Tem dúvidas em Aprendizado de Máquinas?

Tutor IA com mensagens gratuitas por dia — Premium sem limite.

Abrir Tutor

49 questões encontradas

Quer divulgar sua marca aqui?

Alcance milhares de estudantes da Univesp.

Saiba mais

Marcone Santos

Lvl 10

16 de mai. de 2026

Comparar modelos requer uma análise além da acurácia, considerando métricas como área sob a curva RO...

Comparar modelos requer uma análise além da acurácia, considerando métricas como área sob a curva ROC (AUC-ROC) e matriz de confusão. Essas métricas fornecem uma visão mais detalhada do desempenho em diferentes classes. Modelos com alta acurácia podem ter desempenho desequilibrado em classes minoritárias. Diante do apresentado sobre o uso do algoritmo K-Nearest Neighbors (KNN), interprete as afirmativas a seguir: I. O KNN pode ser usado tanto para classificação quanto para regressão. II. O valor de k (número de vizinhos) sempre deve ser ímpar para que o algoritmo funcione corretamente. III. O KNN é sensível à escolha da métrica de distância. É correto o que se afirma em:

Aprendizado de Máquinas

Verificada

Marcone Santos

Lvl 10

16 de mai. de 2026

A escolha do modelo ideal depende não apenas da acurácia, mas também de outros critérios, como compl...

A escolha do modelo ideal depende não apenas da acurácia, mas também de outros critérios, como complexidade e tempo de execução. Modelos mais simples podem ser preferidos em casos de restrições de recursos. Assim, a comparação deve considerar eficiência, interpretabilidade e escalabilidade. Com relação a este contexto e sobre o conteúdo estudado, avalie as asserções a seguir e a relação proposta entre elas. I. Os critérios internos avaliam a qualidade do modelo com base nos próprios dados de treinamento, sem levar em consideração informações externas. PORQUE II. O erro de treinamento nos critérios internos é a métrica mais complexa, que mede o erro entre as previsões do modelo e os valores reais no conjunto de treinamento. A respeito dessas asserções, assinale a alternativa correta.

Aprendizado de Máquinas

Verificada

Marcone Santos

Lvl 10

16 de mai. de 2026

Uma aplicação prática de validação cruzada em aprendizado de máquinas é na seleção de modelos e ajus...

Uma aplicação prática de validação cruzada em aprendizado de máquinas é na seleção de modelos e ajuste de hiperparâmetros durante o desenvolvimento de um modelo de previsão, como na predição de preços de imóveis. Suponha que você tenha um conjunto de dados contendo informações sobre imóveis (como área, número de quartos, localização, etc.) e deseja criar um modelo para prever os preços de venda dos imóveis com base nessas características. A validação cruzada é uma prática recomendada para este tipo de aplicação comercial. Nesse sentido, assinale a alternativa que recorda o critério comumente usado para validar o desempenho de modelos preditivos em aprendizado de máquina.

Aprendizado de Máquinas

Verificada

Promovido por RGM Marcenaria

Precisa de conforto para estudar? 📚

Projetamos sua mesa de estudos e home office sob medida. Ergonomia e organização para você gabaritar as provas da Univesp.

Saiba Mais →

Marcone Santos

Lvl 10

16 de mai. de 2026

A seleção no algoritmo genético privilegia as soluções com melhor desempenho na função de fitness....

A seleção no algoritmo genético privilegia as soluções com melhor desempenho na função de fitness. Indivíduos bem avaliados são mais propensos a contribuir geneticamente para a próxima geração. Esse mecanismo promove a melhoria contínua das soluções ao longo do tempo. De acordo com os assuntos estudados sobre os algoritmos genéticos, assinale a alternativa que contém o método que é usado para buscar novas soluções no espaço de busca e garantir a diversidade da população.

Aprendizado de Máquinas

Verificada

Marcone Santos

Lvl 10

16 de mai. de 2026

O cruzamento em algoritmos genéticos combina partes de duas soluções para gerar novas possibilidades...

O cruzamento em algoritmos genéticos combina partes de duas soluções para gerar novas possibilidades. Esse operador aumenta a diversidade da população, permitindo a exploração de novas áreas no espaço de soluções. Assim, as gerações evoluem de forma mais robusta e adaptativa. Diante do apresentado sobre problema do caixeiro viajante (TSP, Traveling Salesman Problem), compreenda as afirmativas a seguir: I. O objetivo do TSP é encontrar o caminho mais curto que passe por todas as cidades exatamente uma vez e retorne à cidade inicial. II. No contexto de algoritmos genéticos, as soluções para o TSP são representadas como populações de matrizes de adjacência. III. O cruzamento e mutação são métodos essenciais nos algoritmos genéticos para explorar diferentes rotas no TSP. É correto o que se afirma em:

Aprendizado de Máquinas

Verificada

Marcone Santos

Lvl 10

16 de mai. de 2026

Apesar de seu potencial, algoritmos genéticos podem ser computacionalmente caros devido à necessidad...

