01  – O que é Sobreajuste?

a)     O sobreajuste de dados é a existência de ocorrências aleatórias nos dados que pareçam padrões interessantes, mas que não generalizam.

b)    O sobreajuste de dados é a existência de ocorrências aleatórias nos dados que pareçam padrões interessantes, mas que generalizam.

c)     O sobreajuste de dados é a existência de ocorrências não aleatórias nos dados que pareçam padrões interessantes, mas que não generalizam.

d)    O sobreajuste de dados é a existência de ocorrências aleatórias nos dados que pareçam não padrões interessantes, mas que não generalizam.

e)    O sobreajuste de dados é a existência de ocorrências aleatórias nos dados que pareçam padrões interessantes, mas que generalizam.

02  – O que é Modelo de Tabela?

a)     Exemplo de probabilidade de rotatividade de cliente em porcentagem

b)    Modelo de conjunto de dados históricos com previsão com perfeição

c)     Estatística que determina chance de rotatividade de clientes

d)    Chance de entrada de novos clientes

e)    Chance de clientes reduzirem seus planos

03  – O que é Generalização?

a)     Generalização é a propriedade de uma propriedade

b)    Generalização é a propriedade de um grafo

c)     Generalização é a propriedade de um modelo ou processo de modelagem, em que o modelo se aplica aos dados que não foram utilizados para construí-lo

d)    Neste exemplo, o modelo não se generaliza além dos dados que foram utilizados para construí-lo

e)    Ele é adaptado, ou “ajustado”, perfeitamente aos dados de treinamento

04  – O que um gráfico de ajuste mostra?

a)     Um gráfico de ajuste mostra a precisão de um modelo como uma função da complexidade

b)    Um gráfico de ajuste mostra a flexibilidade de um modelo como uma função da complexidade

c)     Um gráfico de ajuste mostra a precisão de um modelo como uma função da simplicidade

d)    Um gráfico de ajuste oculta a precisão de um modelo como uma função da complexidade

e)    Um gráfico de ajuste mostra a precisão de um modelo como um processo da complexidade

05  – Por que o Sobreajuste é ruim?

a)     O sobreajuste e é incapaz de generalizar

b)    O sobreajuste nos impede de melhorar um modelo

c)     O sobreajuste costuma piorar os modelos

d)    O sobreajuste costuma melhorar os modelos

e)    O sobreajuste ajuda a melhorar um modelo

06  – O que é Similaridade?

a)     A similaridade pode ser usada para fazer classificação e regressão

b)    A similaridade pode ser usada para fazer re-classificação e regressão

c)     A similaridade pode ser usada para fazer classificação e progressão

d)    A similaridade pode ser usada para fazer re-classificação e progressão

e)    A similaridade pode ser usada para neutralizar classificação e regressão

07  – Como a Amazon e a Netflix usam a similaridade?

a)     Varejistas modernos como Amazon e Netflix usam a similaridade para fornecer recomendações de produtos semelhantes ou a partir de pessoas semelhantes

b)    Sempre que vemos afirmações como “Pessoas que gostaram de X também gostaram de Y”

c)     Recomendações por aleatoriedade

d)    Recomendações por lançamentos

e)    Recomendações por filmes mais antigos

08  - Como funciona o Raciocínio do Vizinho Mais Próximo ?

a)     Podemos usar esta medida para encontrar as empresas mais semelhantes aos nossos melhores clientes corporativos ou consumidores online mais semelhantes aos nossos melhores clientes de varejo

b)    Podemos usar esta medida para encontrar as empresas mais semelhantes aos nossos melhores clientes corporativos ou consumidores online mais semelhantes aos nossos melhores clientes de atacado

c)     Podemos usar esta medida para encontrar os clientes mais semelhantes aos nossos melhores empresas corporativos ou consumidores online mais semelhantes aos nossos melhores clientes de varejo

d)    Podemos usar esta medida para encontrar as empresas mais diferentes aos nossos melhores clientes corporativos ou consumidores online mais semelhantes aos nossos melhores clientes de varejo

e)    Podemos usar esta medida para encontrar as empresas mais semelhantes aos nossos piores clientes corporativos ou consumidores online mais semelhantes aos nossos melhores clientes de varejo