From 7889ea1406430caa79b0852bb33460193e081df2 Mon Sep 17 00:00:00 2001 From: hi-hi-ray Date: Mon, 4 Oct 2021 22:32:34 -0300 Subject: [PATCH] feat: translate quiz --- quiz-app/src/assets/translations/br.json | 2815 +++++++++++++++++++++ quiz-app/src/assets/translations/index.js | 4 +- 2 files changed, 2818 insertions(+), 1 deletion(-) create mode 100644 quiz-app/src/assets/translations/br.json diff --git a/quiz-app/src/assets/translations/br.json b/quiz-app/src/assets/translations/br.json new file mode 100644 index 00000000..4166f0a7 --- /dev/null +++ b/quiz-app/src/assets/translations/br.json @@ -0,0 +1,2815 @@ +[ + { + "title": "Machine Learning para iniciantes: Questionários", + "complete": "Parabéns, você completou o questionário!", + "error": "Desculpe, tente novamente", + "quizzes": [ + { + "id": 1, + "title": "Introdução ao Machine Learning: Teste pré-aula", + "quiz": [ + { + "questionText": "Aplicações de machine learning estão à nossa volta", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual é a diferença técnica entre ML clássico e deep learning?", + "answerOptions": [ + { + "answerText": "ML clássico foi inventado primeiro", + "isCorrect": "false" + }, + { + "answerText": "O uso de redes neurais", + "isCorrect": "true" + }, + { + "answerText": "Deep learning é usado em robôs", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Por que uma empresa pode querer usar estratégias de ML?", + "answerOptions": [ + { + "answerText": "para automatizar a resolução de problemas multidimensionais", + "isCorrect": "false" + }, + { + "answerText": "para personalizar uma experiência de compra com base no tipo de cliente", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 2, + "title": "Introdução ao Machine Learning: Teste pós-aula", + "quiz": [ + { + "questionText": "Algoritmos de Machine learning têm o objetivo de simular", + "answerOptions": [ + { + "answerText": "máquinas inteligentes", + "isCorrect": "false" + }, + { + "answerText": "o cérebro humano", + "isCorrect": "true" + }, + { + "answerText": "orangotangos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual é um exemplo de técnica clássica de ML?", + "answerOptions": [ + { + "answerText": "processamento de linguagem natural", + "isCorrect": "true" + }, + { + "answerText": "deep learning", + "isCorrect": "false" + }, + { + "answerText": "Redes neurais", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Por que todos deveriam aprender o básico do ML?", + "answerOptions": [ + { + "answerText": "aprender ML é divertido e acessível a todos", + "isCorrect": "false" + }, + { + "answerText": "As estratégias de ML estão sendo utilizadas em muitas indústrias e setores", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 3, + "title": "História do aprendizado de máquina: Teste pré-aula", + "quiz": [ + { + "questionText": "Aproximadamente quando foi criado o termo 'inteligência artificial'?", + "answerOptions": [ + { + "answerText": "Na década de 1980", + "isCorrect": "false" + }, + { + "answerText": "Na década de 1950", + "isCorrect": "true" + }, + { + "answerText": "Na década de 1930", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Quem foi um dos pioneiros do machine learning?", + "answerOptions": [ + { + "answerText": "Alan Turing", + "isCorrect": "true" + }, + { + "answerText": "Bill Gates", + "isCorrect": "false" + }, + { + "answerText": "Shakey o robô", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual foi uma das razões pelas quais o avanço da IA desacelerou na década de 1970?", + "answerOptions": [ + { + "answerText": "Poder de computação limitado", + "isCorrect": "true" + }, + { + "answerText": "Engenheiros qualificados insuficientes", + "isCorrect": "false" + }, + { + "answerText": "Conflitos entre países", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 4, + "title": "História do aprendizado de máquina: Teste pós-aula", + "quiz": [ + { + "questionText": "Qual é um exemplo de sistema de IA 'desalinhada'?", + "answerOptions": [ + { + "answerText": "ELIZA", + "isCorrect": "true" + }, + { + "answerText": "HACKML", + "isCorrect": "false" + }, + { + "answerText": "SSYSTEM", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual é um exemplo de tecnologia desenvolvida durante os 'Anos de Ouro'?", + "answerOptions": [ + { + "answerText": "Mundo de blocos", + "isCorrect": "true" + }, + { + "answerText": "Jibo", + "isCorrect": "false" + }, + { + "answerText": "Cães robóticos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual evento foi fundamental na criação e expansão do campo da inteligência artificial?", + "answerOptions": [ + { + "answerText": "Teste de Turing", + "isCorrect": "false" + }, + { + "answerText": "Projeto de pesquisa de verão de Dartmouth", + "isCorrect": "true" + }, + { + "answerText": "Winter AI", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 5, + "title": "Equidade e aprendizado de máquina: Teste pré-aula", + "quiz": [ + { + "questionText": "Injustiça no aprendizado de máquina pode acontecer", + "answerOptions": [ + { + "answerText": "intencionalmente", + "isCorrect": "false" + }, + { + "answerText": "não intencionalmente", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "O termo 'injustiça' em ML conota:", + "answerOptions": [ + { + "answerText": "prejudicar um grupo de pessoas", + "isCorrect": "true" + }, + { + "answerText": "dano a uma pessoa", + "isCorrect": "false" + }, + { + "answerText": "prejudicar a maioria das pessoas", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Os cinco principais tipos de danos incluem", + "answerOptions": [ + { + "answerText": "atribuição, qualidade de serviço, estereótipos, difamação e super-representação ou sub-representação", + "isCorrect": "true" + }, + { + "answerText": "alocação, qualidade de serviço, estereótipos, difamação e super-representação ou sub-representação", + "isCorrect": "false" + }, + { + "answerText": "atribuição, qualidade de serviço, estereofônico, difamação e super-representação ou sub-representação", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 6, + "title": "Equidade e aprendizado de máquina: Teste pós-aula", + "quiz": [ + { + "questionText": "Injustiça em um modelo pode ser causada por", + "answerOptions": [ + { + "answerText": "confiança excessiva em dados históricos", + "isCorrect": "true" + }, + { + "answerText": "pouca confiança em dados históricos", + "isCorrect": "false" + }, + { + "answerText": "alinhamento muito preciso para dados históricos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Para mitigar a injustiça, você pode", + "answerOptions": [ + { + "answerText": "identificar os danos e grupos afetados", + "isCorrect": "false" + }, + { + "answerText": "definir métricas de justiça", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Fairlearn é um pacote que pode", + "answerOptions": [ + { + "answerText": "compare vários modelos usando métricas de imparcialidade e desempenho", + "isCorrect": "true" + }, + { + "answerText": "escolha