Considere o parágrafo a seguir.

“Os beija-flores são aves de pequeno porte, que medem em média de 6 a 12 centímetros de comprimento e pesam de 2 a 6 gramas. Maioria dos bicos são normalmente longos, mas o formato preciso varia bastante com a espécie e está adaptado ao formato da flor que constitui a base da alimentação de cada tipo de beija-flor.”

E seu sumário, obtido através de um modelo de sumarização automática:

“Os beija-flores são aves de pequeno porte, com os bicos normalmente longos cujo formato varia com a espécie, dependendo do formato da flor que constitui a base da alimentação de cada tipo de beija-flor.”

Com relação à técnica utilizada para essa sumarização, a alternativa que apresenta, respectivamente, o tipo de sumarização realizada e a evidência que nos permite classificá-la é:

Um cientista de dados está ponderando sobre a aplicação de um modelo Paragraph Vector (PV-DM) sobre uma coleção de documentos, no lugar de usar a média de vetores de palavras em cada documento.

Uma razão pela qual ele deveria aplicar PV-DM, e uma contrapartida à sua aplicação, são, respectivamente:

Após concluir sua formação no

<ent type="ORG"
url="http://dbpedia.org/resource/King's_College_London">
King’s College</ent> em
<ent type="" url="http://dbpedia.org/resource/London">
Londres</ent>,
<ent type="PER"
url="http://dbpedia.org/resource/Peter_Higgs">Higgs</ent>
assumiu a cadeira de Teoria Física na Universidade de
Edimburgo.

A respeito das anotações, o tipo correto com o qual a segunda entidade deveria ser preenchida e o propósito dos links contidos no atributo “url” são:

Considere a sentença a seguir.

s: “O acesso ao auditório também pode ser feito através de uma rampa”

Aplicando a função f à sentença, obtém-se o seguinte resultado:

f(s) = “acesso auditório pode ser feito através rampa”

A melhor descrição para a tarefa realizada pela função f é:

Considerando a seguinte matriz de confusão obtida de um experimento de classificação:

Os valores corretos das métricas de precisão e recall (revocação/sensibilidade), para a classe rato, são, respectivamente:

Durante o processo de treinamento e validação de uma rede neural, foi observado o fenômeno de underfitting do modelo, necessitando de ajustes ao procedimento. A arquitetura utilizada foi a Multilayer Perceptron (MLP) e o conjunto de dados foi separado em regime de holdout (50%, 30% e 20% para treinamento, validação e teste, respectivamente).

Dois fatores que podem ter condicionado o fenômeno observado são:

Baseado nos dados de infecções coletados durante semanas anteriores, a Secretaria de Saúde de uma pequena cidade solicitou a criação de um mecanismo para decidir sobre a priorização de vacinas na sua população.

Como resultado, foi criado o modelo de árvore de decisão ilustrado a seguir.

Uma evidência de que esse modelo foi construído usando o algoritmo C4.5 ou uma de suas variantes é:

Após alguns resultados insatisfatórios usando funções de ativação linear em um projeto de rede neural artificial, um cientista de dados resolve tentar outras funções e recebe algumas sugestões de um colega.

Dadas as alternativas abaixo, cada uma representando uma sugestão de função recebida, aquela que apresenta uma função apropriada ao uso como ativação em uma rede neural é:

Um analista decidiu aplicar um modelo Naive Bayes a um problema cujo conjunto de dados disponível possui apenas atributos categóricos codificados em one-hot.

O modelo de eventos mais apropriado nesse caso é o:

O DataJud é uma base composta por dados e metadados processuais relativos a todos os processos físicos ou eletrônicos, públicos ou sigilosos dos tribunais. Para alimentar o DataJud via API REST com os metadados dos processos do TJDFT, Pedro recebeu o arquivo1 e enviou o arquivo2, cujos recortes estão ilustrados a seguir.

Recorte do arquivo1:

<attribute name="codigoDocumento" type="string"
use="required">
<annotation>
<documentation> Sequência de caracteres que tornam único o documento descrito sem os separadores característicos.</documentation>
</annotation>
</attribute>
<atribute name="emissorDocumento" type="string" use="required">
<annotation>
<documentation> Órgão emissor do documento de identificação.</documentation>
</annotation>
</attribute>
<attribute name="tipoDocumento" type="cnj:modalidadeDocumentoIdentificador" use="required">
<annotation>
<documentation>Tipo do documento, conforme emuneração existente no tipo "tipoDocumento".
</documentation>
</annotation>
</attribute>

Recorte do arquivo2:
<documento codigoDocumento="00104875732"

emissorDocumento="SSP" tipoDocumento="NB"/>

Os arquivo1 e arquivo2 utilizados por Pedro são, respectivamente: