Analise o trecho de código escrito abaixo:

rules <- apriori(Groceries, parameter=list(support=0.001,

confidence=0.6, target = “rules”))

Sobre o trecho de código acima, é correto afirmar que a função apriori() também pode ser utilizada para:

Qual é a técnica que pode ser utilizada para sugerir que aqueles clientes que compraram o produto A também compraram o produto B, ou que aqueles clientes que compraram os produtos A, B e C são mais similares que os clientes que compraram o produto A?

Analise as assertivas abaixo sobre o método de agrupamento k-means:

1. Dada uma coleção de objetos, cada um com n atributos, k-means é um método que, para I - um valor escolhido de k, identifica k grupos de objetos com base na proximidade dos objetos com relação ao centroide do grupo. O centro é determinado como a média do vetor n-dimensional de atributos de cada grupo.
2. Por ser um método supervisionado, o K-means ajuda a excluir a subjetividade das análises.
3. K-means é um método para definir agrupamentos. Uma vez que os agrupamentos e os seus centroides são identificados, é fácil classificar novos objetivos para um cluster baseado na distância do objeto do centroide mais próximo.

Quais estão corretas?

Estatística pode ser utilizada para avaliar o resultado de modelos de mineração de dados e aprendizado de máquina. Assinale a alternativa que contém, respectivamente, a hipótese nula e a hipótese alternativa para uma aplicação de um modelo de regressão.

Analise o código a seguir, escrito na linguagem R:

x <- c(1, 2, 3, NA, 4)

is.na(x)

Na linguagem R, a função is.na() é utilizada na etapa de:

As Redes Neurais possuem uma arquitetura feed-forward que usam filtros e camadas de agrupamento para transformar os dados, enquanto as Redes Neurais são preditivas, reutilizam funções de ativação de outros pontos de dados na sequência para gerar a próxima saída em uma série.

Assinale a alternativa que preenche, correta e respectivamente, as lacunas do trecho acima.

Sobre as Redes Neurais Recorrentes (RNN), é correto afirmar que:

Relacione a Coluna 1 à Coluna 2, associando as categorias de aprendizado de máquina às suas características.

Coluna 1

1. Aprendizado Supervisionado.

2. Aprendizado Não Supervisionado.

3. Aprendizado Profundo.

Coluna 2

( ) O algoritmo recebe um conjunto de dados rotulados e aprende comparando a saída do modelo com a saída esperada, reajustando seus parâmetros até chegar em um limiar aceitável e pré-determinado a priori.

( ) Os algoritmos buscam encontrar padrões ou estruturas em conjuntos de dados não rotulados, por exemplo, gerando agrupamentos de dados.

( ) Conjunto de algoritmos que modelam abstrações de alto nível de dados usando grafos com várias camadas de processamento, compostas de várias transformações lineares e não lineares.

( ) Processo de aprendizado baseado em redes neurais com várias camadas (em geral, mais de cinco camadas): entrada, saída e oculta.

A ordem correta de preenchimento dos parênteses, de cima para baixo, é:

Sobre as funções de agregação em SQL, é correto afirmar que:

Em um modelo relacional de banco de dados, qual é a função do atributo estrangeiro?