o melhor modelo que atenda as suas necessidades", + "isCorrect": "false" + }, + { + "answerText": "ajudá-lo a decidir o que é justo e o que não é", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 7, + "title": "Ferramentas e técnicas: Teste pré-aula", + "quiz": [ + { + "questionText": "Ao construir um modelo, você deve:", + "answerOptions": [ + { + "answerText": "prepare seus dados e treine seu modelo", + "isCorrect": "true" + }, + { + "answerText": "escolha um método de treinamento e, em seguida, prepare seus dados", + "isCorrect": "false" + }, + { + "answerText": "ajustar os parâmetros e treinar seu modelo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "A ___ dos seus dados afetará a qualidade do seu modelo de ML", + "answerOptions": [ + { + "answerText": "quantidade", + "isCorrect": "false" + }, + { + "answerText": "formato", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Uma variável característica é:", + "answerOptions": [ + { + "answerText": "uma qualidade de seus dados", + "isCorrect": "false" + }, + { + "answerText": "uma propriedade mensurável de seus dados", + "isCorrect": "true" + }, + { + "answerText": "uma linha de seus dados", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 8, + "title": "Ferramentas e técnicas: Teste pós-aula", + "quiz": [ + { + "questionText": "Você deve visualizar seus dados porque", + "answerOptions": [ + { + "answerText": "pode descobrir outliers", + "isCorrect": "false" + }, + { + "answerText": "pode descobrir uma causa potencial para viés", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Divida seus dados em:", + "answerOptions": [ + { + "answerText": "conjuntos de treinamento e conjuntos de turing", + "isCorrect": "false" + }, + { + "answerText": "conjuntos de treinamento e teste", + "isCorrect": "true" + }, + { + "answerText": "conjuntos de validação e avaliação", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Um comando comum para iniciar o processo de treinamento em várias bibliotecas de ML é:", + "answerOptions": [ + { + "answerText": "model.travel", + "isCorrect": "false" + }, + { + "answerText": "model.train", + "isCorrect": "false" + }, + { + "answerText": "model.fit", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 9, + "title": "Introdução à regressão: Teste pré-aula", + "quiz": [ + { + "questionText": "Qual dessas variáveis é uma variável numérica?", + "answerOptions": [ + { + "answerText": "Altura", + "isCorrect": "true" + }, + { + "answerText": "Gênero", + "isCorrect": "false" + }, + { + "answerText": "Cor do Cabelo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual dessas variáveis é uma variável categórica?", + "answerOptions": [ + { + "answerText": "Frequência cardíaca", + "isCorrect": "false" + }, + { + "answerText": "Tipo sanguíneo", + "isCorrect": "true" + }, + { + "answerText": "Peso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual desses problemas é um problema baseado em análise de regressão?", + "answerOptions": [ + { + "answerText": "Previsão das notas do exame final de um aluno", + "isCorrect": "true" + }, + { + "answerText": "Previsão do tipo sanguíneo de uma pessoa", + "isCorrect": "false" + }, + { + "answerText": "Prever se um e-mail é spam ou não", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 10, + "title": "Introdução à regressão: Teste pós-aula", + "quiz": [ + { + "questionText": "Se a precisão do treinamento do seu modelo de Machine Learning for 95% e a precisão do teste for 30%, então que tipo de condição é chamada?", + "answerOptions": [ + { + "answerText": "Sobre-ajuste (Overfitting)", + "isCorrect": "true" + }, + { + "answerText": "Sub-ajuste (Underfitting)", + "isCorrect": "false" + }, + { + "answerText": "Adaptação dupla", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O processo de identificação de recursos significativos de um conjunto de recursos é denominado:", + "answerOptions": [ + { + "answerText": "Extração de recurso", + "isCorrect": "false" + }, + { + "answerText": "Redução de dimensionalidade do recurso", + "isCorrect": "false" + }, + { + "answerText": "Seleção de recursos", + "isCorrect": "true" + } + ] + }, + { + "questionText": "O processo de divisão de um conjunto de dados em uma determinada proporção de conjunto de dados de treinamento e teste usando o método/função 'train_test_split()' do Scikit Learn é chamado:", + "answerOptions": [ + { + "answerText": "Validação cruzada (Cross-Validation)", + "isCorrect": "false" + }, + { + "answerText": "Validação Hold-Out (Hold-Out Validation)", + "isCorrect": "true" + }, + { + "answerText": "Deixe um de fora Validação (Leave one out Validation)", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 11, + "title": "Prepare e visualize dados para regressão: Teste pré-aula", + "quiz": [ + { + "questionText": "Qual desses módulos Python é usado para traçar a visualização dos dados?", + "answerOptions": [ + { + "answerText": "Numpy", + "isCorrect": "false" + }, + { + "answerText": "Scikit-learn", + "isCorrect": "false" + }, + { + "answerText": "Matplotlib", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Se você quiser entender a distribuição ou outras características dos pontos de dados em um conjunto, faça:", + "answerOptions": [ + { + "answerText": "Visualização de dados", + "isCorrect": "true" + }, + { + "answerText": "Pré-processamento de dados", + "isCorrect": "false" + }, + { + "answerText": "Divisão de teste de trem", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual deles faz parte da etapa de Visualização de Dados em um projeto de Aprendizado de Máquina?", + "answerOptions": [ + { + "answerText": "Incorporando um determinado algoritmo de Machine Learning", + "isCorrect": "false" + }, + { + "answerText": "Criação de uma representação pictórica de dados usando diferentes métodos de plotagem", + "isCorrect": "true" + }, + { + "answerText": "Normalizando os valores de um conjunto de dados", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 12, + "title": "Prepare e visualize dados para regressão: Teste pós-aula", + "quiz": [ + { + "questionText": "Qual desses trechos de código está correto com base nesta lição, se você deseja verificar a presença de valores ausentes em seu conjunto de dados? Suponha que o conjunto de dados esteja armazenado em uma variável chamada 'dataset', que é um objeto Pandas DataFrame.", + "answerOptions": [ + { + "answerText": "dataset.isnull().sum()", + "isCorrect": "true" + }, + { + "answerText": "findMissing(dataset)", + "isCorrect": "false" + }, + { + "answerText": "sum(null(dataset))", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual desses métodos de plotagem é útil quando você gostaria de entender a disseminação de diferentes grupos de pontos de dados de seu conjunto de dados?", + "answerOptions": [ + { + "answerText": "Gráfico de dispersão (Scatter Plot)", + "isCorrect": "false" + }, + { + "answerText": "Gráfico de linha (Line Plot)", + "isCorrect": "false" + }, + { + "answerText": "Gráfico em