Sobre métodos de Aprendizado de Máquina, analise as afirmativas
a seguir e assinale (V) para a verdadeira e (F) para a falsa.
( ) Na aprendizagem bayesiana, as previsões sobre um dado novo
são feitas considerando todo o espaço de hipóteses,
ponderadas por suas probabilidades.
( ) No aprendizado por reforço ativo, o agente deve decidir
autonomamente quais ações tomar em cada estado para
minimizar sua função de utilidade a longo prazo.
( ) No aprendizado profundo, as hipóteses são estruturadas como
redes complexas de funções algébricas interconectadas por
pesos numéricos ajustáveis.
As afirmativas são, respectivamente,

Question

Sobre métodos de Aprendizado de Máquina, analise as afirmativas
a seguir e assinale (V) para a verdadeira e (F) para a falsa.
( ) Na aprendizagem bayesiana, as previsões sobre um dado novo
são feitas considerando todo o espaço de hipóteses,
ponderadas por suas probabilidades.
( ) No aprendizado por reforço ativo, o agente deve decidir
autonomamente quais ações tomar em cada estado para
minimizar sua função de utilidade a longo prazo.
( ) No aprendizado profundo, as hipóteses são estruturadas como
redes complexas de funções algébricas interconectadas por
pesos numéricos ajustáveis.
As afirmativas são, respectivamente,  Alternativa A: V – V – F.  Ou Alternativa B: F – V – V.   Ou Alternativa C: V – F – V.   Ou Alternativa D: V – V – V.  Ou Alternativa E: F – F – V.

Qconcursos · Accepted Answer

Alternativa [C] V – F – V.   Gabarito: CFundamento decisivo: A expressão “minimizar sua função de utilidade” contraria o objetivo do reforço ativo, enquanto a ponderação bayesiana sustenta a primeira afirmativa. Essa combinação corresponde à alternativa C.Tema central: Métodos de aprendizado de máquinaAnálise das alternativasAErradaErra ao considerar II verdadeira e III falsa. Em II, a autonomia para escolher ações está correta, mas o objetivo foi invertido: o agente busca maximizar, não minimizar, a utilidade esperada. Em III, a composição de funções em camadas com pesos ajustáveis corresponde à representação utilizada por redes profundas; por isso, a afirmativa é verdadeira.BErradaInverte as classificações de I e II. I é verdadeira porque a predição bayesiana combina previsões das hipóteses, ponderadas por suas probabilidades posteriores aos dados. II é falsa porque escolher ações autonomamente não significa buscar a menor utilidade: o objetivo do reforço ativo é maximizar o retorno acumulado esperado.CCertaA alternativa C apresenta a sequência V – F – V, sustentada pelos três conceitos cobrados. I — Verdadeira: a predição bayesiana combina as previsões das hipóteses do espaço considerado, ponderando-as pelas probabilidades posteriores, isto é, condicionadas aos dados observados. II — Falsa: no reforço ativo, o agente escolhe suas ações, mas o objetivo é maximizar a utilidade ou o retorno acumulado esperado a longo prazo, e não minimizá-los. III — Verdadeira: redes profundas representam funções por composições sucessivas em camadas, com pesos numéricos ajustáveis aprendidos. A expressão “funções algébricas” é empregada, neste item, como descrição geral das funções e operações da rede, não como uma restrição matemática a funções polinomiais.DErradaO erro está em marcar II como verdadeira. Embora o agente escolha as próprias ações no reforço ativo, ele deve fazê-lo buscando maximizar a utilidade esperada a longo prazo. A minimização da utilidade torna a afirmativa falsa.EErradaO erro está em marcar I como falsa. Considerar as previsões das hipóteses do espaço e ponderá-las pelas probabilidades posteriores é justamente o procedimento da predição bayesiana descrito na questão. Portanto, a primeira posição deve receber V.Pegadinha da questãoA segunda afirmativa reúne uma característica correta — a escolha autônoma das ações — e um objetivo incorreto — minimizar a utilidade. Reconhecer a primeira parte não permite aceitar a afirmativa inteira.Dica para questões semelhantesEm questões sobre predição bayesiana, diferencie combinar previsões de várias hipóteses de selecionar apenas a hipótese mais provável; são procedimentos distintos.Ao avaliar um objetivo de otimização, identifique primeiro a grandeza mencionada: minimizar custos ou perdas não equivale, sem redefinir a função objetivo, a minimizar utilidade.Para reconhecer a descrição de uma rede profunda, procure a composição sucessiva de funções em camadas; a simples presença de pesos ajustáveis não basta para caracterizar profundidade.

Sobre métodos de Aprendizado de Máquina, analise as afirmati...

Gabarito comentado

Gabarito: C

Clique para visualizar este gabarito

Comentários

Clique para visualizar este comentário

Questões de assuntos semelhantes

Provas relacionadas