Material de Estudo-23

Prévia do material em texto

Material de Estudo 23: Ciência de Dados - Aprendizado de Máquina Avançado 
1. Qual técnica de aprendizado de máquina é utilizada para construir modelos preditivos 
em dados com alta dimensionalidade, selecionando características relevantes e 
evitando o sobreajuste? 
o a) Regressão linear múltipla. 
o b) Árvores de decisão. 
o c) Regularização L1 e L2. 
o d) Redes neurais convolucionais (CNNs). 
o e) Algoritmos de agrupamento k-means. 
Resposta: c) Regularização L1 e L2. 
Justificativa: A regularização L1 e L2 seleciona características relevantes e previne o sobreajuste 
em dados de alta dimensão. 
2. Em sistemas de recomendação, qual algoritmo é utilizado para prever as preferências 
de usuários com base em interações anteriores, considerando a similaridade entre 
itens e usuários? 
o a) Random forest. 
o b) Filtragem colaborativa. 
o c) Máquinas de vetores de suporte (SVM). 
o d) Redes neurais recorrentes (RNNs). 
o e) Análise de componentes principais (PCA). 
Resposta: b) Filtragem colaborativa. 
Justificativa: A filtragem colaborativa prevê preferências com base em interações passadas e 
similaridade entre usuários e itens. 
3. Qual método de aprendizado de máquina é utilizado para modelar dados sequenciais, 
como séries temporais e texto, capturando dependências temporais e padrões de 
longo prazo? 
o a) Regressão logística. 
o b) Redes neurais recorrentes (RNNs). 
o c) Algoritmos de agrupamento hierárquico. 
o d) Análise de componentes independentes (ICA). 
o e) Modelos lineares generalizados (GLMs). 
Resposta: b) Redes neurais recorrentes (RNNs). 
Justificativa: RNNs capturam dependências temporais em dados sequenciais. 
4. Qual técnica de aprendizado de máquina é utilizada para gerar novos dados 
semelhantes aos dados de treinamento, permitindo a criação de amostras sintéticas e 
a melhoria do desempenho de modelos preditivos? 
o a) Análise de clusterização k-médias. 
o b) Redes adversárias generativas (GANs). 
o c) Árvores de regressão impulsionadas por gradiente (GBRT). 
o d) Algoritmos de detecção de anomalias por floresta de isolamento. 
o e) Modelos de mistura gaussiana (GMMs). 
Resposta: b) Redes adversárias generativas (GANs). 
Justificativa: GANs geram dados sintéticos semelhantes aos dados de treinamento. 
5. Em problemas de visão computacional, qual tipo de rede neural é utilizado para 
realizar segmentação semântica, classificando cada pixel de uma imagem em 
diferentes categorias? 
o a) Redes neurais convolucionais (CNNs). 
o b) Redes neurais profundas (DNNs). 
o c) Redes neurais recorrentes (RNNs). 
o d) Redes autoencoder. 
o e) Redes de crença profunda (DBNs). 
Resposta: a) Redes neurais convolucionais (CNNs). 
Justificativa: CNNs realizam segmentação semântica classificando pixels em categorias. 
6. Qual método de aprendizado de máquina é utilizado para desenvolver sistemas de 
inteligência artificial explicáveis (XAI), permitindo a interpretação e a compreensão das 
decisões tomadas por modelos complexos? 
o a) Análise de regressão linear. 
o b) Máquinas de vetores de suporte (SVMs). 
o c) Mapas de auto-organização (SOMs). 
o d) Técnicas de importância de características e visualização de decisões. 
o e) Análise de séries temporais ARIMA. 
Resposta: d) Técnicas de importância de características e visualização de decisões. 
Justificativa: Técnicas de importância de características e visualização explicam decisões de 
modelos complexos.