Com relação às bibliotecas Matplotlib, Seaborn, Streamlit e Scipy, julgue o item a seguir.

O resultado da execução do código a seguir será

3.45359236999999997.
from scipy import constants
print(constants.pi)

import numpy as np
a = np.array([(1, 2), (3, 4), (5, 6)],
dtype=[('x', 'i4'), ('y', 'i4')])
print(a)
print(a.shape)

O resultado da execução do código Python apresentado anteriormente é o que se segue.

[[1 2]
[3 4]
[5 6]
['x','i4']
['y','i4']]
(3, 2)

A respeito da biblioteca Numpy, julgue os itens a seguir.

O resultado da execução do código Python a seguir resultará em valores diferentes para as variáveis c e d.

import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[4,3],[2,1]])
c= np.dot(a,b)
print(c)
d=a*b
print(d)

No que se refere à biblioteca Pandas, julgue o próximo item.

import pandas as pd
a = [10, 78, 23]
myvar = pd.Series(a, index = [“x”, “y”, “z”])
print(myvar.describe())

Caso o código em Python precedente seja executado, então será apresentado em tela o que se segue.

count 4.000000
mean 38.000000
std 6.097091
min 10.000000
25% 16.500000
50% 23.000000
75% 50.500000
max 78.000000
dtype: float64

A respeito de redes neurais, julgue o item a seguir.

Apesar das CNN serem redes neurais profundas, com várias camadas ocultas, elas são dispensadas nos algoritmos de reconhecimento de imagens.

A respeito de redes neurais, julgue o item a seguir.

Backpropagation propaga o erro da camada de saída para as camadas intermediárias de uma rede neural a fim de que estas possam modificar seus pesos de forma a minimizar o erro médio.

A respeito de redes neurais, julgue o item a seguir.

As redes neurais têm a capacidade de adaptar seus pesos sinápticos considerando as mudanças de padrão dos dados de entrada.

A respeito de redes neurais, julgue o item a seguir.

Nas redes neurais completamente conectadas, todos os neurônios de uma camada estão conectados aos neurônios da camada seguinte, no entanto, não é possível que as saídas das camadas posteriores alimentem a entrada de camadas anteriores.

A respeito de redes neurais, julgue o item a seguir.

As conexões entre as camadas de uma rede neural do tipo MLP são de natureza feedfoward.

Julgue o próximo item, relativo a aprendizado de máquina.

O aprendizado por reforço é um tipo de aprendizagem de máquina que tem por objetivo prever o resultado de um atributo alvo exclusivamente por meio de reforço no treinamento do modelo.