Question

35 Machine Learning, ou aprendizado de máquina, é um subcampo da inteligência artificial baseada na ideia de que os sistemas podem aprender a identificar padrões e tomar decisões, por meio da análise de dados. De acordo com o tipo de técnica utilizada no processo de aprendizagem, existem vários algoritmos que podem ser aplicados para gerar o modelo de aprendizado. Os parâmetros desse modelo podem ser atualizados por meio de técnicas de otimização. Com base nessas informações, assinale a alternativa correta. (A) O gradiente descendente é um algoritmo de otimização utilizado pelos cientistas de dados para encontrar um máximo local de uma função diferenciável, movendo-se iterativamente na direção da descida mais íngreme, conforme definido pelo negativo do gradiente.

(B) O método do gradiente descendente é utilizado pelos cientistas de dados para encontrar os valores de parâmetros de uma função, que reduzem ao máximo uma função de custo. (C) O gradiente descendente é um algoritmo de otimização iterativa, que necessita do cálculo da segunda derivada para poder realizar atualizações dos parâmetros do modelo preditivo. (D) No método do gradiente descendente, o tamanho do passo (também conhecido como taxa de aprendizado, ou learning rate) não exerce nenhuma influência no resultado.

36
select payment_id, case when not exists (se-
lect 1 from customer where customer_id=1
limit 1) then 0 else payment_id end as pay-
ment from payment;

Com base no comando SQL, considere as afirmativas: I – Trata-se de uma consulta que utiliza duas tabelas; II – Serão retornadas duas colunas, ambas nomeadas ‘payment_id’; III – O comando retornará, no máximo, um registro; IV – O comando contém erro de sintaxe.

Assinale a alternativa correta. (A) Somente I está correta (B) Somente I e II estão corretas (C) Somente II e III estão corretas (D) Somente IV está correta

Instituto Federal de Educação, Ciência e Tecnologia de São Paulo 15

Uma amostra é um subconjunto da população em estudo. Ela representa a população maior e é usada para fazer inferências sobre essa população. A amostragem probabilística é uma técnica de amostragem; nela, as amostras são recolhidas em um processo que dá a todos os indivíduos da população as mesmas chances de serem selecionados. Nesse contexto, associe a técnica de amostragem probabilística com o exemplo apresentado e selecione a alternativa mais apropriada.

Accepted Answer

C) Uma população de estudo contém 2000 estudantes do ensino fundamental e o pesquisador quer uma amostra de 100 estudantes. Os estudantes poderiam ser 3 - Amostra colocados em uma lista e cada 20º estudante seria selecionado para inclusão na Estratificada amostra. A fim de evitar o viés humano nesse método, o pesquisador deve selecionar o primeiro elemento aleatoriamente.

Answer

A) Para obter uma amostra de estudantes universitários, o pesquisador precisaria dividir em classes de amostras. Primeiro organizaria a população por semestre de 1 - Amostra graduação e, então, selecionaria determinado número de representantes de calouros, aleatória simples pessoas que estão no meio do curso e formandos. Isso garantiria que o pesquisador tivesse quantidades adequadas de indivíduos de cada classe na amostra final.

Answer

B) Numa população de 1000 pessoas, você gostaria de escolher uma amostra ale- 2 - Amostra atória de 50 pessoas. Primeiro, cada pessoa é numerada de 1 até 1000. Então, você sistemática gera uma lista de 50 números aleatórios e os números dessa lista serão os únicos que você incluirá na amostra.

Answer

D) Suponha que a população-alvo em um estudo seja membros de igrejas nos 4 - Amostra por EUA. Não há uma lista de todos os membros de igrejas no país. O pesquisador aglomerados poderia, nesse caso, criar uma lista de igrejas nos EUA, escolher uma amostra de igrejas e, então, obter listas de membros dessas igrejas.

Mais questões de Conceitos e tipos de amostragem