Apesar de seu potencial, algoritmos genéticos podem ser computacionalmente caros devido à necessidade de avaliar múltiplas soluções. Contudo, seu paralelismo inerente os torna adequados para arquiteturas distribuídas. Em aprendizado de máquina, seu uso pode ser decisivo em problemas altamente não lineares. Com relação a este contexto e sobre o conteúdo estudado, examine as asserções a seguir e a relação proposta entre elas. I. Tanto os algoritmos genéticos quanto a busca em feixe estocástica utilizam populações de candidatos para explorar o espaço de busca em busca de soluções otimizadas. PORQUE II. A semelhança entre os algoritmos genéticos e a busca em feixe estocástica ocorre porque ambos os métodos mantêm apenas os indivíduos com maior diversidade em cada geração, descartando os demais. A respeito dessas asserções, assinale a alternativa correta.

Aprendizado de Máquinas

Verificada

Promovido por RGM Marcenaria

Móveis Planejados de Alto Padrão | Marcenaria RGM

Transforme sua casa com móveis sob medida. Cozinhas, dormitórios e home offices com acabamento impecável e entrega pontual.

Saiba Mais →

Marcone Santos

Lvl 10

16 de mai. de 2026

Os algoritmos genéticos são úteis em problemas onde métodos tradicionais de aprendizado supervisiona...

Os algoritmos genéticos são úteis em problemas onde métodos tradicionais de aprendizado supervisionado ou não supervisionado têm dificuldades. Eles não exigem gradientes ou suposições específicas sobre os dados. Assim, são eficazes em otimizações difíceis ou de múltiplos objetivos. Diante disso, compreenda e associe os conceitos às descrições correspondentes sobre o operador de cruzamento (crossover). | | | | --- | --- | | Conceito | Descrição | | I. Definição do cruzamento | a. Combina partes de dois indivíduos para criar novos indivíduos, promovendo a exploração do espaço de busca. | | II. Tipos de cruzamento e sua aplicabilidade | b. Métodos como cruzamento de um ponto e de dois pontos são aplicáveis também em problemas de otimização contínua. | | III. Eficiência do cruzamento | c. Depende da seleção adequada dos indivíduos, geralmente baseada na função de aptidão. | Assinale a alternativa que apresenta a associação correta.

Aprendizado de Máquinas

Verificada

Marcone Santos

Lvl 10

16 de mai. de 2026

Uma aplicação prática está no ajuste automático de hiperparâmetros de modelos de aprendizado de máqu...

Uma aplicação prática está no ajuste automático de hiperparâmetros de modelos de aprendizado de máquina. Em vez de depender de busca manual ou grid search, os algoritmos genéticos exploram combinações complexas de parâmetros para maximizar a performance. Com relação a este contexto e sobre o conteúdo estudado, avalie as asserções a seguir e a relação proposta entre elas. I. Os algoritmos genéticos são eficazes para encontrar soluções aproximadas para o problema do caixeiro viajante, pois utilizam operadores como cruzamento ordenado e mutação de troca para preservar a viabilidade das rotas geradas. PORQUE II. O problema do caixeiro viajante pertence à classe de problemas NP-difíceis, o que torna inviável encontrar soluções exatas em tempo polinomial para instâncias grandes. A respeito dessas asserções, assinale a alternativa correta.

Aprendizado de Máquinas

Verificada

Marcone Santos

Lvl 10

16 de mai. de 2026

Uma das aplicações de algoritmos genéticos em aprendizado de máquina é a seleção de características....

Uma das aplicações de algoritmos genéticos em aprendizado de máquina é a seleção de características. Eles podem encontrar subconjuntos ótimos de variáveis que melhoram a precisão de modelos. Esse processo reduz a dimensionalidade e melhora o desempenho computacional. De acordo com uma análise do apresentado, assinale a alternativa que apresenta uma diferença fundamental entre algoritmos genéticos (AG) e outros tipos de algoritmos evolucionários, como estratégias evolutivas (SE) e programação evolutiva (PE), no contexto de aprendizado de máquina.

Aprendizado de Máquinas

Verificada

Marcone Santos

Lvl 10

16 de mai. de 2026

A mutação é um operador essencial que introduz variações aleatórias nas soluções existentes. Isso aj...

