Geral
Aprendizado de Máquina
Semana 3
0
Questão
Uma
das aplicações mais conhecidas de algoritmos probabilísticos é o teste
de primalidade de números grandes, como o algoritmo Miller-Rabin. Esses
métodos baseados em probabilidades tornam verificações rápidas
possíveis, mesmo para números com centenas de dígitos. Embora não
garantam precisão absoluta, o erro pode ser reduzido ajustando o número
de iterações.
Diante do apresentado, sobre os tipos de conhecimento de redes bayesianas, observe as afirmativas a seguir:
I. O conhecimento causal representa como os efeitos dependem de suas causas e é frequentemente usado para prever consequências.
II. O conhecimento diagnóstico se baseia em como as causas explicam os efeitos e é usado para prever causas a partir de evidências observadas.
III. Em uma Rede Bayesiana, os dois tipos de conhecimento (causal e diagnóstico) são mutuamente exclusivos e não podem coexistir no mesmo modelo.
Está correto o que se afirma em:
function vote(questaoId, value) {
window.location.href = "/accounts/login/?next=/questao/353/";
return;
fetch(`/vote/questao/${questaoId}/`, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'X-CSRFToken': 'mJE3C57NN7zuyWg6mnjwAaB7M0INnd3oln26CcVgKinqRezgvhJFG4jK4NaSQtFe'
},
body: JSON.stringify({ value: value })
})
.then(response => response.json())
.then(data => {
if (data.success) {
document.getElementById(`score-${questaoId}`).textContent = data.score;
const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`);
const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`);
upBtn.classList.remove('active-up');
downBtn.classList.remove('active-down');
if (data.user_vote === 1) upBtn.classList.add('active-up');
if (data.user_vote === -1) downBtn.classList.add('active-down');
}
});
}
Diante do apresentado, sobre os tipos de conhecimento de redes bayesianas, observe as afirmativas a seguir:
I. O conhecimento causal representa como os efeitos dependem de suas causas e é frequentemente usado para prever consequências.
II. O conhecimento diagnóstico se baseia em como as causas explicam os efeitos e é usado para prever causas a partir de evidências observadas.
III. Em uma Rede Bayesiana, os dois tipos de conhecimento (causal e diagnóstico) são mutuamente exclusivos e não podem coexistir no mesmo modelo.
Está correto o que se afirma em: