2. Questões de Concurso

Filtrar

Questões por página:
Um analista da PPSA avaliou um estagiário recém-contratado no setor de gestão de dados da companhia. O analista perguntou ao estagiário qual função do SQL deverá ser utilizada para verificar se o resultado de uma consulta aninhada correlacionada é vazia ou não. A resposta CORRETA é: 
Aprendizado supervisionado é uma técnica que usa dados rotulados para treinar algoritmos, com o objetivo de que esses algoritmos aprendam a relação entre as entradas e as saídas.
Observe as afirmativas a seguir, em relação a Regressão e Classificação em Aprendizado Supervisionado:
I.Algoritmos Naive Bayes e K-NN são classificadores de máquina que podem ser usados para resolver problemas de classificação.
II.Ensembles são técnicas que combinam várias hipóteses para criar um preditor mais preciso 
III.No aprendizado Supervisionado com R queremos ser capaz de classificar outros dados do mesmo tipo e que ainda não foram rotulados, com base no conjunto de dados já rotulados que sabemos qual é a nossa saída correta e que deve ser semelhante ao conjunto.
Assinale a alternativa correta.
Em aprendizado de máquina, muitos algoritmos requerem que os dados de entrada sejam numéricos. No entanto, é comum lidar com variáveis categóricas, que representam categorias ou rótulos, como "vermelho", "azul", "verde" para cores, ou "masculino" e "feminino" para sexo. Para que esses dados possam ser utilizados efetivamente em modelos preditivos, é necessário transformá-los em uma representação numérica adequada. Ao lidar com dados categóricos, qual das seguintes técnicas é comumente utilizada para transformá-los em uma representação adequada para modelos de aprendizado de máquina? 
Hiperparâmetros são variáveis de configuração que controlam o treinamento de modelos de aprendizado de máquina (ou, machine learning).
No ajuste de hiperparâmetros, também conhecido como otimização de hiperparâmetros, busca-se: 
O overfitting, é um fenômeno em aprendizado supervisionado onde um modelo se ajusta excessivamente aos dados de treinamento, capturando não apenas os padrões gerais, mas também o "ruído" ou particularidades específicas desses dados. Como resultado, embora o modelo apresente excelente desempenho nos dados de treinamento, sua capacidade de generalização para novos dados é comprometida, levando a previsões imprecisas em cenários não vistos anteriormente. O que caracteriza o overfitting em um modelo de aprendizado supervisionado?
© 2016-2026 Fonte Concursos - Questões de Concurso e Plano de Estudo