A mutação é um operador essencial que introduz variações aleatórias nas soluções existentes. Isso ajuda a evitar que o algoritmo genético fique preso em mínimos locais. Em aprendizado de máquina, a mutação pode ser usada para ajustar pesos ou valores de forma inovadora. Diante do apresentado sobre os conceitos de seleção, ponto de cruzamento e taxa de mutação, interprete as afirmativas a seguir: I. A seleção é o processo que escolhe os indivíduos mais aptos com base em sua função de aptidão para gerar a próxima geração. II. O ponto de cruzamento define onde dois indivíduos trocarão seus genes, mas ele não influencia diretamente a diversidade genética da população. III. A taxa de mutação deve ser baixa para evitar a perda de indivíduos altamente aptos, mas alta o suficiente para garantir a exploração do espaço de busca. É correto o que se afirma em:

Aprendizado de Máquinas

Verificada

Veja também no Blog

Conteúdo em texto sobre Aprendizado de Máquinas e UNIVESP.

Blog

Feedback

Aprendizado De Maquinas

Precisa de conforto para estudar? 📚

Móveis Planejados de Alto Padrão | Marcenaria RGM

Precisa de conforto para estudar? 📚

Móveis Planejados de Alto Padrão | Marcenaria RGM

Quer divulgar sua marca aqui?

Comparar modelos requer uma análise além da acurácia, considerando métricas como área sob a curva RO...

A escolha do modelo ideal depende não apenas da acurácia, mas também de outros critérios, como compl...

Uma aplicação prática de validação cruzada em aprendizado de máquinas é na seleção de modelos e ajus...

Precisa de conforto para estudar? 📚

A seleção no algoritmo genético privilegia as soluções com melhor desempenho na função de fitness....

O cruzamento em algoritmos genéticos combina partes de duas soluções para gerar novas possibilidades...

Apesar de seu potencial, algoritmos genéticos podem ser computacionalmente caros devido à necessidad...

Móveis Planejados de Alto Padrão | Marcenaria RGM

Os algoritmos genéticos são úteis em problemas onde métodos tradicionais de aprendizado supervisiona...

Uma aplicação prática está no ajuste automático de hiperparâmetros de modelos de aprendizado de máqu...

Uma das aplicações de algoritmos genéticos em aprendizado de máquina é a seleção de características....

A mutação é um operador essencial que introduz variações aleatórias nas soluções existentes. Isso aj...

Veja também no Blog

Projeto Integrador UNIVESP Pronto? Os Riscos de Plágio e Como Fazer do Jeito Certo

Perdi a Prova da UNIVESP: Como Solicitar a Segunda Chamada (Guia Passo a Passo)

Como é Estudar na UNIVESP? (Vantagens, Desafios e a Realidade do EAD)

Feedback

Aprendizado De Maquinas

Precisa de conforto para estudar? 📚

Móveis Planejados de Alto Padrão | Marcenaria RGM

Precisa de conforto para estudar? 📚

Móveis Planejados de Alto Padrão | Marcenaria RGM

Quer divulgar sua marca aqui?

Comparar modelos requer uma análise além da acurácia, considerando métricas como área sob a curva RO...

A escolha do modelo ideal depende não apenas da acurácia, mas também de outros critérios, como compl...

Uma aplicação prática de validação cruzada em aprendizado de máquinas é na seleção de modelos e ajus...

Precisa de conforto para estudar? 📚

A seleção no algoritmo genético privilegia as soluções com melhor desempenho na função de *fitness*....

O cruzamento em algoritmos genéticos combina partes de duas soluções para gerar novas possibilidades...

Apesar de seu potencial, algoritmos genéticos podem ser computacionalmente caros devido à necessidad...

Móveis Planejados de Alto Padrão | Marcenaria RGM

Os algoritmos genéticos são úteis em problemas onde métodos tradicionais de aprendizado supervisiona...

Uma aplicação prática está no ajuste automático de hiperparâmetros de modelos de aprendizado de máqu...

Uma das aplicações de algoritmos genéticos em aprendizado de máquina é a seleção de características....

A mutação é um operador essencial que introduz variações aleatórias nas soluções existentes. Isso aj...

Veja também no Blog

Projeto Integrador UNIVESP Pronto? Os Riscos de Plágio e Como Fazer do Jeito Certo

Perdi a Prova da UNIVESP: Como Solicitar a Segunda Chamada (Guia Passo a Passo)

Como é Estudar na UNIVESP? (Vantagens, Desafios e a Realidade do EAD)

A seleção no algoritmo genético privilegia as soluções com melhor desempenho na função de fitness....