barras (Bar Plot)", + "isCorrect": "true" + } + ] + }, + { + "questionText": "O que a visualização de dados NÃO pode dizer a você?", + "answerOptions": [ + { + "answerText": "Relações entre pontos de dados", + "isCorrect": "false" + }, + { + "answerText": "A fonte de onde o conjunto de dados é coletado", + "isCorrect": "true" + }, + { + "answerText": "Encontrar a presença de outliers no conjunto de dados", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 13, + "title": "Regressão Linear e Polinomial: Teste pré-aula", + "quiz": [ + { + "questionText": "Matplotlib é uma ", + "answerOptions": [ + { + "answerText": "biblioteca de desenho", + "isCorrect": "false" + }, + { + "answerText": "biblioteca de visualização de dados", + "isCorrect": "true" + }, + { + "answerText": "biblioteca de empréstimos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "A regressão linear usa o seguinte para representar graficamente as relações entre as variáveis", + "answerOptions": [ + { + "answerText": "uma linha reta", + "isCorrect": "true" + }, + { + "answerText": "um círculo", + "isCorrect": "false" + }, + { + "answerText": "uma curva", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Um bom modelo de regressão linear tem um coeficiente de correlação ___ ", + "answerOptions": [ + { + "answerText": "baixo", + "isCorrect": "false" + }, + { + "answerText": "alto", + "isCorrect": "true" + }, + { + "answerText": "plano", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 14, + "title": "Regressão Linear e Polinomial: Teste pós-aula", + "quiz": [ + { + "questionText": "Se seus dados forem não lineares, tente um tipo ___ de regressão", + "answerOptions": [ + { + "answerText": "linear", + "isCorrect": "false" + }, + { + "answerText": "esférico", + "isCorrect": "false" + }, + { + "answerText": "polinomial", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Todos esses são tipos de métodos de regressão", + "answerOptions": [ + { + "answerText": "Falsestep, Ridge, Lasso and Elasticnet", + "isCorrect": "false" + }, + { + "answerText": "Stepwise, Ridge, Lasso and Elasticnet", + "isCorrect": "true" + }, + { + "answerText": "Stepwise, Ridge, Lariat and Elasticnet", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Regressão de Mínimos Quadrados (Least-Squares Regression) significa que todos os pontos de dados ao redor da linha de regressão são:", + "answerOptions": [ + { + "answerText": "elevados ao quadrado e depois subtraído", + "isCorrect": "false" + }, + { + "answerText": "multiplicado", + "isCorrect": "false" + }, + { + "answerText": "elevados ao quadrado e depois adicionado", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 15, + "title": "Regressão Logística: Teste pré-aula", + "quiz": [ + { + "questionText": "Use a regressão logística para prever", + "answerOptions": [ + { + "answerText": "se uma maçã está madura ou não", + "isCorrect": "true" + }, + { + "answerText": "quantos ingressos podem ser vendidos em um mês", + "isCorrect": "false" + }, + { + "answerText": "que cor o céu vai ser amanhã às 18h", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Tipos de regressão logística incluem", + "answerOptions": [ + { + "answerText": "multinomial e cardinal", + "isCorrect": "false" + }, + { + "answerText": "multinomial e ordinal", + "isCorrect": "true" + }, + { + "answerText": "principal e ordinal", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Seus dados apresentam correlações fracas. O melhor tipo de regressão a ser usado é:", + "answerOptions": [ + { + "answerText": "Logística", + "isCorrect": "true" + }, + { + "answerText": "Linear", + "isCorrect": "false" + }, + { + "answerText": "Cardeal", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 16, + "title": "Regressão Logística: Teste pós-aula", + "quiz": [ + { + "questionText": "Seaborn é um tipo de", + "answerOptions": [ + { + "answerText": "biblioteca de visualização de dados", + "isCorrect": "true" + }, + { + "answerText": "biblioteca de mapeamento", + "isCorrect": "false" + }, + { + "answerText": "biblioteca matemática", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Uma matriz de confusão também é conhecida como:", + "answerOptions": [ + { + "answerText": "matriz de erro", + "isCorrect": "true" + }, + { + "answerText": "matriz da verdade", + "isCorrect": "false" + }, + { + "answerText": "matriz de precisão", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Um bom modelo terá:", + "answerOptions": [ + { + "answerText": "um grande número de falsos positivos e verdadeiros negativos em sua matriz de confusão", + "isCorrect": "false" + }, + { + "answerText": "um grande número de verdadeiros positivos e verdadeiros negativos em sua matriz de confusão", + "isCorrect": "true" + }, + { + "answerText": "um grande número de verdadeiros positivos e falsos negativos em sua matriz de confusão", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 17, + "title": "Crie um aplicativo web: Teste pré-aula", + "quiz": [ + { + "questionText": "O que ONNX significa?", + "answerOptions": [ + { + "answerText": "Sobre troca de rede neural (Over Neural Network Exchange)", + "isCorrect": "false" + }, + { + "answerText": "Troca de rede neural aberta (Open Neural Network Exchange)", + "isCorrect": "true" + }, + { + "answerText": "Saída de troca de rede neural (Output Neural Network Exchange)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Como o Flask é definido por seus criadores?", + "answerOptions": [ + { + "answerText": "mini-framework", + "isCorrect": "false" + }, + { + "answerText": "large-framework", + "isCorrect": "false" + }, + { + "answerText": "micro-framework", + "isCorrect": "true" + } + ] + }, + { + "questionText": "O que o módulo Pickle do Python faz", + "answerOptions": [ + { + "answerText": "Serializa um objeto Python", + "isCorrect": "false" + }, + { + "answerText": "Deserializa um objeto Python", + "isCorrect": "false" + }, + { + "answerText": "Serializa e desserializa um objeto Python", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 18, + "title": "Crie um aplicativo web: Teste pós-aula", + "quiz": [ + { + "questionText": "Quais são as ferramentas que podemos usar para hospedar um modelo pré-treinado na web usando Python?", + "answerOptions": [ + { + "answerText": "Flask", + "isCorrect": "true" + }, + { + "answerText": "TensorFlow.js", + "isCorrect": "false" + }, + { + "answerText": "onnx.js", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O que significa SaaS?", + "answerOptions": [ + { + "answerText": "Sistema como serviço (System as a Service)", + "isCorrect": "false" + }, + { + "answerText": "Software como serviço (Software as a Service)", + "isCorrect": "true" + }, + { + "answerText": "Segurança como serviço (Security as a Service)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O que a biblioteca LabelEncoder do Scikit-learn faz?", + "answerOptions": [ + { + "answerText": "Codifica os dados em ordem alfabética", + "isCorrect": "true" + }, + { + "answerText": "Codifica dados numericamente", + "isCorrect": "false" + }, + { + "answerText": "Codifica dados em série", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 19, + "title": "Classificação 1: Teste pré-aula", + "quiz": [ + { + "questionText": "A classificação é uma forma de aprendizagem supervisionada que tem muito em comum com", + "answerOptions": [ + { + "answerText": "Série Temporal", + "isCorrect": "false" + }, + { + "answerText": "Técnicas de regressão", + "isCorrect": "true" + }, + { + "answerText": "NLP", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Que pergunta a classificação pode ajudar a responder?", + "answerOptions": [ + { + "answerText": "Este e-mail é spam ou não?", + "isCorrect": "true" + }, + { + "answerText": "Os porcos podem voar?", + "isCorrect": "false" + }, + { + "answerText": "Qual o significado da vida?", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual é a primeira etapa para usar as técnicas de classificação?", + "answerOptions": [ + { + "answerText": "criação de classes de um conjunto de dados", + "isCorrect": "false" + }, + { + "answerText": "limpando e equilibrando seus dados", + "isCorrect": "true" + }, + { + "answerText": "atribuir um ponto de dados a um grupo ou resultado", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 20, + "title": "Classificação 1: Teste pós-aula", + "quiz": [ + { + "questionText": "O que é uma questão multiclasse?", + "answerOptions": [ + { + "answerText": "a tarefa de classificar pontos de dados em várias classes", + "isCorrect": "false" + }, + { + "answerText": "a tarefa de classificar os pontos de dados em uma das várias classes", + "isCorrect": "true" + }, + { + "answerText": "a tarefa de limpar pontos de dados de várias maneiras", + "isCorrect": "false" + } + ] + }, + { + "questionText": "É importante limpar dados recorrentes ou inúteis para ajudar seus classificadores a resolver seu problema.", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual é o melhor motivo para equilibrar seus dados?", + "answerOptions": [ + { + "answerText": "Dados desequilibrados parecem ruins nas visualizações", + "isCorrect": "false" + }, + { + "answerText": "Balancear seus dados produz melhores resultados porque um modelo de ML não se inclina para uma classe", + "isCorrect": "true" + }, + { + "answerText": "Balancear seus dados oferece mais pontos de dados", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 21, + "title": "Classificação 2: Teste pré-aula", + "quiz": [ + { + "questionText": "Dados equilibrados e limpos produzem os melhores resultados de classificação", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Como você escolhe o classificador certo?", + "answerOptions": [ + { + "answerText": "Entenda quais classificadores funcionam melhor para quais cenários", + "isCorrect": "false" + }, + { + "answerText": "Adivinhação educada e checagem", + "isCorrect": "false" + }, + { + "answerText": "Todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "A classificação é um tipo de", + "answerOptions": [ + { + "answerText": "NLP", + "isCorrect": "false" + }, + { + "answerText": "Aprendizagem Supervisionada", + "isCorrect": "true" + }, + { + "answerText": "Linguagem de programação", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 22, + "title": "Classificação 2: Teste pós-aula", + "quiz": [ + { + "questionText": "O que é um 'solucionador'?", + "answerOptions": [ + { + "answerText": "a pessoa que verifica seu trabalho", + "isCorrect": "false" + }, + { + "answerText": "o algoritmo a ser usado no problema de otimização", + "isCorrect": "true" + }, + { + "answerText": "uma técnica de machine learning", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual classificador usamos nesta lição?", + "answerOptions": [ + { + "answerText": "Regressão Logística", + "isCorrect": "true" + }, + { + "answerText": "Árvores de decisão", + "isCorrect": "false" + }, + { + "answerText": "Multiclasse Um contra Todos (One-vs-All Multiclass)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Como saber se o algoritmo de classificação está funcionando conforme o esperado?", + "answerOptions": [ + { + "answerText": "Ao verificar a precisão de suas previsões", + "isCorrect": "true" + }, + { + "answerText": "Comparando com outros algoritmos", + "isCorrect": "false" + }, + { + "answerText": "Ao olhar para os dados históricos para saber quão bom é este algoritmo na resolução de problemas semelhantes", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 23, + "title": "Classificação 3: Teste pré-aula", + "quiz": [ + { + "questionText": "Um bom classificador inicial para tentar é:", + "answerOptions": [ + { + "answerText": "SVC Linear (Linear SVC)", + "isCorrect": "true" + }, + { + "answerText": "K-Means", + "isCorrect": "false" + }, + { + "answerText": "SVC lógico (Logical SVC)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Controles de regularização:", + "answerOptions": [ + { + "answerText": "a influência dos parâmetros", + "isCorrect": "true" + }, + { + "answerText": "a influência da velocidade de treinamento", + "isCorrect": "false" + }, + { + "answerText": "a influência de outliers", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O classificador K-Neighbours pode ser usado para:", + "answerOptions": [ + { + "answerText": "aprendizagem supervisionada", + "isCorrect": "false" + }, + { + "answerText": "aprendizagem não supervisionada", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 24, + "title": "Classificação 3: Teste pós-aula", + "quiz": [ + { + "questionText": "Classificadores de vetores de suporte podem ser usados para", + "answerOptions": [ + { + "answerText": "classificação", + "isCorrect": "false" + }, + { + "answerText": "regressão", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Random Forest é um tipo de classificador ___", + "answerOptions": [ + { + "answerText": "de conjunto (Ensemble)", + "isCorrect": "true" + }, + { + "answerText": "dissimulado (Dissemble)", + "isCorrect": "false" + }, + { + "answerText": "de reunião (Assemble)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Adaboost é conhecido por:", + "answerOptions": [ + { + "answerText": "focando nos pesos de itens classificados incorretamente", + "isCorrect": "true" + }, + { + "answerText": "focando em outliers", + "isCorrect": "false" + }, + { + "answerText": "focando em dados incorretos", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 25, + "title": "Classificação 4: Teste pré-aula", + "quiz": [ + { + "questionText": "Sistemas de recomendação podem ser usados para", + "answerOptions": [ + { + "answerText": "Recomendando um bom restaurante", + "isCorrect": "false" + }, + { + "answerText": "Recomendando roupas para experimentar", + "isCorrect": "false" + }, + { + "answerText": "Todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Incorporar um modelo em um aplicativo da web o ajuda a ser capaz de funcionar off-line", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Onnx Runtime