0% acharam este documento útil (0 voto)
9 visualizações10 páginas

Algoritmos de Aprendizado de Máquina

O documento descreve três problemas de classificação em que se deve escolher o melhor algoritmo de aprendizado de máquina para resolver cada um. Os algoritmos incluem redes neurais, árvores de decisão, k-NN, DBSCAN e outros.

Enviado por

jessica lirio
Direitos autorais
© All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd
0% acharam este documento útil (0 voto)
9 visualizações10 páginas

Algoritmos de Aprendizado de Máquina

O documento descreve três problemas de classificação em que se deve escolher o melhor algoritmo de aprendizado de máquina para resolver cada um. Os algoritmos incluem redes neurais, árvores de decisão, k-NN, DBSCAN e outros.

Enviado por

jessica lirio
Direitos autorais
© All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd

Questões de Concurso

Prova: CESGRANRIO - 2021 - Banco do Brasil - Agente de Tecnologia


Um pesquisador conseguiu uma base de dados que mostrava terrenos classificados de acordo com:
• características físicas; • tipo de negócio a ser nele implantado; • risco esperado, que compreendia os
rótulos alto, médio, baixo ou nenhum.
Decidiu, então, usar um algoritmo de aprendizado de máquina que, a partir das características físicas do
terreno e do tipo de negócio a ser nele implantado, aprenderia a determinar o risco esperado, enquadrando
o terreno em questão em um daqueles rótulos.
Nesse cenário, que algoritmo de aprendizado de máquina é indicado para resolver esse problema?

A PCA
B K-NN
C DBSCAN
D K-Medoids
E Redes de Kohonen
Questões de Concurso
Prova: CESGRANRIO - 2021 - Banco do Brasil - Agente de Tecnologia
Um pesquisador conseguiu uma base de dados que mostrava terrenos classificados de acordo com:
• características físicas; • tipo de negócio a ser nele implantado; • risco esperado, que compreendia os
rótulos alto, médio, baixo ou nenhum.
Decidiu, então, usar um algoritmo de aprendizado de máquina que, a partir das características físicas do
terreno e do tipo de negócio a ser nele implantado, aprenderia a determinar o risco esperado, enquadrando
o terreno em questão em um daqueles rótulos.
Nesse cenário, que algoritmo de aprendizado de máquina é indicado para resolver esse problema?

A PCA
B K-NN
C DBSCAN
D K-Medoids
E Redes de Kohonen
Questões de Concurso
Prova: CESGRANRIO - 2023 - Transpetro - Profissional Transpetro de Nível Superior -
Junior: Ênfase 7: Análise de Sistemas - Sap - Finanças e Contabilidade
No estabelecimento de uma técnica de mineração de dados de uma empresa, obteve-se
um conjunto de estruturas que produzem fluxos de condição do tipo SE – ENTÃO. Nesses
fluxos, é possível organizar as respostas, segundo critérios de categorização e de
regressão, estabelecendo pontos de decisão relacionados entre si de forma hierárquica.
Nesse caso, qual foi a técnica de mineração aplicada?

A Redes neurais
B Statical methods
C Árvore de decisão
D Accuracy percentage
E Análise de sequência
Questões de Concurso
Prova: CESGRANRIO - 2023 - Transpetro - Profissional Transpetro de Nível Superior -
Junior: Ênfase 7: Análise de Sistemas - Sap - Finanças e Contabilidade
No estabelecimento de uma técnica de mineração de dados de uma empresa, obteve-se
um conjunto de estruturas que produzem fluxos de condição do tipo SE – ENTÃO. Nesses
fluxos, é possível organizar as respostas, segundo critérios de categorização e de
regressão, estabelecendo pontos de decisão relacionados entre si de forma hierárquica.
Nesse caso, qual foi a técnica de mineração aplicada?

A Redes neurais
B Statical methods
C Árvore de decisão
D Accuracy percentage
E Análise de sequência
Questões de Concurso
Prova: CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -
Desenvolvimento de Sistemas
Em um projeto de ciência de dados para análise preditiva no setor bancário, um cientista
de dados precisa escolher tecnologias de aprendizado de máquina adequadas para
classificar clientes com base no risco de inadimplência.
Considerando-se a intenção de lidar com dados não linearmente separáveis por meio do
uso de um kernel, qual é o algoritmo mais adequado para essa tarefa?

A Análise de Componentes Principais


B Árvore de Decisão
C K-Means
D Máquina de Vetores de Suporte
E Regressão Logística
Questões de Concurso
Prova: CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -
Desenvolvimento de Sistemas
Em um projeto de ciência de dados para análise preditiva no setor bancário, um cientista
de dados precisa escolher tecnologias de aprendizado de máquina adequadas para
classificar clientes com base no risco de inadimplência.
Considerando-se a intenção de lidar com dados não linearmente separáveis por meio do
uso de um kernel, qual é o algoritmo mais adequado para essa tarefa?

A Análise de Componentes Principais


B Árvore de Decisão
C K-Means
D Máquina de Vetores de Suporte
E Regressão Logística
Questões de Concurso
Prova: CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência
de Dados
Um cientista de dados está utilizando máquinas de vetor de suporte (SVM) em
um projeto de classificação, pois deseja evitar o overfitting do modelo aos dados
de treinamento.
Qual das seguintes técnicas auxilia a prevenir o overfitting em SVM?

A Apagar algumas ligações da rede.


B Garantir que o hiperplano divida perfeitamente os pontos.
C Misturar o conjunto de teste com o de treinamento.
D Usar todos os pontos para a tomada de decisão.
E Utilizar um kernel linear.
Questões de Concurso
Prova: CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência
de Dados
Um cientista de dados está utilizando máquinas de vetor de suporte (SVM) em
um projeto de classificação, pois deseja evitar o overfitting do modelo aos dados
de treinamento.
Qual das seguintes técnicas auxilia a prevenir o overfitting em SVM?

A Apagar algumas ligações da rede.


B Garantir que o hiperplano divida perfeitamente os pontos.
C Misturar o conjunto de teste com o de treinamento.
D Usar todos os pontos para a tomada de decisão.
E Utilizar um kernel linear.
Questões de Concurso
Prova: CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados
Na arquitetura de redes neurais, diferentes funções de ativação são utilizadas nas camadas de
neurônios para aplicar transformações não lineares aos dados. Uma dessas funções é a ReLU,
conhecida por sua eficácia em diversos modelos de aprendizado profundo.
Ao implementar a função ReLU, um pesquisador deve seguir a fórmula:

A f(x) = 1/1+e-x
B

C f(x) = tanh(x)
D f(x) = max (0, x) - max (0, -x)
E f(x) = √x2+1-1
Questões de Concurso
Prova: CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados
Na arquitetura de redes neurais, diferentes funções de ativação são utilizadas nas camadas de
neurônios para aplicar transformações não lineares aos dados. Uma dessas funções é a ReLU,
conhecida por sua eficácia em diversos modelos de aprendizado profundo.
Ao implementar a função ReLU, um pesquisador deve seguir a fórmula:

A f(x) = 1/1+e-x
B

C f(x) = tanh(x)
D f(x) = max (0, x) - max (0, -x)
E f(x) = √x2+1-1

Você também pode gostar