FECHAR

ATIVIDADE 3 - CDAC - ANÁLISE PREDITIVA E CLASSIFICAÇÃO - 53_2025

R$25,00
Enviar Mensagem

ATIVIDADE 3 - CDAC - ANÁLISE PREDITIVA E CLASSIFICAÇÃO - 53_2025

ATIVIDADE 3 - CDAC - ANÁLISE PREDITIVA E CLASSIFICAÇÃO - 53_2025

QUESTÃO 1
A etapa de limpeza e transformação dos dados é fundamental para organizar os dados que serão lidos pelo algoritmo.

 

Fonte: PEREIRA, M. R. Análise Preditiva e Classificação. Maringá: Unicesumar, 2022. Reimpresso em 2023.

 

Com base no texto, podemos afirmar que uma etapa comum em tratamento de dados é:

Alternativas
Alternativa 1 - Análise preditiva.
Alternativa 2 - Treino de modelo.
Alternativa 3 - Tratar valores nulos.
Alternativa 4 - Transformar valores.
Alternativa 5 - Gerar dados aleatórios.
QUESTÃO 2
No aprendizado supervisionado, o supervisor fornece a resposta ou uma variável alvo, uma coluna nos dados que representa valores para prever a partir de outras colunas nos dados.

Fonte: PEREIRA M. R. Análise Preditiva e Classificação. Maringá: Unicesumar, 2022. Reimpresso em 2023.

Considerando o texto apresentado e tendo em vista um modelo preditivo, no que contenha somente as asserções englobadas por variáveis existentes em um modelo preditivo, analise as afrimativas a seguir:

I. Variável Independente.

II. Variável Dependente.

III. Variável Explicativa.

IV. Variável Alvo.

É correto o que se afirma em:

Alternativas
Alternativa 1 - I e II, apenas.
Alternativa 2 - I e III, apenas.
Alternativa 3 - II e III, apenas.
Alternativa 4 - I, III e IV, apenas.
Alternativa 5 - I, II, III e IV.
QUESTÃO 3
A seleção de um algoritmo de agrupamento adequado para seu conjunto de dados, geralmente, é difícil, devido ao número de opções disponíveis.

Fonte: Pereira, M. R. Análise Preditiva e Classificação. Maringá: Unicesumar, 2022. Reimpresso em 2023.

Considerando as informações apresentadas, sobre algoritmos de agrupamento, avalie as asserções a seguir e a relação proposta entre elas.

I. O agrupamento hierárquico determina as atribuições dos grupos ao construir uma hierarquia.

PORQUE

II. O agrupamento divisivo é a abordagem de cima para baixo.

A respeito dessas asserções, assinale a alternativa correta:

Alternativas
Alternativa 1 - As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I.
Alternativa 2 - As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
Alternativa 3 - A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
Alternativa 4 - A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
Alternativa 5 - As asserções I e II são proposições falsas.
QUESTÃO 4
As árvores e decisão são modelos aplicados tanto em problemas de classificação, como em problemas de regressão. Através das árvores é possível identificar os principais atributos que impactam no processo de decisão, bem como visualizar as regras definidas pelo modelo para classificar os exemplos ou para fazer previsões de valores, em caso de problemas de regressão. Essa visualização é possível através dos símbolos utilizados para compor uma árvore de decisão: os arcos ou ligações, os nós não folha e os nós folha.

Sobre o que descreve as respectivas representações dos arcos, dos nós não folha e dos nós folha, assinale a alternativa correta.