pode ser usado para", + "answerOptions": [ + { + "answerText": "Execução de modelos em um aplicativo da web", + "isCorrect": "true" + }, + { + "answerText": "Modelos de treinamento", + "isCorrect": "false" + }, + { + "answerText": "Ajuste de hiperparâmetros", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 26, + "title": "Classificação 4: Teste pós-aula", + "quiz": [ + { + "questionText": "O aplicativo Netron ajuda você a:", + "answerOptions": [ + { + "answerText": "Visualizar os dados", + "isCorrect": "false" + }, + { + "answerText": "Visualizar a estrutura do seu modelo", + "isCorrect": "true" + }, + { + "answerText": "Testar seu aplicativo web", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Converta seu modelo Scikit-learn para uso com Onnx usando:", + "answerOptions": [ + { + "answerText": "sklearn-app", + "isCorrect": "false" + }, + { + "answerText": "sklearn-web", + "isCorrect": "false" + }, + { + "answerText": "sklearn-onnx", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Usar seu modelo em um aplicativo web é denominado:", + "answerOptions": [ + { + "answerText": "inferência", + "isCorrect": "true" + }, + { + "answerText": "interferência", + "isCorrect": "false" + }, + { + "answerText": "seguro", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 27, + "title": "Introdução ao Clustering (Agrupamento): Teste pré-aula", + "quiz": [ + { + "questionText": "Um exemplo da vida real de clustering seria", + "answerOptions": [ + { + "answerText": "Pondo a mesa de jantar", + "isCorrect": "false" + }, + { + "answerText": "Separando a roupa", + "isCorrect": "true" + }, + { + "answerText": "Compras de supermercado", + "isCorrect": "false" + } + ] + }, + { + "questionText": "As técnicas de agrupamento podem ser usadas nessas indústrias", + "answerOptions": [ + { + "answerText": "bancário", + "isCorrect": "false" + }, + { + "answerText": "e-commerce", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Clustering é um tipo de:", + "answerOptions": [ + { + "answerText": "aprendizagem supervisionada", + "isCorrect": "false" + }, + { + "answerText": "aprendizagem não supervisionada", + "isCorrect": "true" + }, + { + "answerText": "aprendizagem por reforço", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 28, + "title": "Introdução ao Clustering (Agrupamento): Teste pós-aula", + "quiz": [ + { + "questionText": "A geometria euclidiana é organizada ao longo", + "answerOptions": [ + { + "answerText": "plano", + "isCorrect": "true" + }, + { + "answerText": "curva", + "isCorrect": "false" + }, + { + "answerText": "esfera", + "isCorrect": "false" + } + ] + }, + { + "questionText": "A densidade de seus dados de cluster está relacionada ao seu", + "answerOptions": [ + { + "answerText": "barulho", + "isCorrect": "true" + }, + { + "answerText": "barulho", + "isCorrect": "false" + }, + { + "answerText": "validade", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O algoritmo de agrupamento mais conhecido é", + "answerOptions": [ + { + "answerText": "k-means", + "isCorrect": "true" + }, + { + "answerText": "k-middle", + "isCorrect": "false" + }, + { + "answerText": "k-mart", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 29, + "title": "Agrupamento K-Means: Teste pré-aula", + "quiz": [ + { + "questionText": "K-Means é derivado de:", + "answerOptions": [ + { + "answerText": "engenharia elétrica", + "isCorrect": "false" + }, + { + "answerText": "processamento de sinal", + "isCorrect": "true" + }, + { + "answerText": "lingüística computacional", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Uma boa pontuação de Silhouette significa:", + "answerOptions": [ + { + "answerText": "os clusters são bem separados e bem definidos", + "isCorrect": "true" + }, + { + "answerText": "existem poucos clusters", + "isCorrect": "false" + }, + { + "answerText": "existem muitos clusters", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Variância é:", + "answerOptions": [ + { + "answerText": "a média das diferenças quadradas da média", + "isCorrect": "false" + }, + { + "answerText": "um problema para o agrupamento se ele se tornar muito alto", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 30, + "title": "Agrupamento K-Means: Teste pós-aula", + "quiz": [ + { + "questionText": "Um diagrama de Voronoi mostra:", + "answerOptions": [ + { + "answerText": "a variância de um cluster", + "isCorrect": "false" + }, + { + "answerText": "a semente de um cluster e sua região", + "isCorrect": "true" + }, + { + "answerText": "a inércia de um cluster", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Inércia é", + "answerOptions": [ + { + "answerText": "a medida da coerência interna dos clusters", + "isCorrect": "true" + }, + { + "answerText": "uma medida de quanto os clusters se movem", + "isCorrect": "false" + }, + { + "answerText": "uma medida da qualidade do cluster", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Usando K-Means, você deve primeiro determinar o valor de 'k'", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 31, + "title": "Introdução à NLP: Teste pré-aula", + "quiz": [ + { + "questionText": "O que a PNL (NLP) representa nessas lições?", + "answerOptions": [ + { + "answerText": "Processamento de linguagem neural (Neural Language Processing)", + "isCorrect": "false" + }, + { + "answerText": "Processamento de linguagem natural (Natural Language Processing)", + "isCorrect": "true" + }, + { + "answerText": "Processamento Linguístico Natural (Natural Linguistic Processing)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Eliza foi uma das primeiras bots que agia como computador", + "answerOptions": [ + { + "answerText": "terapeuta", + "isCorrect": "true" + }, + { + "answerText": "doutor", + "isCorrect": "false" + }, + { + "answerText": "enfermeira", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O 'Teste de Turing' de Alan Turing tentou determinar se um computador estava", + "answerOptions": [ + { + "answerText": "indistinguível de um humano", + "isCorrect": "false" + }, + { + "answerText": "pensamento", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 32, + "title": "Introdução à NLP: Teste pós-aula", + "quiz": [ + { + "questionText": "Joseph Weizenbaum inventou o bot", + "answerOptions": [ + { + "answerText": "Elisha", + "isCorrect": "false" + }, + { + "answerText": "Eliza", + "isCorrect": "true" + }, + { + "answerText": "Eloise", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Um bot de conversação fornece resultados com base em", + "answerOptions": [ + { + "answerText": "Escolhendo aleatoriamente escolhas predefinidas", + "isCorrect": "false" + }, + { + "answerText": "Analisando a entrada e usando inteligência de máquina", + "isCorrect": "false" + }, + { + "answerText": "Todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Como você tornaria o bot mais eficaz?", + "answerOptions": [ + { + "answerText": "Fazendo mais perguntas.", + "isCorrect": "false" + }, + { + "answerText": "Ao alimentá-lo com mais