Questões de Concurso Público TJ-AC 2024 para Analista Judiciário - Analista de Ciência de Dados
Foram encontradas 7 questões
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457910
Algoritmos e Estrutura de Dados
Para classificar os processos tramitados no TJ-AC em
duas categorias (deferidos e indeferidos), um analista
escolheu um algoritmo que divide os dados de entrada em
duas regiões separadas por uma linha e resulta em uma
simetria na classificação, de forma que o ponto mais
próximo de cada classe está a uma distância d do ponto
médio entre os dois grupos de classe (hiperplano). O
algoritmo descrito é denominado:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457911
Algoritmos e Estrutura de Dados
Observe o gráfico a seguir.
Disponível em: <http://cursos.leg.ufpr.br/ML4all/apoio/reamostragem.html>. Acesso em: mar. 2024.
O gráfico representa as regiões de overfitting e underfitting, permitindo uma avaliação do relacionamento da complexidade do modelo de aprendizagem de máquina com o erro de predição. A partir do exposto no gráfico, o erro de generalização do modelo ocorre na região:
Disponível em: <http://cursos.leg.ufpr.br/ML4all/apoio/reamostragem.html>. Acesso em: mar. 2024.
O gráfico representa as regiões de overfitting e underfitting, permitindo uma avaliação do relacionamento da complexidade do modelo de aprendizagem de máquina com o erro de predição. A partir do exposto no gráfico, o erro de generalização do modelo ocorre na região:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457912
Algoritmos e Estrutura de Dados
Seja a matriz de confusão obtida na avaliação de
desempenho de um modelo de aprendizado treinado para
classificar processos julgados pelo TJ-AC:
Os valores da performance geral, da sensibilidade e da precisão do modelo são, respectivamente:
Os valores da performance geral, da sensibilidade e da precisão do modelo são, respectivamente:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457926
Algoritmos e Estrutura de Dados
Redes neurais recorrentes (RNNs) são modelos de
aprendizado profundo treinados para reconhecer padrões
em dados sequenciais (texto, imagens, genomas,
caligrafia, palavra falada ou dados de séries numéricas),
em que componentes se inter-relacionam com base em
regras complexas de semântica e sintaxe. São
características das redes neurais recorrentes:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457928
Algoritmos e Estrutura de Dados
Os algoritmos de agrupamento buscam identificar padrões
existentes em conjuntos de dados, podendo ser do tipo
particionais, hierárquicos ou baseados na otimização da
função custo. É um exemplo de agrupamento hierárquico:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457932
Algoritmos e Estrutura de Dados
Uma Rede Neural Convolucional (do inglês, Convolutional
Neural Network - CNN) é um algoritmo de aprendizado de
máquina profundo que pode, a partir dos dados de entrada,
atribuir importância (pesos e vieses que podem ser
aprendidos) a vários aspectos dos dados e, portanto, obter
maior diferenciação. São características da arquitetura das
redes neurais convolucionais:
Ano: 2024
Banca:
IV - UFG
Órgão:
TJ-AC
Prova:
CS-UFG - 2024 - TJ-AC - Analista Judiciário - Analista de Ciência de Dados |
Q2457933
Algoritmos e Estrutura de Dados
Máquinas de vetores de suporte (do inglês, Support Vector
Machine - SVM) são algoritmos de aprendizado de
máquina que possibilitam a implementação de
classificadores. Os modelos implementados a partir desses
algoritmos utilizam funções kernel, conferindo como
vantagem:
Conheça nossos planos