IA para Todos - Questionário

JavaScript isn't enabled in your browser, so this file can't be opened. Enable and reload.

Email *

Nome *

Curso/Trabalho *

Em uma empresa, o gerente precisou que os clientes fossem agrupados a partir de suas características, de forma que fossem direcionadas estratégias de marketing por perfil. Esse tipo de metodologia se enquadra em que tipo de aprendizagem de máquina? *

Aprendizagem supervisionada

Aprendizagem por reforço

Aprendizagem não supervisionada

Aprendizagem semisupervisionada

A previsão ou saída de um modelo supervisionado pode ser de várias formas. Nesse contexto, em uma solução onde busco o valor do preço de um imóvel, devo utilizar um método que trate de problemas de que categoria? *

Regressão

Classificação

Otimização

Agrupamento

Uma das etapas mais importantes para o uso de métodos de aprendizagem de máquina é o pré-processamento. Nela, ajustamos, por exemplo, problemas com classes desbalanceadas. Quais técnicas são possíveis soluções para essa situação? *

Redefinir o tamanho do conjunto de dados

Utilizar diferentes custos de classificação para as diferentes classes

Induzir um modelo para uma classe

Criar dados independente da estatística descritiva da base de dados original

Required

Usando um neurônio artificial, conseguimos apenas criar classificadores que separam classes linearmente. Como podemos resolver isso utilizando redes neurais? *

Aumentando a taxa de aprendizagem

Usando a função de ativação sigmoide

Usando redes neurais com múltiplas camadas

Adicionando o viés na entrada do neurônio

Não é possível resolver isso com redes neurais

Em uma rede neural convolucional (CNN), usualmente temos imagens como entradas. Quantos valores de entradas recebe uma CNN se uma imagem de altura 10, largura 5 e com 3 canais (RGB) for utilizada? *

150

Qual a principal diferença entre o modelo Bag of Words (BoW) e o TF-IDF? *

O BoW cria vetores com mais dimensões que o TF-IDF

O BoW cria vetores com menos dimensões que o TF-IDF

O TF-IDF penaliza palavras que aparecem muitas vezes nos textos

O TF-IDF bonifica palavras que aparecem muitas vezes nos textos

O TF-IDF é mais rápido que o BoW

Em uma tarefa de diagnóstico automático de uma doença que pode ser fatal, você deve escolher um entre dois modelos. Qual modelo fará com que mais pessoas que realmente têm a doença sejam tratadas? *

Treinar uma regressão logística usando a base inteira.

Treinar uma árvore de decisão usando a base inteira.

Treinar vários modelos e compará-los usando a base inteira, selecionando o mais acurado.

Separar os dados em um conjunto de treinamento e outro de teste, para avaliar os diversos modelos.

Preparar um experimento usando validação cruzada para comparar os diversos modelos.

Em um problema de classificação binário com classes balanceadas, você treinou um classificador com acurácia de 0,1%. O que você pode fazer diante dessa situação? *

Descartar o seu modelo, pois seu desempenho é muito fraco.

Inverter as predições do seu modelo. Como há apenas 2 classes, o modelo invertido terá acurácia de 99,9%

Tentar obter dados de treinamento diferentes. Estes contêm muito ruído.

Testar outros valores para os parâmetros do algoritmo.

K-vizinhos mais próximos com 79% de acurácia e cobertura de 94% para a classe positiva.

Árvore de decisão com 93% de acurácia e cobertura de 57% para a classe positiva.

A copy of your responses will be emailed to the address you provided.

Submit

Clear form

Never submit passwords through Google Forms.

reCAPTCHA

Privacy Terms

This form was created inside of Centro de Informatica - UFPB. Report Abuse

Forms