Considerando np a bibliotecanumpydo Python, julgue o item a seguir.
Se a1 = np.linspace(1,9,5), a2 = np.linspace(3,7,5) e
b = np.concatenate((a2 , a1)), então b[–4] +b[1] > 10.
Questões de Concursos
selecione os filtros para encontrar suas questões de concursos e clique no botão abaixo para filtrar e resolver.
Publicidade
Considerando np a biblioteca numpy do Python, julgue o item a seguir.
Se A = np.array([[6],[2],[-1],[0],[-5],[6],[7],[9],[2]]),
A1 = A[3:7,01], e A2 = A1.reshape(2,2), então
np.linalg.det(A2)>20.
Com referência aos conceitos de banco de dados edata warehouse, julgue o item seguinte.
O Hadoop Distributed File System (HDFS) é construído usando a linguagem Java, o que permite que sua arquitetura mestre/escravo seja implementada em uma ampla variedade de máquinas
O Hadoop Distributed File System (HDFS) é construído usando a linguagem Java, o que permite que sua arquitetura mestre/escravo seja implementada em uma ampla variedade de máquinas
Com respeito amachine learningaplicado, julgue o próximo item.
O CBOW é um modelo de aprendizado de máquina
desenhado para prever contexto com base em determinada
palavra.
O volume instantâneo de petróleo, em metros cúbicos por hora (m3 /h), produzido por um poço no instante t horas, dentro das primeiras 24 horas de operação, é dado pela função f(t) = α. (300 − 12t 2 + t 3 ), com 0 ≤ t ≤ 24, em que 0 < α < 1 é uma constante positiva e t = 0 corresponde ao instante inicial em que o poço iniciou a sua produção.
Com base nessas informações hipotéticas, julgue o próximo item.
Nas primeiras dez horas de produção, foram extraídos desse
poço mais de 1.500 metros cúbicos de petróleo.
O volume instantâneo de petróleo, em metros cúbicos por hora (m3 /h), produzido por um poço no instante t horas, dentro das primeiras 24 horas de operação, é dado pela função f(t) = α. (300 − 12t 2 + t 3 ), com 0 ≤ t ≤ 24, em que 0 < α < 1 é uma constante positiva e t = 0 corresponde ao instante inicial em que o poço iniciou a sua produção.
Com base nessas informações hipotéticas, julgue o próximo item.
O volume instantâneo mínimo ocorre após t = 6 horas.
Uma árvore de decisão representa um determinado número de caminhos possíveis de decisão e os resultados de cada um deles, apresentando muitos pontos positivos, ou seja, são fáceis de entender e interpretar. Elas têm processo de previsão completamente transparente e lidam facilmente com diversos atributos numéricos, assim como atributos categóricos, podendo até mesmo classificar dados sem atributos definidos.
De acordo com os aspectos construtivos de uma árvore de decisão, julgue o item a seguir.
A entropia de uma árvore de decisão aborda o aspecto da quantidade de informações que está associada às respostas que podem ser obtidas às perguntas formuladas, representando o grau de incerteza associado aos dados.
De acordo com os aspectos construtivos de uma árvore de decisão, julgue o item a seguir.
A entropia de uma árvore de decisão aborda o aspecto da quantidade de informações que está associada às respostas que podem ser obtidas às perguntas formuladas, representando o grau de incerteza associado aos dados.
No que concerne à teoria de funções deriváveis de duas variáveis reais, julgue o item seguinte.
Se P(x,y) = x 3/y 2 representa o consumo de gasolina em uma cidade em função do preço y e da quantidade x de veículos da cidade, a taxa instantânea de variação do consumo quando y varia e x é mantido fixo é igual a x3 /2y
Com referência aos conceitos de banco de dados e data warehouse, julgue o item seguinte.
Em sistemas NoSQL baseados em armazenamento de chave-valor, a chave é multidimensional e composta pela
combinação do nome de tabela com a chave linha-coluna e
com o rótulo de data e hora.
Julgue o próximo item, relativos a redes neurais artificiais (RNA).
Rede neural recorrente é uma arquitetura similar à
feedforward; a diferença é que a cada nova camada oculta
(hidden layer) é acrescentada outra camada recorrente à
arquitetura conectada à camada anterior, duplicando assim a
quantidade de camadas.
O volume instantâneo de petróleo, em metros cúbicos por hora (m3 /h), produzido por um poço no instante t horas, dentro das primeiras 24 horas de operação, é dado pela função f(t) = α. (300 − 12t 2 + t 3 ), com 0 ≤ t ≤ 24, em que 0 < α < 1 é uma constante positiva e t = 0 corresponde ao instante inicial em que o poço iniciou a sua produção.
