Questões de Concurso

Acerca de análise de agrupamentos e detecção de anomalias, julgue o próximo item.

A análise de agrupamentos (clusterização) é um método de aprendizado não supervisionado que agrupa dados em clusters baseado em similaridade, sem requerer rótulos prévios, sendo útil para a descoberta de padrões naturais e estruturas ocultas nos dados.

Acerca de análise de agrupamentos e detecção de anomalias, julgue o próximo item.

Detecção de anomalias é uma tarefa de identificação de padrões incomuns ou outliers em dados, sendo crítica em aplicações como detecção de fraude, monitoramento de segurança e manutenção preditiva, nas quais anomalias representam eventos raros, mas significativos.

Julgue o item seguinte, relativo a aprendizado de máquina, algoritmos e métricas de desempenho, e regressão logística.

A regressão logística é um algoritmo de regressão linear que prediz valores contínuos, sendo particularmente eficaz para problemas de previsão de séries temporais em que a variável dependente é contínua e não limitada.

Julgue o item seguinte, relativo a aprendizado de máquina, algoritmos e métricas de desempenho, e regressão logística.

Aprendizado de máquina supervisionado é um paradigma em que o modelo é treinado com dados que possuem rótulos ou respostas conhecidas, permitindo que o algoritmo aprenda a mapear entradas para saídas desejadas.

Julgue o item seguinte, relativo a aprendizado de máquina, algoritmos e métricas de desempenho, e regressão logística.

Na avaliação e comparação de modelos de classificação, o critério de acurácia substitui apropriadamente as métricas de precisão, recall, F1-score e AUC-ROC.