Questões de Concurso

Acerca de autoencoders, julgue os próximos itens.

Quanto menor for a dimensão do espaço de representação latente de um autoencoder, maior será a sua capacidade de regenerar a informação da entrada em sua saída.

Em relação ao aprendizado supervisionado aplicado a problemas de regressão linear, julgue os itens que se seguem.
A técnica denominada gradient descent é aplicável à minimização da função custo no processo de aprendizado supervisionado para regressão linear; nela se determina, a cada iteração do processo de aprendizado, uma aproximação de segunda ordem da função custo, por meio de uma expansão de Taylor, necessitando-se, assim, da determinação numérica do jacobiano da função custo, calculado com base nos parâmetros do modelo a ser ajustado.

Em relação ao aprendizado supervisionado aplicado a problemas de regressão linear, julgue os itens que se seguem.
Na regressão linear por meio de aprendizado supervisionado com o emprego da técnica denominada stochastic gradient descent, em cada iteração do processo de minimização da função custo, todas as amostras do conjunto de treinamento são utilizadas no ajuste do modelo a ser determinado.

Considere que os elementos constituintes de um problema de classificação tratado por meio da teoria da decisão incluam: o conjunto H de todas as hipóteses possíveis h_i ∈ H, para i = 1,2,3, ...; o espaço S de observações, constituído pelos dados r observáveis do problema, modelados por meio de variável aleatória; e o conjunto D de todas as decisões d_j ∈ D possíveis de serem tomadas depois de observado um elemento r de S, para j = 1,2,3, ...
Considerando a teoria da decisão aplicada a problemas de classificação como o descrito, julgue os itens seguintes.
Quando a regra da máxima probabilidade a posteriori(MAP – maximum a posteriori probability) é aplicada aproblemas de decisão, em que a decisão d_j é tomada ao sesupor verdadeira a hipótese h_i, busca-se minimizar aprobabilidade de erro de decisão, decidindo-se por d_j se, dado que r é observado, a probabilidade condicional de h_i serverdadeira é maior ou igual que a probabilidade condicionalde h_k ser verdadeira, para k ≠ i.

Considere que os elementos constituintes de um problema de classificação tratado por meio da teoria da decisão incluam: o conjunto H de todas as hipóteses possíveis h_i ∈ H, para i = 1,2,3, ...; o espaço S de observações, constituído pelos dados r observáveis do problema, modelados por meio de variável aleatória; e o conjunto D de todas as decisões d_j ∈ D possíveis de serem tomadas depois de observado um elemento r de S, para j = 1,2,3, ...
Considerando a teoria da decisão aplicada a problemas de classificação como o descrito, julgue os itens seguintes.
A probabilidade de erro na tomada de decisão de um classificador embasado na regra de decisão de máxima verossimilhança é igual à probabilidade de erro na tomada de decisão de um classificador embasado na regra da máxima probabilidade a posteriori, desde que haja equiprobabilidade na ocorrência dos dados observáveis do problema.