Com base nessas informações hipotéticas, julgue o próximo item.
O volume instantâneo que o poço produz está aumentando
no instante t = 10 horas.
Os hiperparâmetros de um modelo são todos os parâmetros que podem ser definidos antes do inicio do treinamento, diferentemente dos parâmetros do modelo, que são aprendidos durante o treino do modelo. A busca por hiperparâmetros de determinado algoritmo de aprendizado de máquina que retorne o melhor desempenho medido em um conjunto de validação deu origem ao conceito de otimização de hiperparâmetros.
Acerca dos conceitos de otimização de hiperparâmetros de
modelos de aprendizado de máquinas, julgue o item que se segue.
A otimização bayesiana se utiliza do conceito de
probabilidade para encontrar o valor de entrada de uma
função que possa retornar o menor valor de saída possível.
Nesse método, o número de iterações de pesquisa pode ser
reduzido a partir da escolha dos valores de entrada, levando
em consideração os resultados anteriores, o que caracteriza
um processo iterativo.
Com respeito amachine learningaplicado, julgue o próximo item.
Suponha que a palavra amor ocorra 1.000 vezes no último
livro escrito por certo autor, que escreveu, no total, 10 livros.
Nesse caso, se a palavra amor for encontrada em todos os
livros desse autor, então o valor do TF-IDF (term frequencyinverse document frequency) referente à palavra amor no
último livro escrito será igual a 1/1.000.
Com respeito amachine learningaplicado, julgue o próximo item.
Mask RCNN (region-based convolutional neural network) é
um método para segmentação de objetos e instâncias que se
baseia em detecção, enquanto o método SSAP (single-shot
instance segmentation) se baseia em pixels.
Um aplicativo para edição de textos foi disponibilizado para seus usuários sob a forma de computação em nuvem. Esses usuários podem se conectar virtualmente, colaborando mutuamente para a elaboração de documentos. Tais documentos, bem como os respectivos históricos de versões anteriores, são armazenados na nuvem.
Com referência a essa situação hipotética, julgue o próximo item.
A situação descreve um modelo de nuvem denominado PaaS
(platform as a service).
Os modelos ditos fracos, também chamados modelos de base,
muitas vezes são combinados com o objetivo de se construir um
modelo mais forte, no qual a variância e o viés atinjam equilíbrio
satisfatório. Esse procedimento, denominado ensembles, é muito
utilizado em ciência de dados e aprendizado de máquinas.
Quanto às formas de ensembles, julgue o próximo item.
O ensemble denominado bagging tem como foco principal a redução do viés e não da variância, treinando-se os modelos em sequência, tal que os erros dos primeiros modelos treinados são utilizados para o ajuste nos pesos matemáticos dos próximos modelos.
O ensemble denominado bagging tem como foco principal a redução do viés e não da variância, treinando-se os modelos em sequência, tal que os erros dos primeiros modelos treinados são utilizados para o ajuste nos pesos matemáticos dos próximos modelos.
Com respeito a métodos para imputação de dados, julgue o seguinte item.
Um dos passos para tratar com dados faltantes é avaliar o
tipo de dado perdido; assim, por exemplo, o método MICE
(multivariate imputation by chained equations) não seria
aplicável para dados perdidos do tipo MAR (missing at
random).
Julgue o próximo item, relativos a redes neurais artificiais (RNA).
As funções de ativação são elementos importantes nas redes
neurais artificiais; essas funções introduzem componente não
linear nas redes neurais, fazendo que elas possam aprender
mais do que relações lineares entre as variáveis dependentes
e independentes, tornando-as capazes de modelar também
relações não lineares.
Uma árvore de decisão representa um determinado número de caminhos possíveis de decisão e os resultados de cada um deles, apresentando muitos pontos positivos, ou seja, são fáceis de entender e interpretar. Elas têm processo de previsão completamente transparente e lidam facilmente com diversos atributos numéricos, assim como atributos categóricos, podendo até mesmo classificar dados sem atributos definidos.
De acordo com os aspectos construtivos de uma árvore de decisão, julgue o item a seguir.
Se o processo adotado para a construção de árvores de
decisão for determinístico, uma forma de obtenção de
árvores aleatórias, que compõem as florestas aleatórias, pode
ser realizada por meio do bootstrap dos dados, em que cada
árvore é treinada com base no resultado de bootstrap_sample
(inputs).
Com respeito amachine learningaplicado, julgue o próximo item.
Stop-words constituem um conjunto de palavras que
proporcionam pouca informação para o significado de uma
frase.
Publicidade