemas de recomendação?
É a função de ativação dos neurônios da camada escondida.
É a função que relaciona as avaliações R de um conjunto de clientes C ao conjunto de itens S.
É a função de densidade de probabilidade das avaliações.
É a função de transferência de sistemas dinâmicos.

São métricas para cálculo de distância ou similaridade entre dois vetores, EXCETO:
Similaridade por cosseno.
Validação cruzada.
Distância euclidian...

São métricas para cálculo de distância ou similaridade entre dois vetores, EXCETO:
Similaridade por cosseno.
Validação cruzada.
Distância euclidiana.
Correlação de Pearson.

Considere um usuário S com o seguinte perfil: S = [Ação: gosta, Comédia: gosta, Romance: não gosta, Sci-Fi: gosta].
Baseado na similaridade do prod...

Considere um usuário S com o seguinte perfil: S = [Ação: gosta, Comédia: gosta, Romance: não gosta, Sci-Fi: gosta].
Baseado na similaridade do produto interno, qual dos seguintes filmes deve ser recomendado?
[Ação: True, Comédia: True, Romance: False, Sci-Fi: True].
[Ação: True, Comédia: True, Romance: False, Sci-Fi: False].
[Ação: False, Comédia: True, Romance: False, Sci-Fi: False].
[Ação: True, Comédia: False, Romance: False, Sci-Fi: True].

Ao recomendar um filme com base em um sistema de recomendação baseado em conteúdo, qual atributo abaixo NÃO seria utilizado?
Avaliações de outros u...

Ao recomendar um filme com base em um sistema de recomendação baseado em conteúdo, qual atributo abaixo NÃO seria utilizado?
Avaliações de outros usuários ao filme.
Atores principais.
Diretor.
Gênero.

Qual das seguintes etapas NÃO está presente na recomendação baseada em conteúdo?
Cálculo da similaridade entre itens.
Determinação de uma nota (sco...

Qual das seguintes etapas NÃO está presente na recomendação baseada em conteúdo?
Cálculo da similaridade entre itens.
Determinação de uma nota (score) aos itens a serem recomendados.
Cálculo da média das notas de outros usuários.
Codificação das características dos itens.

MaterialAggregator/Subjects/Materials/Recent

MaterialAggregator/Subjects/Questions/New

Trabalho Prático do Módulo 3_ 2022-8A - Bootcamp Arquiteto(a) de Machine Learning

Conteudo restrito apenas para assinantes