dados e treiná-lo de acordo", + "isCorrect": "true" + }, + { + "answerText": "O bot é burro, não pode aprender :(", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 33, + "title": "Tarefas de NLP: Teste pré-aula", + "quiz": [ + { + "questionText": "Tokenização", + "answerOptions": [ + { + "answerText": "Divide o texto por meio de pontuação", + "isCorrect": "false" + }, + { + "answerText": "Divide o texto em tokens separados (palavras)", + "isCorrect": "true" + }, + { + "answerText": "Divide o texto em frases", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Embeddings", + "answerOptions": [ + { + "answerText": "converte dados de texto numericamente para que as palavras possam agrupar", + "isCorrect": "true" + }, + { + "answerText": "incorpora palavras em frases", + "isCorrect": "false" + }, + { + "answerText": "incorpora frases em parágrafos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Marcação de partes da fala", + "answerOptions": [ + { + "answerText": "divide as sentenças por suas partes do discurso", + "isCorrect": "false" + }, + { + "answerText": "pega palavras tokenizadas e as marca de acordo com sua classe gramatical", + "isCorrect": "true" + }, + { + "answerText": "frases de diagramas", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 34, + "title": "Tarefas de NLP: Teste pós-aula", + "quiz": [ + { + "questionText": "Construa um dicionário de com que frequência as palavras ocorrem novamente usando:", + "answerOptions": [ + { + "answerText": "Dicionário de palavras e frases", + "isCorrect": "false" + }, + { + "answerText": "Frequências de palavras e frases", + "isCorrect": "true" + }, + { + "answerText": "Biblioteca de palavras e frases", + "isCorrect": "false" + } + ] + }, + { + "questionText": "N-grams referem-se a", + "answerOptions": [ + { + "answerText": "Um texto pode ser dividido em sequências de palavras de um determinado comprimento", + "isCorrect": "true" + }, + { + "answerText": "Uma palavra pode ser dividida em sequências de caracteres de um determinado comprimento", + "isCorrect": "false" + }, + { + "answerText": "Um texto pode ser dividido em parágrafos de comprimento definido", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Análise de sentimentos", + "answerOptions": [ + { + "answerText": "analisa uma frase para positividade ou negatividade", + "isCorrect": "true" + }, + { + "answerText": "analisa uma frase de sentimentalismo", + "isCorrect": "false" + }, + { + "answerText": "analisa uma frase para tristeza", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 35, + "title": "NLP e Tradução: Teste pré-aula", + "quiz": [ + { + "questionText": "Tradução ingênua", + "answerOptions": [ + { + "answerText": "traduz apenas palavras", + "isCorrect": "true" + }, + { + "answerText": "traduz a estrutura da frase", + "isCorrect": "false" + }, + { + "answerText": "traduz sentimento", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Um *corpus* de textos refere-se a", + "answerOptions": [ + { + "answerText": "Um pequeno número de textos", + "isCorrect": "false" + }, + { + "answerText": "Um grande número de textos", + "isCorrect": "true" + }, + { + "answerText": "Um texto padrão", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Se um modelo de ML tiver traduções humanas suficientes para construir um modelo, ele pode", + "answerOptions": [ + { + "answerText": "abreviar traduções", + "isCorrect": "false" + }, + { + "answerText": "padronizar traduções", + "isCorrect": "false" + }, + { + "answerText": "melhorar a precisão das traduções", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 36, + "title": "NLP e Tradução: Teste pós-aula", + "quiz": [ + { + "questionText": "A biblioteca de tradução subjacente do TextBlob é:", + "answerOptions": [ + { + "answerText": "Google Tradutor", + "isCorrect": "true" + }, + { + "answerText": "Bing", + "isCorrect": "false" + }, + { + "answerText": "Um modelo de ML personalizado", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Para usar `blob.translate`, você precisa:", + "answerOptions": [ + { + "answerText": "estar conectado na internet", + "isCorrect": "true" + }, + { + "answerText": "um dicionário", + "isCorrect": "false" + }, + { + "answerText": "JavaScript", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Para determinar o sentimento, uma abordagem de ML seria:", + "answerOptions": [ + { + "answerText": "aplicar técnicas de regressão para opiniões e pontuações geradas manualmente e procurar padrões", + "isCorrect": "false" + }, + { + "answerText": "aplicar técnicas de PNL para opiniões e pontuações geradas manualmente e procurar padrões", + "isCorrect": "true" + }, + { + "answerText": "aplicar técnicas de agrupamento para opiniões e pontuações geradas manualmente e procurar padrões", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 37, + "title": "NLP 4: Teste pré-aula", + "quiz": [ + { + "questionText": "Que informações podemos obter de um texto escrito ou falado por um humano?", + "answerOptions": [ + { + "answerText": "padrões e frequências", + "isCorrect": "false" + }, + { + "answerText": "sentimento e significado", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "O que é análise de sentimento?", + "answerOptions": [ + { + "answerText": "um estudo para saber se uma herança de família tem valor sentimental", + "isCorrect": "false" + }, + { + "answerText": "um método de identificar, extrair, quantificar e estudar sistematicamente estados afetivos e informações subjetivas", + "isCorrect": "true" + }, + { + "answerText": "a capacidade de dizer se alguém está triste ou feliz", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Que pergunta poderia ser respondida usando um conjunto de dados de avaliações de hotéis, Python e análise de sentimento?", + "answerOptions": [ + { + "answerText": "Quais são as palavras e frases usadas com mais frequência em resenhas?", + "isCorrect": "true" + }, + { + "answerText": "Qual resort tem a melhor piscina?", + "isCorrect": "false" + }, + { + "answerText": "Há estacionamento com manobrista neste hotel?", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 38, + "title": "NLP 4: Teste pós-aula", + "quiz": [ + { + "questionText": "Qual é a essência do NLP?", + "answerOptions": [ + { + "answerText": "categorizando a linguagem humana em feliz ou triste", + "isCorrect": "false" + }, + { + "answerText": "interpretar o significado ou sentimento sem a necessidade de um ser humano para fazê-lo", + "isCorrect": "true" + }, + { + "answerText": "encontrar outliers no sentimento e examiná-los", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Quais são algumas coisas que você pode procurar ao limpar dados?", + "answerOptions": [ + { + "answerText": "caracteres em outras línguas", + "isCorrect": "false" + }, + { + "answerText": "linhas ou colunas em branco", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "É importante entender seus dados e seus pontos fracos antes de realizar operações