Alternativas
Alternativa 1 - Um arco é uma representação das variáveis do modelo, um nó não folha são os valores dessas variáveis e um nó folha as decisões tomadas pelo modelo.
Alternativa 2 - Um arco representa uma variável de entrada ou saída, um nó não folha representa os valores das variáveis e um nó folha representa uma classes ou um valor estimado.
Alternativa 3 - Um arco vindo de um nó rotulado representa um valor possível (ou valores possíveis) de uma variável, um nó não folha representa uma variável de entrada e um nó folha representa uma classe ou um valor estimado.
Alternativa 4 - Um arco representa as transições entre as classes, um nó não folha representa as classes ou um valor estimado e um nó folha sinaliza o final de execução do modelo.
Alternativa 5 - Um arco representa as regras definidas pelo modelo, um nó não folha representa uma variável de entrada e um nó folha representa as possíveis classes do modelo.
QUESTÃO 5
Quando trabalhamos com modelos de classificação, um dos problemas que precisamos resolver é o desbalanceamento de classes. A classe desbalanceada ocorre quando temos um conjunto de dados que possui muitos exemplos de uma classe e poucos exemplos da outra classe. O resultado desse modelo será enviesado, ou seja, ele tende a classificar os novos dados como sendo da classe que possui mais exemplos. Existem problemas em que esse desbalanceamento é comum como em casos de detecção de fraudes e diagnóstico médico. Nesses casos, há um número maior de exemplos com transações financeiras normais, assim como os diagnósticos médicos que não detectam doenças também são maiores.

Com base no enunciado, identifique a alternativa que contém táticas para minimizar os problemas de classificação com classes desbalanceadas:

Alternativas
Alternativa 1 - Aplicar técnicas de otimização e usar modelos pré-treinados.
Alternativa 2 - Tratar os valores dos outliers e aplicar vários algoritmos ao conjunto de dados.
Alternativa 3 - Melhorar o processo de engenharia de atributos e ajustar os hiperparâmetros do modelo.
Alternativa 4 - Criar exemplos sintéticos a partir dos atributos e eliminar os valores nulos do conjunto de dados.
Alternativa 5 - Avaliar outras métricas além da precisão total do modelo e gerar uma reamostragem do conjunto de dados.
QUESTÃO 6
Ao coletar os dados de saída (teste) de uma modelo de regressão, para estimar valores de venda de cinco produtos, você obteve os seguintes valores: 45, 18, 56, 23 e 76. No entanto, como você está executando um procedimento de teste, os valores reais são: 43, 20, 55, 20, 71. Você agora tem um conjunto de valores reais e um conjunto de valores previstos pelo modelo.

Calcular o erro dos modelos é importante para verificar sua performance. Usando os conjuntos de valores reais e valores previstos, você precisa calcular o erro absoluto médio do modelo. Nesse caso, qual é o erro absoluto médio?

Alternativas
Alternativa 1 - 13
Alternativa 2 - -5
Alternativa 3 - 43
Alternativa 4 - 2,6
Alternativa 5 - 6,76
QUESTÃO 7
Você acaba de organizar uma coleção de textos sobre Inteligência Artificial. Você pretende, agora, usar um algoritmo para analisar esses textos e indicar, de forma automática, quais as palavras mais relevantes dessa coleção. A sua intenção é fazer uma espécie de resumo por meio das palavras mais importantes.

Para que você tenha sucesso nessa atividade, é necessário, primeiro, que você faça um pré-processamento dos textos, deixando-os adequados para o processamento. Identifique quais são as etapas necessárias no pré-processamento.

Alternativas
Alternativa 1 - Corpus, tokenização e remoção de stopwords.
Alternativa 2 - Tokenização, TF-IDF, stemming e lematização.
Alternativa 3 - Remoção de stopwords, tokenização, stemming e corpus.
Alternativa 4 - Remoção de stopwords, stemming, lematização e TF-IDF.
Alternativa 5 - Tokenização, remoção de stopwords, remoção de pontuações e stemming.
QUESTÃO 8

A Classificação de Texto é, sem dúvida, um dos métodos mais conhecidos. Nesse método, estamos interessados em atribuir categorias (tags) a dados de texto não estruturados (Pereira, 2022).

