Questões de Concurso Público DATAPREV 2023 para Analista de Tecnologia da Informação - Perfil: Inteligência da informação
Foram encontradas 15 questões
A redução de dimensionalidade é uma técnica que reduz a quantidade de atributos que descrevem um objeto, mantendo a integridade dos dados originais.
A regra de associação é uma técnica que busca relações de co-ocorrência entre objetos de uma base de dados.
A compressão de atributos é uma técnica de redução de dimensionalidade na qual atributos irrelevantes ou redundantes são identificados e desconsiderados.
O PCA é um procedimento estatístico que converte um conjunto de objetos com atributos possivelmente correlacionados em um conjunto de objetos com atributos linearmente descorrelacionados.
O algoritmo k-means seleciona objetos reais de uma base de dados como centroide do grupo para realizar o agrupamento de objetos semelhantes.
O algoritmo k-means é utilizado para realizar o agrupamento de dados e opera por meio de refinamento interativo.
Julgue o próximo item, relativos a aprendizado de máquina.
As técnicas de regressão utilizam um conjunto finito de
hipóteses para, a partir dos atributos previsores, determinar a
categoria de um objeto do conjunto de dados analisado.
Os algoritmos SVM (support vector machines) realizam apenas tarefas de regressão.
A técnica de agrupamento é um tipo de aprendizado não supervisionado em que o algoritmo identifica padrões em um conjunto de dados de entrada sem ter recebido qualquer feedback prévio.
O aprendizado por reforço é um tipo de aprendizagem de máquina que tem por objetivo prever o resultado de um atributo alvo exclusivamente por meio de reforço no treinamento do modelo.
As conexões entre as camadas de uma rede neural do tipo MLP são de natureza feedfoward.
Nas redes neurais completamente conectadas, todos os neurônios de uma camada estão conectados aos neurônios da camada seguinte, no entanto, não é possível que as saídas das camadas posteriores alimentem a entrada de camadas anteriores.
As redes neurais têm a capacidade de adaptar seus pesos sinápticos considerando as mudanças de padrão dos dados de entrada.
Backpropagation propaga o erro da camada de saída para as camadas intermediárias de uma rede neural a fim de que estas possam modificar seus pesos de forma a minimizar o erro médio.
Apesar das CNN serem redes neurais profundas, com várias camadas ocultas, elas são dispensadas nos algoritmos de reconhecimento de imagens.