__________ é um método de classificação binária que traça um hiperplano ótimo que maximiza a margem de separação entre duas classes de dados. A etapa principal do algoritmo é descobrir os vetores que são as instâncias equidistantes do hiperplano.
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.

__________ é uma classe de métodos ensemble que utiliza classificadores de árvore de decisão. É uma combinação de preditores de árvores tal que cada árvore depende dos valores de um vetor aleatório amostrado independentemente e com a mesma distribuição para todas as árvores.
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.

Analise as assertivas abaixo sobre o método de agrupamento k-means:
I. Dada uma coleção de objetos, cada um com n atributos, k-means é um método que, para I - um valor escolhido de k, identifica k grupos de objetos com base na proximidade dos objetos com relação ao centroide do grupo. O centro é determinado como a média do vetor n-dimensional de atributos de cada grupo.
II. Por ser um método supervisionado, o K-means ajuda a excluir a subjetividade das análises.
III. K-means é um método para definir agrupamentos. Uma vez que os agrupamentos e os seus centroides são identificados, é fácil classificar novos objetivos para um cluster baseado na distância do objeto do centroide mais próximo.
Quais estão corretas?

Relacione a Coluna 1 à Coluna 2, associando as categorias de aprendizado de máquina às suas características.
Coluna 1 1. Aprendizado Supervisionado. 2. Aprendizado Não Supervisionado. 3. Aprendizado Profundo. 
Coluna 2  ( ) O algoritmo recebe um conjunto de dados rotulados e aprende comparando a saída do modelo com a saída esperada, reajustando seus parâmetros até chegar em um limiar aceitável e pré-determinado a priori.
( ) Os algoritmos buscam encontrar padrões ou estruturas em conjuntos de dados não rotulados, por exemplo, gerando agrupamentos de dados.
( ) Conjunto de algoritmos que modelam abstrações de alto nível de dados usando grafos com várias camadas de processamento, compostas de várias transformações lineares e não lineares.
( ) Processo de aprendizado baseado em redes neurais com várias camadas (em geral, mais de cinco camadas): entrada, saída e oculta.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:

Qual é a etapa de modelagem da metodologia CRISP-DM na qual são tratados os valores nulos e pode ser necessário fazer fusão com outros dados? 

Sabendo que existe, na organização em que trabalha, uma base de dados formada por uma grande tabela que contém apenas o id do cliente e colunas do tipo booleano indicando se um cliente possuía ou já tinha possuído cada produto da organização, um funcionário de TI resolveu dividir os clientes em grupos apenas com base nessa informação, utilizando aprendizado de máquina.
Para essa tarefa, o funcionário de TI deve utilizar o aprendizado de máquina

Suponha que um modelo de classificação binária foi treinado para distinguir e-mails de spam de e-mails legítimos. O modelo foi testado em um conjunto de dados de teste com 200 e-mails, sendo 100 e-mails de spam e 100 e-mails legítimos.
A matriz de confusão é dada por 80 verdadeiros positivos, 85 verdadeiros negativos, 15 falsos positivos (erro tipo 1) e 20 falsos negativos (erro tipo 2). 
Nessas condições, o F1-Score do modelo deve ser aproximadamente igual a 

Sobre detecção de anomalias, analise as afirmativas a seguir.
I. São exemplos de detecção de anomalias: detecção de fraude, detecção de intrusão, monitoramento de sistemas de saúde, qualidade de um produto. II. São métodos que conseguem lidar com detecção de anomalias: algoritmos baseados em densidade, análise de agrupamento, redes neurais recorrentes, redes bayesianas e modelos de Markov escondidos. III. A distribuição normal é a distribuição mais comum dos dados considerados dentro de uma normalidade, porém, podemos obter normalidade também por meio de outros tipos de distribuição como a distribuição de Bernoulli, distribuição uniforme, distribuição binomial e distribuição de Minkowski. IV. A métrica de avaliação desses métodos pode ajudar na identificação de dados fora do padrão. Portanto, as métricas de precisão, sensibilidade e medida-F1 são exemplos de métricas utilizadas para detecção de anomalias.
Está correto o que se afirma em

 Considere o seguinte texto:

Em análise de dados, muitos problemas práticos possuem registros históricos relacionando situações específicas com determinados resultados. Por exemplo, as administradoras de cartões de crédito que possuem registros de transações, incluindo as regulares e as fraudulentas, as montadoras que sabem o histórico de compras de um determinado veículo discriminado por país, estado, cidade e até perfil de cliente, as empresas distribuidoras de canais por assinatura que conseguem relacionar perfil do cliente com os seriados consumidos e vários outros exemplos. Nestas situações nas quais cada registro possui um rótulo de classe ou um valor de saída associado que representa o resultado histórico de registros passados, “o objetivo da análise é, quase invariavelmente, construir um modelo que possa ser usado para predizer qual seria essa saída para novos registros, ou seja, registros cuja classe ou valor de saída são desconhecidos”.

(CASTRO, Leandro Nunes de; FERRARI, Daniel Gomes. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016.)

A respeito de análise e mineração de dados, assinale a alternativa correta. 

Considere o seguinte texto:

As funcionalidades da mineração de dados são usadas para especificar os tipos de informações a serem obtidas nas tarefas de mineração e podem ser classificadas em duas: descritivas e preditivas. Em muitos casos, o usuário não tem ideia do tipo de conhecimento contido nos dados ou como usá-lo para gerar modelos, tornando importante a capacidade das ferramentas de mineração em encontrar diferentes tipos de conhecimento. O tipo de aprendizagem, por sua vez, pode ser supervisionado ou não supervisionado.

(CASTRO, Leandro Nunes de; FERRARI, Daniel Gomes. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016.)

Sobre as tarefas e métodos de mineração de dados, assinale a alternativa correta.

Considere o seguinte texto:

Castro e Ferrari (2016), na obra Introdução à Mineração de Dados, explicam que uma anomalia (outlier) é um objeto que difere do padrão normal esperado, ou ainda, “um objeto que se diferencia substancialmente de outros objetos da mesma amostra ou grupo”. Os autores mencionam que a detecção de anomalias tem sido usada “há séculos para detectar e, quando apropriado, executar alguma tomada de decisão sobre objetos anômalos da base de dados”. Várias nomenclaturas são usadas quase indistintamente para detecção de anomalias, como detecção de novidades, detecção de ruídos, detecção de desvios, detecção de falhas, detecção de exceções e mineração de exceções.

(CASTRO, Leandro Nunes de; FERRARI, Daniel Gomes. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016.)

A respeito da análise de anomalias (outliers), assinale a alternativa correta.

 A Mineração de Dados é comumente classificada por sua capacidade em realizar determinadas tarefas. Em uma auditoria, por exemplo, separar comportamentos suspeitos, é uma tarefa realizada pelo(a): 

A Mineração de Dados é comumente classificada pela sua capacidade em realizar determinadas tarefas. Qual das tarefas abaixo descreve a natureza de ocorrências futuras, de certos eventos, com base nos acontecimentos passados?