Explore as questões disponíveis e prepare-se para seus estudos!
Analise as afirmativas abaixo no contexto de modelagem preditiva.
1. As técnicas de armazenamento em cluster não requerem que o número de clusters seja fornecido antes do treinamento. Se o número for muito pequeno, o modelo pode perder semelhanças importantes nos dados de entrada. E se o número for muito grande, ele pode perder diferenças importantes.
2. Árvores de decisão, redes neurais e modelos
de regressão empregam aprendizado supervisionado para criar a função de mapeamento
entre um conjunto de campos de dados de
entrada e uma variável de destino.
3. Backpropagation é um algoritmo que permite que um erro seja propagado de volta à rede neural, e que seja utilizado para ajustar os pesos das sinapses que ligam os nós da rede.
Assinale a alternativa que indica todas as afirmativas corretas.
Em relação ao uso de inteligência artificial para a automação de operações florestais, julgue o próximo item.
No treinamento de modelos de aprendizado de máquina aplicados a operações florestais, pode ocorrer underfitting quando o modelo aprende padrões específicos dos dados de treinamento, mas não faz boas generalizações para novos dados.
Tendo em vista os recentes avanços da inteligência artificial na bioinformática, julgue o item a seguir.
Na detecção e na classificação de elementos transponíveis por aprendizado de máquina, o conjunto de dados pode ser altamente desequilibrado, o que torna inadequadas algumas métricas, como precisão e curvas ROC (receiver operating characteristic).
Acerca dos contextos relacionados à inteligência artificial generativa, assinale a alternativa que apresenta o conceito mais adequado à explicação a seguir:
“É a prática de criar e ajustar instruções, sem a necessidade de retreinar o modelo, de forma estratégica, para orientá-lo a produzir respostas mais precisas e úteis.”
Considerando a aplicação de aprendizado de máquina para monitoramento de florestas, julgue o item a seguir.
A acurácia de um modelo classificador mede a taxa de previsões corretas, em relação ao total de previsões positivas.