Questões de Concurso Público DATAPREV 2024 para ATI - Inteligência da Informação
Foram encontradas 4 questões
Ano: 2024
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |
Q3086076
Engenharia de Software
O algoritmo de redução de dimensionalidade conhecido como
Análise de Componentes Principais (PCA – Principal Component
Analysis) possui características importantes.
Dada a escolha de um número k de componentes principais e um conjunto de dados X com cinco variáveis A, B, C, D e E, o PCA
Dada a escolha de um número k de componentes principais e um conjunto de dados X com cinco variáveis A, B, C, D e E, o PCA
Ano: 2024
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |
Q3086079
Engenharia de Software
Um conjunto de dados foi particionado em dois subconjuntos,
sendo um de treinamento e outro de testagem, ambos utilizados
exclusivamente para serem usados em seus objetivos originais
(dados de treino para treinamento, e de teste para testagem).
Em relação ao ajuste e validação de modelos em aprendizado de máquina, um modelo sofre overfitting quando
Em relação ao ajuste e validação de modelos em aprendizado de máquina, um modelo sofre overfitting quando
Ano: 2024
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |
Q3086080
Engenharia de Software
A validação cruzada é uma importante técnica em aprendizado de
máquina, usada para obter uma estimativa mais robusta do erro
de generalização. Dessa forma, ela contribui para a construção de
modelos mais confiáveis, permitindo uma avaliação mais precisa
de sua capacidade preditiva em diferentes cenários.
Uma das características da validação cruzada com k conjuntos é que esse método
Uma das características da validação cruzada com k conjuntos é que esse método
Ano: 2024
Banca:
FGV
Órgão:
DATAPREV
Prova:
FGV - 2024 - DATAPREV - ATI - Inteligência da Informação |
Q3086081
Engenharia de Software
Support Vector Machines (SVMs) é um método de aprendizado de
máquina que pode ser aplicado em áreas como reconhecimento
de padrões, bioinformática e detecção de fraudes, devido à sua
capacidade de lidar com dados complexos.
Nesse contexto, identificamos que o método SVM
Nesse contexto, identificamos que o método SVM
Conheça nossos planos