Suponha o problema de indicadores econômicos ou de mercado futuro, nos quais se tenta prever o próximo valor analisando os dados de algumas variáveis (atributos descritivos) historicamente armazenados em um conjunto de dados. Qual é o modelo preditivo que pode ser utilizado para estimar os valores a partir de um conjunto de dados históricos? 

Analise as assertivas abaixo sobre o algoritmo Naive Bayes:
I. Trata-se de um classificador que se baseia na probabilidade de cada evento ocorrer, desconsiderando a correlação entre features. Isso significa que se o valor de um atributo exerce algum efeito sobre a distribuição de classes existentes no conjunto, esse efeito é independente dos valores assumidos por outros atributos e de seus respectivos efeitos sobre a mesma distribuição de classe. II. Em um processo de classificação no qual um exemplar com rótulo desconhecido seja apresentado ao classificador, o algoritmo tomará a decisão sobre a qual classe o exemplar deve estar associado, por meio do cálculo de probabilidades condicionais, ou seja, as probabilidades de ele pertencer a cada uma das classes existentes no conjunto de dados de treinamento. III. Uma aplicação que pode se beneficiar do uso do algoritmo Naive Bayes é identificar se um determinado e-mail é um spam ou não.
Quais estão corretas? 

Analise as assertivas a seguir sobre o algoritmo K-NN (k-vizinhos mais próximos):
I. A distância de cosseno é a métrica mais comumente utilizada, pois possui a propriedade de representar a distância física entre dois pontos em um espaço d-dimensional. A representação é realizada através de uma linha contínua entre os dois exemplares, que no espaço d-dimensional forma um triângulo e, então, a distância de cosseno é o cálculo da hipotenusa desse triângulo. II. A classificação de um exemplar, cuja classe é desconhecida, é realizada a partir da comparação desse exemplar com aqueles que possuem uma classe conhecida. O princípio do algoritmo é armazenar o conjunto de treinamento e realizar comparações entre o exemplar de teste e os exemplares armazenados a cada vez que um exemplar de teste é armazenado. III. O processamento do algoritmo é extremamente rápido, independentemente da quantidade de exemplares do conjunto de dados de treinamento. Trata-se de um estilo de processamento conhecido como naive evaluation (avaliação ingênua), já que não há um trabalho prévio de indução do modelo.
Quais estão corretas? 

Ainda que aprendizagem de máquina seja uma ferramenta poderosa para a aquisição automática de conhecimento, deve ser observado que não existe um único algoritmo que apresente o melhor desempenho para todos os problemas. Sobre os algoritmos empregados na aprendizagem de máquina, quando o desenvolvedor ajusta muito bem um algoritmo de aprendizado, ou os seus parâmetros, para otimizar o seu desempenho em todos os exemplos disponíveis ocorre: 

A necessidade de estar em constante aprimoramento das organizações transcendeu do objetivo de conhecer seu ambiente para predizer e prescrever por meio de modelos. Sobre modelos preditivos e prescritivos, assinale a afirmativa correta. 

Considerada uma evolução da área de recuperação de informações, mineração de textos é um processo de descoberta de conhecimento, que utiliza técnicas de análise e extração de dados a partir de textos, frases ou apenas palavras. A primeira etapa do processo de descoberta de conhecimento em textos, a qual envolve a seleção dos dados que constituem a base de textos de interesse e o trabalho inicial para tentar selecionar o núcleo que melhor expressa o conteúdo destes textos é:

A maior parte das pessoas não ligadas à área de informática ignoram o potencial dos computadores e imagina que eles são capazes de tratar apenas com dados numéricos. As informações tratadas em um algoritmo podem ser classificadas em dois tipos: Variáreis e Constantes. Acerca das variáveis, assinale a alterativa incorreta.

O pensamento computacional tem a finalidade de contribuir para o desenvolvimento do raciocínio por meio de quatro pilares. Associe a segunda coluna de acordo com a primeira que relaciona os tópicos acima do Pensamento Computacional às suas definições:

Primeira coluna:

I- Decomposição.
II- Reconhecimento de padrões.
III- Abstração.
IV- Algoritmos.

Segunda coluna:

(__) Processo que divide os problemas em partes menores para facilitar a resolução, desenvolvimento e gerenciamento. Se faz necessário analisar os problemas para identificar as partes que podem ser separadas, além de pensar em formas de como retornar para o problema inicial.

(__) Filtragem e classificação dos dados, criando mecanismos que permitam separar apenas os elementos essenciais em determinado problema, ignorando detalhes irrelevantes. Permite criar uma representação (ideia) do que está tentando resolver.

(__) É uma sequência finita de etapas ou passos, cada qual executável em um tempo finito, por um agente computacional, natural (humano) ou sintético (computador). É um plano, uma estratégia ou um conjunto de instruções ordenadas para uma solução de um problema ou execução de uma tarefa.

(__) Os padrões são características que alguns problemas compartilham. A previsibilidade para o próximo número, dada uma certa sequência, é exemplo desse pilar.

Assinale a alternativa que apresenta a correta associação entre as colunas:

São a base do processo de desenvolvimento de software e fazem parte das ferramentas pelas quais programadores criam estratégias para fracionar problemas em etapas e processos que podem ser traduzidos computacionalmente. Na tecnologia, há exemplos de todos os níveis de complexidade.

Marque a alternativa CORRETA que corresponde ao contexto acima.

A árvore de decisão é um tipo de algoritmo de aprendizagem de máquina supervisionado, que se baseia na ideia de divisão dos dados em grupos homogêneos, e é utilizado para classificação ou regressão. O objetivo da árvore de decisão é encontrar o atributo que gera a melhor divisão dos dados, isto é, para gerar subconjuntos com maior “pureza”. Selecione a alternativa que NÃO apresenta métrica empregada para a definição do melhor atributo para dividir os dados.

O algoritmo K-NN (K Nearest Neighbor) é um dos algoritmos mais utilizados em Machine Learning, além de ser simples se comparado aos demais. Esse algoritmo é muito utilizado em problemas de classificação, mas pode ser aplicado para regressão. Selecione a opção que NÃO representa uma prática eficiente para preparação dos dados com a aplicação desse algoritmo.

Após coletar um conjunto de dados com histórico de alunos, você foi designado para criar um modelo que classifique um aluno em um determinado conceito (A, B, C, D, E). Apesar de não esperar muita precisão em tal modelo, você conta com vários registros anonimizados para treino. Com base nesses dados, você investiga algoritmos para tal tarefa. Para isso, considere as duas questões abaixo.
(I) Qual algoritmo poderia ser usado para criar um modelo autoexplicativo que classifique um aluno com base em seu histórico? (II) De qual tipo de algoritmo estamos falando?
Considerando as opções a seguir, assinale a alternativa que apresenta a resposta correta para as duas questões.