Questão de Tecnologia da Informação · FGV DATAPREV 2024 (nº 64)

Para treinar uma rede neural, você precisa de dados de entrada e saída (o que a rede vai aprender a prever). Sem esses dados, a rede não tem nada para "estudar".

• (A) Incorreta: O método compile do Keras não exige que uma métrica seja definida. Ele pode ser compilado com sucesso apenas com otimizador e função de perda. A métrica é útil para monitorar o desempenho, mas não é obrigatória para a compilação.
• (B) Correta: O código tenta usar as variáveis x_train e y_train no método model.fit(). No entanto, essas variáveis não foram definidas ou carregadas em nenhum momento no código fornecido, o que resultaria em um erro de NameError (variável não definida) durante a execução.
• (C) Incorreta: A função de ativação softmax na última camada com 10 neurônios é apropriada para problemas de classificação multi-classe (onde há 10 classes distintas e a saída deve ser uma distribuição de probabilidade entre elas). sigmoid seria usada para classificação binária ou multi-label.
• (D) Incorreta: A função de perda sparse_categorical_crossentropy é a escolha correta quando os rótulos (y_train) são inteiros (ex: 0, 1, 2...) representando as classes, e não codificados em "one-hot" (ex: [0,0,1,0...]). Não há erro aqui sem mais contexto sobre o formato dos rótulos.
• (E) Incorreta: A função Sequential aceita uma lista de camadas diretamente como seu primeiro argumento, como feito no código (Sequential([...])). Não é necessário usar layers=[] explicitamente.