Fonte: PEREIRA, M. R. Análise Preditiva e Classificação. Maringá: Unicesumar, 2022. Reimpresso em 2023.

Considerando o texto apresentado sobre a Classificação de Texto, assinale a alternativa correta:

Alternativas
Alternativa 1 - É um dos métodos mais conhecidos e utilizados. Consiste em analisar as emoções subjacentes a um determinado texto.
Alternativa 2 - É um dos métodos mais conhecidos e utilizados. Consiste em analisar as emoções subjacentes a um determinado autor.
Alternativa 3 - Ajuda a entender os principais temas ou assuntos de um texto e é uma das principais formas de organizar os dados do texto.
Alternativa 4 - Ajuda a entender os principais temas ou assuntos de um texto e é uma das formas obsoletas de organizar os dados do texto.
Alternativa 5 - Ajuda a entender os principais autores de um texto e é uma das principais formas de organizar os dados do texto.
QUESTÃO 9
Quando trabalhamos com modelos preditivos, há um procedimento de teste comumente utilizado, em que se faz a divisão do conjunto de dados em dois outros conjuntos, chamados de conjunto de treino e conjunto de teste.

Fonte: Pereira, M. R. Análise Preditiva e Classificação. Maringá: Unicesumar, 2022. Reimpresso em 2023.

Considerando as informações apresentadas, sobre Gerenciamento de Problemas, avalie as asserções a seguir e a relação proposta entre elas.

I. O procedimento é chamado de treinamento do modelo.

PORQUE

II. Construímos nosso modelo usando apenas o conjunto de treino.

A respeito dessas asserções, assinale a alternativa correta:

Alternativas
Alternativa 1 - As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I.
Alternativa 2 - As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
Alternativa 3 - A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
Alternativa 4 - A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
Alternativa 5 - As asserções I e II são proposições falsas.
QUESTÃO 10
Quando trabalhamos com modelos de classificação, um dos problemas que precisamos resolver é o desbalanceamento de classes. A classe desbalanceada ocorre quando temos um conjunto de dados que possui muitos exemplos de uma classe e poucos exemplos da outra classe. O resultado desse modelo será enviesado, ou seja, ele tende a classificar os novos dados como sendo da classe que possui mais exemplos. Existem problemas em que esse desbalanceamento é comum como em casos de detecção de fraudes e diagnóstico médico. Nesses casos, há um número maior de exemplos com transações financeiras normais, assim como os diagnósticos médicos que não detectam doenças também são maiores.

Com base no exposto, assinale a alternativa correta que apresenta táticas para minimizar os problemas de classificação com classes desbalanceadas.

Alternativas
Alternativa 1 - Aplicar técnicas de otimização e usar modelos pré-treinados.
Alternativa 2 - Tratar os valores dos outliers e Aplicar vários algoritmos ao conjunto de dados.
Alternativa 3 - Melhorar o processo de engenharia de atributos e ajustar os hiperparâmetros do modelo.
Alternativa 4 - Criar exemplos sintéticos a partir dos atributos e eliminar os valores nulos do conjunto de dados.
Alternativa 5 - Avaliar outras métricas além da precisão total do modelo e gerar uma reamostragem do conjunto de dados.
Nossa equipe é composta por profissionais especializados em diversas áreas, o que nos permite oferecer uma assessoria completa na elaboração de uma ampla variedade de atividades. Estamos empenhados em garantir a autenticidade e originalidade de todos os trabalhos que realizamos.

Ficaríamos muito satisfeitos em poder ajudar você. Entre em contato conosco para solicitar o seu serviço.
Aponte o celular para abrir o WhatsApp
WhatsApp-Image-2023-03-04-at-15.14.57
WhatsApp-Image-2023-03-04-at-15.14.57-1
WhatsApp-Image-2023-03-04-at-15.14.57-2
chevron-left
chevron-right

Item adicionado com sucesso ao carrinho

Este item já foi adicionado ao carrinho

crossmenu