Questões de Concurso
Para dataprev
Foram encontradas 3.151 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
O resultado da execução do código a seguir será
3.45359236999999997. from scipy import constants print(constants.pi)
import numpy as np a = np.array([(1, 2), (3, 4), (5, 6)], dtype=[('x', 'i4'), ('y', 'i4')]) print(a) print(a.shape)
O resultado da execução do código Python apresentado anteriormente é o que se segue.
[[1 2] [3 4] [5 6] ['x','i4'] ['y','i4']] (3, 2)
A respeito da biblioteca Numpy, julgue o item a seguir.
O resultado da execução do código Python a seguir resultará em valores diferentes para as variáveis c e d.
import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[4,3],[2,1]])
c= np.dot(a,b)
print(c)
d=a*b
print(d)
No que se refere à biblioteca Pandas, julgue o próximo item.
import pandas as pd
a = [10, 78, 23]
myvar = pd.Series(a, index = [“x”, “y”, “z”])
print(myvar.describe())
Caso o código em Python precedente seja executado, então será apresentado em tela o que se segue.
count 4.000000
mean 38.000000
std 6.097091
min 10.000000
25% 16.500000
50% 23.000000
75% 50.500000
max 78.000000
dtype: float64
Apesar das CNN serem redes neurais profundas, com várias camadas ocultas, elas são dispensadas nos algoritmos de reconhecimento de imagens.
Backpropagation propaga o erro da camada de saída para as camadas intermediárias de uma rede neural a fim de que estas possam modificar seus pesos de forma a minimizar o erro médio.
As redes neurais têm a capacidade de adaptar seus pesos sinápticos considerando as mudanças de padrão dos dados de entrada.
Nas redes neurais completamente conectadas, todos os neurônios de uma camada estão conectados aos neurônios da camada seguinte, no entanto, não é possível que as saídas das camadas posteriores alimentem a entrada de camadas anteriores.
As conexões entre as camadas de uma rede neural do tipo MLP são de natureza feedfoward.
O aprendizado por reforço é um tipo de aprendizagem de máquina que tem por objetivo prever o resultado de um atributo alvo exclusivamente por meio de reforço no treinamento do modelo.
A técnica de agrupamento é um tipo de aprendizado não supervisionado em que o algoritmo identifica padrões em um conjunto de dados de entrada sem ter recebido qualquer feedback prévio.
Os algoritmos SVM (support vector machines) realizam apenas tarefas de regressão.
Julgue o próximo item, relativos a aprendizado de máquina.
As técnicas de regressão utilizam um conjunto finito de
hipóteses para, a partir dos atributos previsores, determinar a
categoria de um objeto do conjunto de dados analisado.
O algoritmo k-means é utilizado para realizar o agrupamento de dados e opera por meio de refinamento interativo.
O algoritmo k-means seleciona objetos reais de uma base de dados como centroide do grupo para realizar o agrupamento de objetos semelhantes.
O PCA é um procedimento estatístico que converte um conjunto de objetos com atributos possivelmente correlacionados em um conjunto de objetos com atributos linearmente descorrelacionados.
A compressão de atributos é uma técnica de redução de dimensionalidade na qual atributos irrelevantes ou redundantes são identificados e desconsiderados.
A regra de associação é uma técnica que busca relações de co-ocorrência entre objetos de uma base de dados.
A redução de dimensionalidade é uma técnica que reduz a quantidade de atributos que descrevem um objeto, mantendo a integridade dos dados originais.
A biblioteca numpy permite realizar operações matemáticas entre arrays de diferentes dimensões usando o mecanismo de broadcast.