Logo Mapa da Prova

Questões de Tecnologia da Informação - Aprendizado de máquina

    Nenhum resultado
    Nenhum resultado
    Nenhum resultado
    Nenhum resultado
    Nenhum resultado
    Nenhum resultado
    Nenhum resultado
    Nenhum resultado
    Nenhum resultado
    Nenhum resultado

Limpar pesquisa

Configurar questões
Tamanho do Texto
Modo escuro

Questão: 1 de 24

410375

copy

Banca: CESPE / Cebraspe

Órgão: SERPRO

Cargo(s): Analista - Redes | Ciência de Dados

Ano: 2021

Matéria/Assunto: Tecnologia da Informação > Aprendizado de máquina

Determinado parâmetro β será estimado recursivamente
com a ajuda de um método de otimização matemática com base
em uma função objetivo g(β). Para essa estimação, a base de
dados de treinamento consistirá de n observações.


Considerando essa situação hipotética, julgue o item que se
segue.
Entre as condições ideais relativas à função objetivo g(β) para a aplicação do método do gradiente descendente incluem-se convexidade, continuidade e diferenciabilidade.

Questão: 2 de 24

410371

copy

Banca: CESPE / Cebraspe

Órgão: SERPRO

Cargo(s): Analista - Redes | Ciência de Dados

Ano: 2021

Matéria/Assunto: Tecnologia da Informação > Aprendizado de máquina

Dados ausentes são muito comuns em aplicações que
envolvem preenchimentos de formulários. Para o seu tratamento
estatístico, encontra-se, na literatura, uma taxonomia para o
mecanismo gerador de dados ausentes que os classifica em tipos
como MAR (missing at random), MCAR (missing completely at
random) e MNAR (missing not at random).


Considerando essas informações, julgue o item subsequente,
relativos ao tratamento de dados ausentes.
Os dados ausentes do tipo MAR são aqueles que dependem de fatores — ou variáveis — observáveis, como, por exemplo, o horário de preenchimento de um formulário.

Questão: 3 de 24

410372

copy

Banca: CESPE / Cebraspe

Órgão: SERPRO

Cargo(s): Analista - Redes | Ciência de Dados

Ano: 2021

Matéria/Assunto: Tecnologia da Informação > Aprendizado de máquina

Dados ausentes são muito comuns em aplicações que
envolvem preenchimentos de formulários. Para o seu tratamento
estatístico, encontra-se, na literatura, uma taxonomia para o
mecanismo gerador de dados ausentes que os classifica em tipos
como MAR (missing at random), MCAR (missing completely at
random) e MNAR (missing not at random).


Considerando essas informações, julgue o item subsequente,
relativos ao tratamento de dados ausentes.
Para o tratamento estatístico de valores ausentes do tipo MCAR, é suficiente preencher com zeros as lacunas existentes em um conjunto de dados.

Questão: 4 de 24

410373

copy

Banca: CESPE / Cebraspe

Órgão: SERPRO

Cargo(s): Analista - Redes | Ciência de Dados

Ano: 2021

Matéria/Assunto: Tecnologia da Informação > Aprendizado de máquina

Determinado parâmetro β será estimado recursivamente
com a ajuda de um método de otimização matemática com base
em uma função objetivo g(β). Para essa estimação, a base de
dados de treinamento consistirá de n observações.


Considerando essa situação hipotética, julgue o item que se
segue.
O gradiente descendente em lote é um método probabilístico de otimização no qual, para cada iteração, encontram-se L × n observações geradas mediante amostragem (com reposição) da base de dados de treinamento (em que L representa o número de lotes, com L > 1).

Questão: 5 de 24

410374

copy

Banca: CESPE / Cebraspe

Órgão: SERPRO

Cargo(s): Analista - Redes | Ciência de Dados

Ano: 2021

Matéria/Assunto: Tecnologia da Informação > Aprendizado de máquina

Determinado parâmetro β será estimado recursivamente
com a ajuda de um método de otimização matemática com base
em uma função objetivo g(β). Para essa estimação, a base de
dados de treinamento consistirá de n observações.


Considerando essa situação hipotética, julgue o item que se
segue.
O método do gradiente descendente é equivalente ao método de Newton-Raphson, no qual o incremento, para a estimação do parâmetro β, depende da primeira e da segunda derivada da função objetivo g(β).