Encontrar regras de associação que associam valores de um subconjunto de atributos preditivos a valores de outro subconjunto. 2. Diagnóstico médico de pacientes a partir de seus sintomas. 3. Encontrar grupos de objetos similares entre si em um conjunto de dados.
Considere a seguinte matriz de confusão com o desempenho de um classificador:| | | | | --- | --- | --- | | Classe Prevista | Classe Verdadeira | | | P | N | | P | 25 | 30 | | N | 25 | 20 |O valor da precisioné:
Assuma que a fração de alunos de Graduação que fuma seja de 15%, e que a fração de alunos de Pós-Graduação que fuma seja de 23%. Se 1/5 dos alunos da universidade são de Pós-Graduação (sendo o restante de Graduação), qual a probabilidade de um aluno fumante ser de Pós-Graduação?
Uma das formas de lidar com tarefas preditivas em aprendizado de máquina, principalmente quando as informações disponíveis são incompletas ou imprecisas, é por meio do uso de algoritmos baseados no teorema de Bayes, os métodos probabilísticos bayesianos.Dentre eles, destaca-se o classificador Naive Bayes, que é considerado ingênuo:
Assuma que a fração de alunos de Graduação indígenas seja de 15%, e que a fração de alunos de Pós-Graduação indígenas seja de 23%.Se 1/5 dos alunos da universidade são de Pós-Graduação (sendo o restante de Graduação), qual a probabilidade de um aluno indígena ser de Graduação?
O Latent Dirichlet Allocation (LDA) é um dos modelos de tópicos mais populares, tendo servido como base para criar muitos outros modelos probabilísticos. Sobre LDA, é correto afirmar:
É um modelo probabilístico generativo de um corpus. 2. Pode-se dizer que o modelo LDA foi baseado nos modelos LSA (Latent Semantic Analysis) e pLSI (probabilistic Latent Semantic Indexing). 3. Cada tópico se caracteriza por uma distribuição de palavras.
O resultado da modelagem em tópicos garante exclusividade de tópicos corretos de cada documento. 2. Diminui a dependência de conhecimentos especializados sobre a coleção ou o domínio, imprescindíveis para interpretar esses tópicos. 3. Existem grandes chances de os documentos com ideias equivalentes de tópicos ficarem agrupados juntos.
O grande volume de dados disponíveis exige cada vez mais a utilização de ferramentas automatizadas a fim de armazenar, organizar e recuperar informações.Nesse contexto, emprega-se a sumarização de textos para organizar de maneira lógica informações sobre diferentes coleções de dados. Sobre a sumarização de textos, é correto afirmar:
Os algoritmos de sumarização automática de textos (SAT) podem ser classificados conforme o número de textos processados. 2. A sumarização pode ser empregada em diferentes casos, como em notícias, artigos científicos ou prontuários de pacientes de um hospital. 3. Os objetivos da sumarização se classificam em dois pontos de vista principais: o escritor e o revisor dos textos.
Na biblioteca Gensim, existe uma função de pré-processamento acessível pelo módulo _________________ (lacuna 1) por _________________________ (lacuna 2), que recebe o documento como parâmetro obrigatório e outros três parâmetros opcionais: deacc,min_len e max_len.Selecione a alternativa que apresenta conteúdos adequados para preencher as lacunas do texto acima:
Uma maneira de melhorar as pesquisas por informações digitais é procurar o seu tema, quando se torna possível tanto buscar informações mais específicas quanto mais amplas dentro de um tema, incluindo ainda o acesso ao histórico de como esses temas mudaram ao longo do tempo ou como estão conectados entre si. Assim, em vez de empregar somente palavras-chave, a pesquisa inicia com o tema de interesse e com a análise dos documentos relacionados a esse tema. Nesse contexto, a um conjunto de algoritmos que visam pesquisar sobre grandes arquivos de documentos com informações temáticas, dá-se o nome de:
Diferentemente das representações clássicas, em que as palavras são representadas simplesmente por uma sequência de caracteres ou como um índice de um vocabulário, word embeddings introduzem o conceito de aprendizado por representação. Sobre word embeddings, é correto afirmar:
O conceito de embeddings refere-se a uma representação em um espaço vetorial contínuo de maior dimensionalidade aprendida ou gerada a partir de uma representação de menor dimensionalidade. 2. As embeddings podem ser aprendidas/geradas para variáveis discretas (ex.: documentos, sentenças e palavras). 3. A utilização de embeddings facilita a utilização dos algoritmos de aprendizado de máquina, aumentando a velocidade de execução e reduzindo o consumo de memória.
