Pular para o conteúdo principal

Questão de TI - Ciência de Dados e Inteligência Artificial — Conceitos Gerais de Machine Learning — FCC 2025

TI - Ciência de Dados e Inteligência ArtificialConceitos Gerais de Machine Learning
Código
fc150377
Banca
FCC
Órgão
Pref SP
Ano
2025
Cargo
Ana ( )
Suponha que a Prefeitura de São Paulo deseje implementar um sistema de análise de dados para prever demandas de transporte público e identificar padrões de deslocamento em diferentes horários e regiões. Os dados disponíveis incluem registros históricos de viagens, horários de pico, informações demográficas e localizações geográficas. Para prever o aumento na demanda em horários específicos e identificar agrupamentos de regiões com padrões semelhantes de uso, deve-se
  1. Ausar Árvores de Decisão para prever demandas futuras e treinar um modelo supervisionado de clusterização hierárquica para identificar padrões de deslocamento em horários específicos, através de dendogramas.
  2. Baplicar Regressão Logística para prever a demanda futura com base em histórico de viagens e utilizar o método ARIMA (Autoregressive lntegrated Moving Average) para identificar agrupamentos de regiões para segmentação de dados geográficos.
  3. Cutilizar um modelo de Regressão Logística para prever as demandas de transporte público e Redes Neurais Convolucionais (CNN) para identificar padrões de deslocamento em horários de pico.
  4. Daplicar Regressão Linear para prever a demanda futura com base em variáveis como horário e histórico de viagens e utilizar o algoritmo não supervisionado K-Means para identificar agrupamentos de regiões com padrões similares de uso.
  5. Etreinar um modelo não supervisionado de Support Vector Machine (SVM) para prever a demanda em horários específicos e Redes Neurais Recorrentes (RNN) para identificar padrões de deslocamento ao longo do tempo.
Revelar gabarito e comentário

GabaritoD — aplicar Regressão Linear para prever a demanda futura com base em variáveis como horário e histórico de viagens e utilizar o algoritmo não supervisionado K-Means para identificar agrupamentos de regiões com padrões similares de uso.

Link permanente: /questoes/fc150377