Pular para o conteúdo principal

Questão de Programação — Linguagens de programação — FUNDATEC 2023

ProgramaçãoLinguagens de programação
Código
qq897112
Banca
FUNDATEC
Órgão
PROCERGS
Ano
2023
Nível
Superior
Cargo
ANC - Analista em Computação - Ênfase em Ciências de Dados
Qual é o pacote da linguagem R que contém uma implementação de redes neurais feed-forward (entre outros modelos) que permite realizar ajustes avançados nos modelos?
  1. Aggplot2
  2. BRODBC
  3. Cdplyr
  4. DCARET
  5. Eh2o
Revelar gabarito e comentário

GabaritoE — h2o

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Pacote R para redes neurais feed-forward

Gabarito: letra E. O pacote h2o da linguagem R implementa redes neurais feed-forward (deep learning) e oferece ajustes avançados como número de camadas, neurônios, taxa de aprendizado, regularização, entre outros. As demais alternativas referem-se a pacotes com outras finalidades.

Alternativa A — ❌ Incorreta

ggplot2 é um pacote para visualização de dados (gramática de gráficos), não para modelos preditivos.

Alternativa B — ❌ Incorreta

RODBC é um pacote para conexão com bancos de dados via ODBC, não para machine learning.

Alternativa C — ❌ Incorreta

dplyr é um pacote para manipulação e transformação de dados (filtros, agregações, joins), não implementa modelos.

Alternativa D — ❌ Incorreta

caret (Classification And Regression Training) é um pacote que fornece uma interface unificada para diversos algoritmos de machine learning, mas não implementa redes neurais feed-forward por si só; ele utiliza outros pacotes como wrappers. O h2o é a opção que já contém a implementação nativa com ajustes avançados.

Alternativa E — ✅ Correta ⟵ GABARITO

O pacote h2o é uma plataforma de machine learning escalável que inclui implementação de redes neurais feed-forward (deep learning) com parâmetros ajustáveis (camadas ocultas, neurônios, ativação, dropout, etc.), além de outros modelos como Random Forest, GBM, GLM, etc. É amplamente utilizado para tarefas de regressão e classificação com ajuste fino.

Gabarito: letra E

Link permanente: /questoes/qq897112