Foram encontradas 80 questões.
Carolina produz um relatório em que compara os modelos de representação vetorial de palavras Word2Vec (em seus dois métodos: CBOW e Skip-Gram) e GloVe.
Em seu relatório, Carolina destaca corretamente que o:
Provas
Bernardo, analista de dados do TRF-1, realiza o pré-processamento de um dataset que será utilizado para treinar o chatbot do Tribunal. Em uma das etapas do pré-processamento, ele utiliza uma ferramenta que deflexiona as palavras, retirando suas inflexões.
Nessa etapa, Bernardo realizou uma:
Provas
Uma camada convolucional de uma rede neural convolucional recebe como entrada uma imagem de 50 x 50 pixels. Essa imagem passa por um filtro convolucional de tamanho 5 x 5. Sabendo que a convolução usa um stride de 3 e um padding de 0, o tamanho da imagem na saída dessa convolução será:
Provas
Disciplina: TI - Organização e Arquitetura dos Computadores
Banca: FGV
Orgão: TRF-1
Em uma LSTM, o elemento responsável por extrair informação útil do estado atual para ser utilizada no cálculo do estado oculto é a porta de:
Provas
Nas técnicas de agrupamento hierárquico, é necessário estabelecer uma abordagem para calcular a similaridade entre dois clusters.
A abordagem que utiliza como medida a maior distância de um ponto do primeiro cluster para um ponto do segundo cluster é chamada de ligação:
Provas
Considerando os algoritmos de construção de árvores de decisão ID3 e C4.5, é correto afirmar que:
Provas
Anderson, analista de dados do TRF-1, gerou a matriz de confusão abaixo a partir dos resultados obtidos com um classificador binário.
|
Previsto |
|||
| Classe 1 |
Classe 2 |
||
|
Real |
Classe 1 | 80 | 30 |
|
Classe 2 |
10 | 40 | |
Ao calcular a F1-score ponderada para esse classificador, Anderson obteve o valor:
Provas
A analista Ana está implementando um script para deep learning utilizando o Python e o PyTorch. Considere o seguinte trecho do script de Ana:
import torch
import torch.nn.functional as F
input = torch.randn(3, 5, requires_grad=True)
target = torch.tensor([1, 2, 0])
loss_fn = F.nll_loss
loss = loss_fn(F.log_softmax(input, dim=1), target)
print(loss)
Ao ser executado, o trecho do script acima irá:
Provas
- FrameworksFrameworks JavascriptReact
- MobileArquitetura de Software Mobile
- MobileDesenvolvimento Nativo vs Híbrido vs PWA
- MobileReact Native
O analista Francisco está considerando o uso do React para implementar um software de exibição de análise de dados. Ele sabe que o React possui uma variante voltada a aplicativos móveis chamada React Native. Analisando a documentação na página oficial do React Native, Francisco descobriu que a comunidade de código-aberto e algumas empresas parceiras estenderam seu suporte para outras plataformas, além do Android e do iOS.
Dessa forma, Francisco descobriu que é possível executar nativamente uma aplicação feita com o React Native:
Provas
Considere o seguinte código em Python com NumPy:
import numpy as np
a = np.arange(16).reshape(8,2).T
print(a.shape, a.ndim, a[0][1])
Ao ser executado, o código acima imprime na saída padrão:
Provas
Caderno Container