


Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Ia resumo sonbre ela e suas coisas
Tipologia: Notas de estudo
1 / 4
Esta página não é visível na pré-visualização
Não perca as partes importantes!



Matéria: Inteligência Artificial Discente: Geovana Gonçalves Dias
IA e Otimização
R: As variáveis principais seriam a quantidade de documentos, tempo médio dos servidores, o limite de carga dos servidores e a área onde cada uma recebe uma quantidade de documento.
Resolução de Problemas por Meio de Buscas
R:Poderia ocorrer overfitting ou seja o modelo ia se ajustar demais ao conjunto de treinamento, capturando até ruídos e flutuações e teria previsões pouco confiáveis. Análise crítica:
Considerando que previsões perfeitas são impossíveis, cite dois fatores externos que poderiam afetar a acurácia do modelo de regressão no contexto da empresa. R: Mudanças organizacionais ou políticas internas como: alterações no fluxo de trabalho, mudanças na legislação. E situações como o aumento repentino da demanda por fatores sazonais ex: crises econômicas.
Alguém sugeriu utilizar o trecho de código a seguir para resolver o problema usando regressão. Foi observado um comportamento quadrático nas demandas recebidas. Sabendo disso, o trecho de código seria adequado? É necessário fazer algum tipo de ajuste (se sim, explicar quais)?
No enunciado foi mencionado um comportamento quadrático nas demandas recebidas, isso indica se for aplicado o modelo de regressão linear como foi visto abaixo, pode gerar erros uma vez que os dados com curvaturas serão ajustados. O correto a se fazer seria recorrer à regressão polinomial pois o modelo permite relações mais complexas entre as variáveis. Então esse código é funcional para dados lineares e não para o problema apresentado, transformando em regressão polinomial funcionaria melhor.