Considere a matriz de confusão abaixo, obtida a partir da avaliação de um classificador binário, em que a classe Positiva é a classe de interesse:

                                                    

Com base nesses dados, tem-se que

Em um pipeline de dados, o modelo ETL (Extract, Transform, Load) caracteriza-se pela realização das transformações antes da carga dos dados no sistema de destino, enquanto o modelo ELT (Extract, Load, Transform) adia as transformações para depois da ingestão dos dados em um ambiente analítico. Nesse contexto, a alternativa mais coerente com os impactos em escalabilidade, custo computacional e planejamento em cenários de big data é:

Uma rede neural profunda pode apresentar baixo erro no conjunto de treinamento e desempenho insatisfatório em dados não vistos, mesmo após múltiplas épocas de treinamento. Nesse contexto, considerando restrições que preservam a arquitetura fundamental do modelo, a estratégia que atua de forma mais adequada sobre o fenômeno descrito é

No processo de descoberta de conhecimento (KDD), a etapa de mineração de dados se caracteriza por

Com relação à segmentação de objetos e caracteres, julgue verdadeira (V) ou falsa (F) cada uma das afirmativas a seguir.

I. No processo de leitura de placas de veículos, a segmentação falha frequentemente quando os caracteres estão "tocando" uns aos outros devido a baixas resoluções ou borrões.
II. A segmentação por "Crescimento de Regiões" (Region Growing) agrupa pixels vizinhos com propriedades semelhantes (como cor ou intensidade) para isolar objetos.
III. A segmentação de caracteres torna-se mais precisa quando aplicada diretamente sobre imagens coloridas, sem qualquer etapa prévia de conversão para tons de cinza ou binarização, pois a presença de múltiplos canais sempre reduz ambiguidades.

A sequência correta é

No que diz respeito ao uso de Reconhecimento Óptico de Caracteres (OCR) para a leitura automática de placas, julgue verdadeira (V) ou falsa (F) cada uma das afirmativas a seguir.

I. O padrão de placas de veículos, que utiliza uma combinação de letras e números sem posição fixa, foi planejado para facilitar o trabalho dos motores de OCR baseados em modelos estatísticos rígidos.
II. A normalização de iluminação através da equalização de histograma ajuda a mitigar falhas de leitura causadas por sombras intensas sobre a placa.
III. Em sistemas de Reconhecimento de Placas de Licenciamento, a "Localização da Placa" é a etapa que deve ocorrer obrigatoriamente após o reconhecimento de cada caractere.

A sequência correta é

Ao executar o algoritmo Apriori, as seguintes regras associativas foram determinadas como relevantes:

{café, açúcar} => {leite} e {açúcar, trigo} => {leite}.

Considerando essas duas regras associativas relevantes, é verdade que

Algoritmos de aprendizado de máquina podem ser classificados como paramétricos e não paramétricos. São exemplos de algoritmos não paramétricos

Na etapa de transformação dos dados no processo de descoberta de informação, a técnica que mapeia dados de alta cardinalidade em um espaço de dimensão inferior, de tal forma que a informação relevante para o problema de aprendizado seja preservada, é chamada de

No contexto do aprendizado de máquina supervisionado, considere a matriz de confusão.

A métrica F1-score pode ser calculada da seguinte forma: