Questões de Concursos Públicos - Noções de Informática

Nas opções seguintes, aquela que possui um sistema operacional, um software aplicativo e uma linguagem de programação é, respectivamente:

No Power BI Desktop, se quisermos que a data 20/01/2025 seja mostrada exatamente como janeiro de 2025, utilizamos para a personalização dos dados o formato: 

O serviço de nuvem disponibilizado pela Microsoft se chama: 

No que diz respeito às Redes Neurais Artificiais (ANN, Artificial Neural Network): I.Os Métodos de regularização por penalização com normas L1 e L2, correspondem respectivamente à Regressão Ridge e à Regressão Lasso (Least Absolute Shrinkage and Selection Operator Regression). II.Métodos de regularização por Dropout, regularizam as redes neurais, descartando aleatoriamente nós, juntamente com suas conexões de entrada e saída, da rede durante o treinamento. III.Métodos de regularização por Early Stopping interrompem o treinamento quando as atualizações de parâmetros não começam mais a produzir melhorias em um conjunto de validação em redes neurais profundas IV.Para manejo de redes neurais com R, pode ser utilizado o pacote neuralnet , que permite treinamento de redes neurais usando a retropropagação, retropropagação resiliente com ou sem retrocesso de peso ou a versão globalmente convergente modificada. Estão corretas as afirmativas: 

Em redes neurais artificiais, o processo de aprendizado envolve a adaptação dos pesos das conexões entre neurônios para que a rede possa realizar tarefas  específicas, como classificação ou regressão. O que é o algoritmo backpropagation em redes neurais artificiais?

Em redes neurais artificiais, as funções de ativação permitem que a rede aprenda e represente padrões complexos nos dados. Para tarefas de classificação binária, onde o objetivo é distinguir entre duas classes. Qual das seguintes funções de ativação é mais adequada para problemas de classificação binária? 

O overfitting, é um fenômeno em aprendizado supervisionado onde um modelo se ajusta excessivamente aos dados de treinamento, capturando não apenas os padrões gerais, mas também o "ruído" ou particularidades específicas desses dados. Como resultado, embora o modelo apresente excelente desempenho nos dados de treinamento, sua capacidade de generalização para novos dados é comprometida, levando a previsões imprecisas em cenários não vistos anteriormente. O que caracteriza o overfitting em um modelo de aprendizado supervisionado?

Hiperparâmetros são variáveis de configuração que controlam o treinamento de modelos de aprendizado de máquina (ou, machine learning). No ajuste de hiperparâmetros, também conhecido como otimização de hiperparâmetros, busca-se: 

Em aprendizado de máquina, muitos algoritmos requerem que os dados de entrada sejam numéricos. No entanto, é comum lidar com variáveis categóricas, que representam categorias ou rótulos, como "vermelho", "azul", "verde" para cores, ou "masculino" e "feminino" para sexo. Para que esses dados possam ser utilizados efetivamente em modelos preditivos, é necessário transformá-los em uma representação numérica adequada. Ao lidar com dados categóricos, qual das seguintes técnicas é comumente utilizada para transformá-los em uma representação adequada para modelos de aprendizado de máquina? 

Aprendizado supervisionado é uma técnica que usa dados rotulados para treinar algoritmos, com o objetivo de que esses algoritmos aprendam a relação entre as entradas e as saídas. Observe as afirmativas a seguir, em relação a Regressão e Classificação em Aprendizado Supervisionado: I.Algoritmos Naive Bayes e K-NN são classificadores de máquina que podem ser usados para resolver problemas de classificação. II.Ensembles são técnicas que combinam várias hipóteses para criar um preditor mais preciso  III.No aprendizado Supervisionado com R queremos ser capaz de classificar outros dados do mesmo tipo e que ainda não foram rotulados, com base no conjunto de dados já rotulados que sabemos qual é a nossa saída correta e que deve ser semelhante ao conjunto. Assinale a alternativa correta.