neles.", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 39, + "title": "NLP 5: Teste pré-aula", + "quiz": [ + { + "questionText": "Por que é importante limpar os dados antes de analisá-los?", + "answerOptions": [ + { + "answerText": "Algumas colunas podem ter dados ausentes ou incorretos", + "isCorrect": "false" + }, + { + "answerText": "Dados confusos podem levar a conclusões falsas sobre o conjunto de dados", + "isCorrect": "false" + }, + { + "answerText": "Todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Qual é um exemplo de estratégia para limpeza de dados?", + "answerOptions": [ + { + "answerText": "removendo colunas/linhas que não são úteis para responder a uma pergunta específica", + "isCorrect": "true" + }, + { + "answerText": "livrar-se de valores verificados que não se encaixam em sua hipótese", + "isCorrect": "false" + }, + { + "answerText": "mover os valores discrepantes para uma tabela separada e executar os cálculos dessa tabela para ver se eles correspondem", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Pode ser útil categorizar os dados usando uma coluna Tag.", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 40, + "title": "NLP 5: Teste pós-aula", + "quiz": [ + { + "questionText": "Qual é o objetivo do conjunto de dados?", + "answerOptions": [ + { + "answerText": "ver quantos comentários negativos e positivos existem para hotéis em todo o mundo", + "isCorrect": "false" + }, + { + "answerText": "adicionar opiniões e colunas que o ajudarão a escolher o melhor hotel", + "isCorrect": "true" + }, + { + "answerText": "analisar por que as pessoas deixam comentários específicos", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O que são stop words?", + "answerOptions": [ + { + "answerText": "palavras comuns em inglês que não mudam o sentimento de uma frase", + "isCorrect": "false" + }, + { + "answerText": "palavras que você pode remover para acelerar a análise de sentimento", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Para testar a análise de sentimento, certifique-se de que corresponde à pontuação do revisor para a mesma revisão.", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 41, + "title": "Introdução à série temporal: Teste pré-aula", + "quiz": [ + { + "questionText": "A previsão de séries temporais é útil em", + "answerOptions": [ + { + "answerText": "determinar custos futuros", + "isCorrect": "false" + }, + { + "answerText": "prever preços futuros", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Uma série temporal é uma sequência tomada em:", + "answerOptions": [ + { + "answerText": "pontos sucessivos igualmente espaçados no espaço", + "isCorrect": "false" + }, + { + "answerText": "pontos sucessivos igualmente espaçados no tempo", + "isCorrect": "true" + }, + { + "answerText": "pontos sucessivos igualmente espaçados no espaço e no tempo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "A série temporal pode ser usada em:", + "answerOptions": [ + { + "answerText": "previsão de terremoto", + "isCorrect": "true" + }, + { + "answerText": "visão de computador", + "isCorrect": "false" + }, + { + "answerText": "análise de cor", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 42, + "title": "Introdução à série temporal: Teste pós-aula", + "quiz": [ + { + "questionText": "As tendências das séries temporais são", + "answerOptions": [ + { + "answerText": "Aumentos e diminuições mensuráveis ao longo do tempo", + "isCorrect": "true" + }, + { + "answerText": "Quantificando diminuições ao longo do tempo", + "isCorrect": "false" + }, + { + "answerText": "Lacunas entre aumentos e diminuições ao longo do tempo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Outliers são", + "answerOptions": [ + { + "answerText": "pontos próximos da variação de dados padrão", + "isCorrect": "false" + }, + { + "answerText": "pontos distantes da variação de dados padrão", + "isCorrect": "true" + }, + { + "answerText": "pontos dentro da variação de dados padrão", + "isCorrect": "false" + } + ] + }, + { + "questionText": "A previsão de séries temporais é mais útil para", + "answerOptions": [ + { + "answerText": "Econometria", + "isCorrect": "true" + }, + { + "answerText": "História", + "isCorrect": "false" + }, + { + "answerText": "Bibliotecas", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 43, + "title": "Série Temporal ARIMA: Teste pré-aula", + "quiz": [ + { + "questionText": "ARIMA significa", + "answerOptions": [ + { + "answerText": "AutoRegressive Integral Moving Average", + "isCorrect": "false" + }, + { + "answerText": "AutoRegressive Integrated Moving Action", + "isCorrect": "false" + }, + { + "answerText": "AutoRegressive Integrated Moving Average", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Estacionaridade se refere a", + "answerOptions": [ + { + "answerText": "dados cujos atributos não mudam quando deslocados no tempo", + "isCorrect": "false" + }, + { + "answerText": "dados cuja distribuição não muda quando deslocados no tempo", + "isCorrect": "true" + }, + { + "answerText": "dados cuja distribuição muda quando deslocada no tempo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Diferenciação", + "answerOptions": [ + { + "answerText": "estabiliza tendência e sazonalidade", + "isCorrect": "false" + }, + { + "answerText": "exacerba tendência e sazonalidade", + "isCorrect": "false" + }, + { + "answerText": "elimina tendência e sazonalidade", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 44, + "title": "Série Temporal ARIMA: Teste pós-aula", + "quiz": [ + { + "questionText": "ARIMA é usado para fazer um modelo se ajustar à forma especial de dados de série temporal", + "answerOptions": [ + { + "answerText": "o mais plano possível", + "isCorrect": "false" + }, + { + "answerText": "o mais próximo possível", + "isCorrect": "true" + }, + { + "answerText": "por meio de gráficos de dispersão (scatterplots)", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Use SARIMAX para", + "answerOptions": [ + { + "answerText": "gerenciar modelos ARIMA sazonais", + "isCorrect": "true" + }, + { + "answerText": "gerenciar modelos ARIMA especiais", + "isCorrect": "false" + }, + { + "answerText": "gerenciar modelos estatísticos ARIMA", + "isCorrect": "false" + } + ] + }, + { + "questionText": "A validação 'Walk-Forward' envolve", + "answerOptions": [ + { + "answerText": "reavaliar um modelo progressivamente à medida que é validado", + "isCorrect": "false" + }, + { + "answerText": "retreinar um modelo progressivamente à medida que é validado", + "isCorrect": "true" + }, + { + "answerText": "reconfigurar um modelo progressivamente à medida que é validado", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 45, + "title": "Reforço 1: Teste pré-aula", + "quiz": [ + { + "questionText": "O que é aprendizagem por reforço?", + "answerOptions": [ + { + "answerText": "ensinar algo a alguém repetidas vezes até que eles entendam", + "isCorrect": "false" + }, + { + "answerText": "uma técnica de aprendizagem que decifra o comportamento