Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.

A utilização de valores aleatórios nos métodos modernos de inicialização dos pesos das camadas das redes neurais artificiais (RNA) permite evitar o problema do desaparecimento do gradiente (vanishing gradient problem).

Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.

As redes neurais convolucionais (CNN) são aplicadas exclusivamente a problemas de regressão de dados, a partir da utilização da função de regressão logística.  

Julgue o próximo item, a respeito dos métodos de aprendizagem de máquina.

As aplicações em inteligência artificial são definidas como uma subárea da área de aprendizagem de máquina (machine learning).

Em relação a aprendizado não supervisionado, julgue o item que se segue. 

O modelo de mistura gaussiana (GMM) é um método que descreve um agrupamento de amostras para determinado espaço de características, em que o GMM é uma mistura de k distribuições gaussianas associadas à mudança de estado dos pixels.

Em relação a aprendizado não supervisionado, julgue o item que se segue. 

A técnica de redução de dimensionalidade (PCA) permite transformar dados que inicialmente pertencem a um espaço de dimensão n  em um espaço de dimensão m , em que m < n, sendo utilizada, por exemplo, para reduzir a dimensionalidade de certo conjunto de dados através do descarte de características não úteis e que ainda permita realizar o reconhecimento de padrões. 

Em relação a aprendizado não supervisionado, julgue o item que se segue. 

O algoritmo random forest é um algoritmo de aprendizado de máquina supervisionado em que se agrupam os resultados de várias árvores de decisão de cada nó para se obter uma conclusão própria e aumentar a precisão do modelo, não sendo o referido algoritmo adequado para grandes conjuntos de dados.  

Em relação a aprendizado não supervisionado, julgue o item que se segue. 

A ação de realizar agrupamento hierárquico tem como premissa básica encontrar elementos em um conjunto de dados que impliquem a presença de outros elementos na mesma transação, com um grau de certeza definido pelos índices de fator de suporte e o fator de confiança, que pode ser realizado, por exemplo, por meio do algoritmo a priori. 

Em relação a aprendizado não supervisionado, julgue o item que se segue. 

A validação cruzada pode ser utilizada para detectar quando uma rede neural está sendo treinada de maneira excessiva (overtraining) e assim interromper o treinamento antes que isso ocorra, como, por exemplo, por meio do princípio orientador atrativo para o ajuste dos pesos e bias durante o processo de treinamento da RNA. 

Julgue o item a seguir, relativos a aprendizado supervisionado.  

O trade off entre variância e viés é afetado pela utilização de polinômios, com graus que variam de zero a três, em que o emprego de polinômios de ordem ímpar produz sempre melhores resultados no que diz respeito à redução da variância e viés que os de ordem par, seja para estimativas com regressões locais constantes e lineares, seja para as estimativas de ordem quadrática e cúbica.

Julgue o item a seguir, relativos a aprendizado supervisionado.  

A despeito do alto grau de aplicabilidade das técnicas de regularização na classificação e na regressão, no que se refere à sua acurácia, tais técnicas tendem a causar o sobreajuste (overfitting) devido à influência de coeficientes responsáveis por flutuações excessivas.

Julgue o item a seguir, relativos a aprendizado supervisionado.  

As técnicas de regressão são utilizadas tanto para prever quando para entender como o sinal avaliado é afetado pela variação dos preditores, ou ainda, para identificar os preditores mais importantes na relação entre o sinal avaliado e cada um deles.

Julgue o item a seguir, relativos a aprendizado supervisionado.  

Em se tratando de modelos de regressão linear, indica-se a utilização dos seguintes métodos não paramétricos para a estimação dos resultados: mínimos quadrados (MQ) e de support vector machines (SVM).