Questão nº 63
Questão de TI - Ciência de Dados · FGV EPE 2024 (nº 63)
O treinamento em redes neurais artificiais é, essencialmente, um problema de otimização, em que se busca minimizar o erro entre as predições do modelo neural e os valores alvo preexistentes no conjunto de dados de treinamento.
Com respeito aos métodos relacionados à otimização de parâmetros em redes neurais artificiais, analise as afirmativas a seguir.
I. No algoritmo backpropagation, a aplicação da regra da cadeia é fundamental para o cálculo dos gradientes dos erros com respeito aos pesos (parâmetros) da rede neural artificial.
II. O método do gradiente (também chamado de método do máximo declive ou Gradient Descent – GD) escolhe aleatoriamente um pequeno número de instâncias de dados de treinamento a cada passo, aumentando a velocidade inicial de minimização das métricas de erro.
III. As técnicas de regularização L1 (Lasso) e L2 (Ridge) podem ser utilizadas para mitigar problemas relacionados a inicialização indevida de pesos (parâmetros) em redes neurais.
Está correto o que se afirma em
- AI, apenas. (alternativa correta)
- BII, apenas.
- CI e III, apenas.
- DII e III, apenas.
- EI, II e III.
Resposta comentada
Gabarito Alternativa A
O treinamento de redes neurais é como ensinar um computador a fazer previsões, ajustando os "botões" internos (pesos) para que o erro entre o que ele prevê e o que é real seja o menor possível.
- (A) Correta: A regra da cadeia é a base matemática do backpropagation. Ela permite calcular como uma pequena mudança em cada peso da rede afeta o erro final, propagando essa informação de trás para frente na rede. Sem ela, seria inviável ajustar os pesos de forma eficiente.
- (B) Incorreta: Esta afirmativa descreve o Mini-batch Gradient Descent (ou, em alguns contextos, Stochastic Gradient Descent se for uma única instância), não o Gradient Descent (também conhecido como Batch Gradient Descent) puro. O Gradient Descent tradicional calcula o gradiente usando todas as instâncias de treinamento em cada passo. A armadilha aqui é confundir as variantes do método do gradiente.
- (C) Incorreta: A afirmativa I está correta, mas a III está incorreta.
- (D) Incorreta: Ambas as afirmativas II e III estão incorretas.
- (E) Incorreta: As afirmativas II e III estão incorretas.
Fonte: FGV EPE 2024 Analista de Gestão Corporativa - TI - Ciência de Dados (Caderno Tipo 1). Reproduzida para fins de estudo.