ideal de um agente em algum ambiente, executando muitos experimentos", + "isCorrect": "true" + }, + { + "answerText": "entender como realizar vários experimentos ao mesmo tempo", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O que é uma política?", + "answerOptions": [ + { + "answerText": "uma função que retorna a ação em qualquer estado dado", + "isCorrect": "true" + }, + { + "answerText": "um documento que informa se você pode ou não devolver um item", + "isCorrect": "false" + }, + { + "answerText": "uma função que é usada para um propósito aleatório", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Uma função de recompensa retorna uma pontuação para cada estado de um ambiente.", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "true" + }, + { + "answerText": "Falso", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 46, + "title": "Reforço 1: Teste pós-aula", + "quiz": [ + { + "questionText": "O que é Q-Learning?", + "answerOptions": [ + { + "answerText": "um mecanismo para registrar a 'bondade' de cada estado", + "isCorrect": "false" + }, + { + "answerText": "um algoritmo onde a política é definida por um Q-Table", + "isCorrect": "false" + }, + { + "answerText": "todas opções acima", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Para quais valores uma Q-Table corresponde à política de passeio aleatório?", + "answerOptions": [ + { + "answerText": "todos os valores iguais", + "isCorrect": "true" + }, + { + "answerText": "-0.25", + "isCorrect": "false" + }, + { + "answerText": "todos os valores diferentes", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Era melhor usar a exploração do que a exploração durante o processo de aprendizagem em nossa lição.", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "false" + }, + { + "answerText": "Falso", + "isCorrect": "true" + } + ] + } + ] + }, + { + "id": 47, + "title": "Reforço 2: Teste pré-aula", + "quiz": [ + { + "questionText": "Xadrez e Go são jogos com estados contínuos.", + "answerOptions": [ + { + "answerText": "Verdadeiro", + "isCorrect": "false" + }, + { + "answerText": "Falso", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Qual é o problema do CartPole?", + "answerOptions": [ + { + "answerText": "um processo para eliminar outliers", + "isCorrect": "false" + }, + { + "answerText": "um método para otimizar seu carrinho de compras", + "isCorrect": "false" + }, + { + "answerText": "uma versão simplificada de balanceamento", + "isCorrect": "true" + } + ] + }, + { + "questionText": "Que ferramenta podemos usar para jogar diferentes cenários de estados potenciais em um jogo?", + "answerOptions": [ + { + "answerText": "adivinhe e verifique", + "isCorrect": "false" + }, + { + "answerText": "ambientes de simulação", + "isCorrect": "true" + }, + { + "answerText": "teste de transição de estado", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 48, + "title": "Reforço 2: Teste pós-aula", + "quiz": [ + { + "questionText": "Onde definimos todas as ações possíveis em um ambiente?", + "answerOptions": [ + { + "answerText": "métodos", + "isCorrect": "false" + }, + { + "answerText": "espaço de ação", + "isCorrect": "true" + }, + { + "answerText": "lista de ação", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Que par usamos como valor-chave do dicionário?", + "answerOptions": [ + { + "answerText": "(state, action) como a chave, a entrada Q-Table como o valor", + "isCorrect": "true" + }, + { + "answerText": "state como a chave, action como o valor", + "isCorrect": "false" + }, + { + "answerText": "o valor da função qvalues como a chave, action como o valor", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Quais são os hiperparâmetros que usamos durante o Q-Learning?", + "answerOptions": [ + { + "answerText": "valor da q-table, recompensa atual, ação aleatória", + "isCorrect": "false" + }, + { + "answerText": "taxa de aprendizagem, fator de desconto, fator de exploração/exploração", + "isCorrect": "true" + }, + { + "answerText": "recompensas cumulativas, taxa de aprendizagem, fator de exploração", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 49, + "title": "Aplicativos do mundo real: Teste pré-aula", + "quiz": [ + { + "questionText": "O que é um exemplo de um aplicativo de ML no setor financeiro?", + "answerOptions": [ + { + "answerText": "Personalizar a jornada do cliente usando NLP", + "isCorrect": "false" + }, + { + "answerText": "Gestão de patrimônio usando regressão linear", + "isCorrect": "true" + }, + { + "answerText": "Gerenciamento de energia usando séries temporais", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual técnica de ML os hospitais podem usar para gerenciar a readmissão?", + "answerOptions": [ + { + "answerText": "Clustering", + "isCorrect": "true" + }, + { + "answerText": "Série Temporal", + "isCorrect": "false" + }, + { + "answerText": "NLP", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual é um exemplo de uso de séries temporais para gerenciamento de energia?", + "answerOptions": [ + { + "answerText": "Animais com detecção de movimento", + "isCorrect": "false" + }, + { + "answerText": "Parquímetros inteligentes", + "isCorrect": "true" + }, + { + "answerText": "Rastreando incêndios florestais", + "isCorrect": "false" + } + ] + } + ] + }, + { + "id": 50, + "title": "Aplicativos do mundo real: Teste pós-aula", + "quiz": [ + { + "questionText": "Qual técnica de ML pode ser usada para detectar fraude de cartão de crédito?", + "answerOptions": [ + { + "answerText": "Regressão", + "isCorrect": "false" + }, + { + "answerText": "Clustering", + "isCorrect": "true" + }, + { + "answerText": "NLP", + "isCorrect": "false" + } + ] + }, + { + "questionText": "Qual técnica de ML é exemplificada no manejo florestal?", + "answerOptions": [ + { + "answerText": "Aprendizagem por Reforço", + "isCorrect": "true" + }, + { + "answerText": "Série Temporal", + "isCorrect": "false" + }, + { + "answerText": "NLP", + "isCorrect": "false" + } + ] + }, + { + "questionText": "O que é um exemplo de um aplicativo de ML no setor de saúde?", + "answerOptions": [ + { + "answerText": "Prevendo o comportamento do aluno por meio de regressão", + "isCorrect": "false" + }, + { + "answerText": "Gerenciando ensaios clínicos usando classificadores", + "isCorrect": "true" + }, + { + "answerText": "Sensor de movimento de animais usando classificadores", + "isCorrect": "false" + } + ] + } + ] + } + ] + } +] diff --git a/quiz-app/src/assets/translations/index.js b/quiz-app/src/assets/translations/index.js index e6fd2160..1c7a70bd 100644 --- a/quiz-app/src/assets/translations/index.js +++ b/quiz-app/src/assets/translations/index.js @@ -4,6 +4,7 @@ import tr from './tr.json'; import fr from './fr.json'; import ja from './ja.json'; import it from './it.json'; +import br from './br.json'; //export const defaultLocale = 'en'; @@ -12,7 +13,8 @@ const messages = { tr: tr[0], fr: fr[0], ja: ja[0], - it: it[0] + it: it[0], + br: br[0] }; export default messages;