Questões de Concursos

Julgue o próximo item, relativo a aprendizado de máquina e BI (Business Intelligence).

Random forest é um método de aprendizado de conjunto que combina várias árvores de decisão para formar um modelo mais robusto e preciso. Tal método pode ser usado tanto para resolver problemas de regressão (por exemplo, prever o valor de uma ação) quanto para realizar classificação (por exemplo, compra válida, fraude).

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.

No DataMesh, os dados são tratados como produtos, e cada domínio é responsável por fornecer, manter e documentar seus próprios dados.

O Aprendizado de Máquina ou Machine Learning (ML) é uma área da ciência da computação diretamente relacionada à Ciência de Dados (Data Science). Como sua própria terminologia diz, o Aprendizado de Máquina se concentra no desenvolvimento de algoritmos que podem aprender com dados. Seus três principais tipos de algoritmos são Aprendizado Supervisionado, Aprendizado Não Supervisionado e Aprendizado por Reforço.

Com relação aos três tipos de algoritmos mencionados, avalie as afirmativas a seguir:

I. No aprendizado supervisionado, os algoritmos são treinados com dados rotulados, ou seja, dados que contêm exemplos de entrada e saída correspondentes, e, portanto, associam tais entradas às saídas correspondentes.

II. No aprendizado não supervisionado os algoritmos são treinados em conjuntos de dados que não contêm exemplos de entrada e saída correspondentes e, portanto, aprendem a identificar padrões nos dados sem saber o que os seus padrões representam inicialmente.

III. O aprendizado por reforço envolve um agente (softbot) que aprende a tomar decisões em ambientes específicos, interagindo com esses ambientes e recebendo recompensas ou punições por suas ações de exploração ou atuação.

A respeito das afirmações, assinale a alternativa correta.

Acerca de inteligência artificial e machine learning, julgue o item que se segue.

Diferentemente do aprendizado supervisionado e não supervisionado, o aprendizado por reforço baseia-se em um agente que interage com um ambiente e recebe recompensas ou penalidades conforme suas ações, buscando maximizar um retorno cumulativo ao longo do tempo.