1. Quais são os três principais conceitos do Machine Learning e e como funciona cada um deles?

  2. O que é um modelo de Machine Learning?

  3. O que é um conjunto de treinamento?

  4. O que é um conjunto de validação?

  5. Considerando que estamos trabalhando com dados estruturados, como é a estrutura de um conjunto de dados para um estudo de Análise Supervisionada? Cite exemplos de problemas que podem ser aplicados Análise Supervisionada.

  6. Quais são as etapas do Processo de Aprendizagem de um Modelo?

  7. O que é Underfitting e Overfitting? Como podemos identificar esses problemas em um modelo de Machine Learning?

  8. Como podemos definir o erro total de previsão de um modelo?

  9. Qual a regra geral de um bom modelo?

  10. Cite duas métricas e coloque a equação descrevendo as variáveis de solução que podemos utilizar para avaliar quantitativamente o desempenho do modelo de Regressão?

  11. Cite duas métricas e coloque a equação descrevendo as variáveis de solução que podemos utilizar para avaliar quantitativamente o desempenho do modelo de Classificação?

  12. Dada a seguinte matriz de confusão, calcule a precisão, o recall, o F1-score, o coeficiente Kappa e o MCC (Matthews Correlation Coefficient):

Predito Positivo Predito Negativo
Real Positivo 80 10
Real Negativo 5 105
  1. Dada a seguinte matriz de confusão, calcule a precisão, o recall, o F1-score, o coeficiente Kappa e o MCC:
Predito Positivo Predito Negativo
Real Positivo 50 20
Real Negativo 15 115

14.. Dada a seguinte matriz de confusão, calcule a precisão, o recall, o F1-score, o coeficiente Kappa e o MCC:

Predito Positivo Predito Negativo
Real Positivo 70 30
Real Negativo 10 90