Considere o trecho de código em Python a seguir:def FUNC(model, tagged_data, num_dim):matrix = np.zeros((len(tagged_data),num_dim))for i inrange(len(tagged_data)):matrix[i] = model.docvecs[tagged_data[i][1][0]]return matrix...model = Doc2Vec(vector_size=100, min_count=2, dm=1, dm_concat = 1,epochs=100)...resultado = FUNC(model, tagged_treino, num_dim)O papel da função FUNC é:
Em muitas aplicações de Processamento de Linguagem Natural, é comum trabalhar com grandes volumes de dados textuais que precisam ser organizados, resumidos ou interpretados automaticamente. Diversas técnicas computacionais foram desenvolvidas com o intuito de facilitar a análise desses conteúdos, possibilitando uma melhor compreensão dos textos sem a necessidade de leitura manual. Essas estratégias podem assumir formas variadas, dependendo dos objetivos e da estrutura dos dados analisados.Com base nesse contexto, assinale a alternativa que reconhece o conceito de modelagem de tópicos.
De posse de diversas bases de dados/documentos, é possível calcular a probabilidade de uma sequência de ocorrências, ou seja, grupo de palavras. Poderíamos especificar tais probabilidades e dizer, por exemplo, que a probabilidade da sentença “o jogador chutou a ____” ser completada com a palavra “bola” é bem maior que com a palavra “mola”. Como exemplo de modelos baseados nessa ideia, é possível citar:
A partir de um texto, é possível criar uma estrutura com todas as palavras e suas respectivas contagens no texto. Em Python, isso pode ser feito por meio de um dicionário, no qual a palavra indica a chave e a quantidade aponta para o valor associado à chave. A essa estrutura dá-se o nome de _________________ (lacuna), possibilitando a criação de vetores para cada frase do texto.Selecione a alternativa que apresenta a palavra adequada para preencher a lacuna do texto acima:
O algoritmo bag of wordsé uma técnica de processamento de linguagem natural usada para extrair características de um texto/documento a partir da contagem da frequência das suas palavras. Nesse contexto, um documento pode ser definido conforme necessário como uma frase única ou toda a Wikipédia.As quatro etapas que compõem o algoritmo bag of words são:
O pacote scikit-learn do Python oferece três principais tipos de vetorizadores de textos.
O peso atribuído a cada termo não depende apenas de sua frequência em um documento, mas também de sua recorrência em todo um conjunto de documentos. 2. O mais simples conta o número de vezes que um termo aparece no documento e usa esse valor como peso. 3. Oferece boa eficiência em relação ao uso da memória. A desvantagem desse método reside no fato de que, uma vez vetorizado, os nomes das características não podem mais ser recuperados.
Considere os textos a seguir.Texto 1: “Paulo e Cíntia foram ao cinema sem ingressos.”Texto 2: “E não havia mais ingressos.”Texto 3: “Paulo comeu bolo e Cíntia comeu pipoca.”Utilizando cada atributo conforme a ordem de ocorrência das palavras, qual seria a representação vetorial do texto 2 utilizando bag of words?
Um n-grama é uma sequência de n elementos em um determinado nível de análise. Considerando a sentença abaixo, qual das alternativas ilustra exemplos de bigramas?“O aluno realizou a prova no tempo previsto.”
Dentre as técnicas para extração de informações sobre bases textuais, destacam-se os algoritmos bag of words e TF-IDF. Sobre eles, é correto afirmar:
Um dos maiores problemas do algoritmo bag of words é não considerar o contexto no qual os termos estão inseridos, levando em conta apenas o número de vezes em que um termo aparece. 2. O TF-IDF é um dos esquemas de ponderação de termos mais populares, usado por 83% dos sistemas de recomendação baseados em texto nas bibliotecas digitais. 3. O bag of words lista o percentual que cada palavra representa em um documento.
Em atividades de comparação textual, diferentes técnicas de similaridade podem ser utilizadas com base nas necessidades do contexto e nos tipos de texto que estão envolvidos. Avaliar o funcionamento prático de cada abordagem permite que o analista escolha o método mais eficaz, considerando aspectos como a granularidade, o volume de dados e a finalidade da análise.Com base nesse contexto, avalie e relacione as abordagens de similaridade com suas respectivas situações de uso.| | | | --- | --- | | Abordagens de Similaridade | Situações de uso | | I. Distância de Levenshtein | A. Um filtro de plágio examina trechos curtos de texto com pequenas alterações, como troca de palavras ou mudança na ordem, buscando padrões repetitivos dentro das frases. | | II. Similaridade do Cosseno | B. Um sistema de correção ortográfica compara palavras digitadas com o vocabulário correto, avaliando qual termo exige o menor número de alterações para se tornar válido. | | III. Similaridade baseada em N-grams | C. Uma ferramenta de recomendação analisa descrições de produtos em linguagem natural, convertendo-as em vetores para identificar textos com conteúdos semanticamente próximos. |Assinale a alternativa que apresenta a associação correta:
Em grandes conjuntos de dados linguísticos, como corpora de redes sociais ou documentos técnicos, é comum aplicar estatísticas descritivas para identificar padrões. As medidas de tendência central — média, mediana e moda — ajudam a compreender aspectos como frequência de palavras ou idade média dos autores. A escolha da medida adequada depende de características dos dados, como simetria, presença de outliers ou distribuição irregular.Com relação a este contexto e sobre o conteúdo estudado, analise as asserções a seguir e a relação proposta entre elas: I. A mediana pode ser utilizada para representar a idade central de participantes em um corpus de entrevistas, evitando distorções causadas por valores atípicos como a presença de um ou dois participantes muito mais velhos do que os demais, PORQUE II. a média continua sendo a melhor escolha para representar dados com valores extremos, pois ela reflete de maneira direta todos os elementos observados na amostra. A respeito dessas asserções, assinale a alternativa correta:
Ao analisar textos com apoio da biblioteca NLTK, é comum trabalhar com corpora estruturados, como poemas, crônicas ou artigos. Esses textos podem ser divididos em unidades menores chamadas tokens, o que permite extrair padrões, calcular frequências e construir representações úteis para diversas finalidades. Operações como normalização, contagem de types e tokenização por sentenças são etapas que influenciam diretamente os resultados da análise.Com base nesse contexto sobre o uso do NLTK no processamento de um corpus textual. observe as afirmativas a seguir:
A conversão de palavras para letras minúsculas reduz a duplicação de termos equivalentes, como “Amor” e “amor”, contribuindo para uma contagem mais coerente de tokens e types. 2. A tokenização lexical distingue todas as ocorrências no texto, incluindo sinais de pontuação, que podem ser considerados unidades de análise dependendo dos objetivos da pesquisa. 3. A tokenização de sentenças leva em conta o idioma do texto, o que permite reconhecer fronteiras de frases de forma mais precisa, mesmo diante de abreviações e estruturas ambíguas. 4. A contagem de types representa o número de palavras distintas no texto, enquanto a contagem de tokens contabiliza todas as ocorrências, inclusive as repetidas.
Chatbots são softwares capazes de conduzir uma conversa por texto, projetados para desenvolver uma conversa da maneira mais semelhante possível à de um ser humano. De acordo com o histórico de PLN, os chatbots sugiram:
Os metacaracteres podem ser compreendidos como um conjunto de símbolos com características próprias que possibilitam buscas generalizadas e específicas em expressões regulares, como: (Quanto a sua classificação, os metacaracteres podem ser identificados como: representantes; quantificadores; âncoras; e outros (incluindo metacaracteres relacionais, agrupamento e escape).Considerando esse contexto e com base nas classificações dos metacaracteres, observe as afirmativas a seguir:
Os metacaracteres e pertencem à mesma categoria por permitirem buscas com variações na quantidade de ocorrência de um elemento. 2. Os metacaracteres e atuam em posições fixas da string, sendo utilizados para delimitar onde a busca deve começar ou terminar. 3. Os metacaracteres “.” e “[ ]” podem representar qualquer caractere ou um conjunto definido de caracteres, desempenhando função de substituição em padrões. 4. Os metacaracteres e pertencem a categorias distintas, pois um converte símbolos especiais em literais e o outro permite agrupar partes da expressão.
No POS tagging (Part-of-Speech Tagging), o sistema computacional atribui a cada token uma classe gramatical com base na função que a palavra desempenha dentro da sentença. Embora alguns tokens possam ser classificados com base em regras fixas, muitos casos exigem que o sistema avalie o contexto sintático e semântico local. Ambiguidades como essas revelam a necessidade de modelos que vão além de mapeamentos lexicais estáticos.Com base nesse contexto, avalie as asserções a seguir e a relação proposta entre elas: I. Em frases como “A nota caiu” e “Nota importante sobre o evento”, um sistema de POS tagging que considera o contexto sintático é capaz de classificar “nota” como substantivo em ambas, mas com estruturas diferentes: na primeira, como sujeito de uma oração verbal; na segunda, como núcleo de um sintagma nominal premodificado por um adjetivo. Essa distinção demonstra a importância da análise estrutural na atribuição de classes gramaticais. PORQUE II. Sistemas de POS tagging que utilizam apenas listas de palavras pré-classificadas conseguem inferir corretamente a função de um token, mesmo quando a estrutura da frase permite mais de uma interpretação possível. A respeito dessas asserções, assinale a alternativa correta:
O planejamento organizacional deve ser apresentado para através de um modelo que serve para que todos os envolvidos consigam compreender a forma de operação da empresa, desde como ela realiza o trabalho, ou seja, a forma como a administração gerencia o negócio, como os “produtos ou serviços são executados, distribuídos e controlados, como cuida da qualidade dos produtos e processos, como utiliza seus equipamentos e recursos, como se relaciona com as pessoas que fazem parte do quadro de colaboradores, como controla seus custos, e assim por diante”. (BIAGIO; BATOCCHIO, 2018, p. 161).BIAGIO, Luiz A.; BATOCCHIO, Antonio. Plano de negócios: estratégia para micro e pequenas empresas 3a ed. 3. ed. Barueri: Manole, 2018. Disponível em: https://integrada.minhabiblioteca.com.br/reader/books/9786555760897/. Acesso em: 12 jan. 2025.Quanto à estrutura de apresentação do planejamento organizacional, identifique a alternativa correta.
