Como é a prova EXIN Machine Learning
Domínios cobrados e peso de cada um
Simulado EXIN Machine Learning online: questões com resposta comentada
Clique na alternativa: a correção e a explicação aparecem na hora.
Segundo o guia, que combinação está no centro da aprendizagem profunda?
✓ Resposta: C) Redes neurais combinadas a grandes conjuntos de dados
Por quê: A aprendizagem profunda, um subconjunto do aprendizado de máquina, treina grandes redes neurais profundas para processar e analisar grandes quantidades de dados, obter mais compreensão e resolver problemas mais complexos.
Dica de prova: Aprendizagem profunda = redes neurais grandes + muitos dados.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), item 1.4
Qual destas NÃO está entre as linguagens orientadas a objetos que o guia lista para o aprendizado de máquina?
✓ Resposta: A) HTML
Por quê: As linguagens orientadas a objetos do item 2.1 são Python, R, C++ e Java. HTML é uma linguagem de marcação para páginas web, sem relação com a lista do guia.
Dica de prova: Em 'qual NÃO é', elimine as quatro do guia: Python, R, C++ e Java.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), item 2.1
Um banco quer estimar a probabilidade de um cliente ficar inadimplente, com resposta sim ou não, e entender o peso de cada variável. Que algoritmo é uma escolha clássica?
✓ Resposta: A) Regressão logística
Por quê: A regressão logística aparece no guia entre os algoritmos de classificação. Ela devolve um valor entre 0 e 1, a probabilidade de o evento ocorrer, e permite ver como cada variável influencia o resultado.
Dica de prova: Apesar do nome 'regressão', a logística classifica: sim/não com probabilidade.
Referência: IBM Think: What is logistic regression?
Antes de treinar, a equipe separa os dados preparados em compartimentos. Qual é o objetivo dessa separação?
✓ Resposta: D) Ter uma parte para aprender e outra para testar
Por quê: A configuração de compartimentos de treinamento faz parte do treinamento (item 4.3). Uma parte dos dados ensina o modelo e outra, que ele não viu, serve para testá-lo.
Dica de prova: Compartimentos = dados para aprender + dados para testar.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), itens 1.7 (orientação) e 4.3
Em um assistente de voz, a fala capturada é comparada com padrões armazenados para identificar o comando do usuário. O que esse exemplo mostra sobre a rede neural?
✓ Resposta: C) Ela determina o resultado a partir de padrões nos dados
Por quê: O guia usa o reconhecimento de voz como exemplo: a entrada (voz capturada) é analisada e comparada com padrões armazenados para identificar o output, como uma ação específica ou a aceitação do comando de voz.
Dica de prova: No exemplo da voz, a rede neural faz entrada, comparação com padrões e resultado.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), item 1.5
Em relação aos softwares e ambientes de programação para aprendizado de máquina, o que o guia espera do candidato?
✓ Resposta: D) Familiaridade com pelo menos um dos softwares citados
Por quê: A orientação do item 2.2 incentiva explorar softwares e ambientes conhecidos de programação para aprendizado de máquina. Não se espera proficiência, mas familiaridade com pelo menos um software.
Dica de prova: Softwares do item 2.2: conhecer pelo menos um já atende ao que o guia pede.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), item 2.2
Gostando? São 108 questões como estas.
6 provas completas no tempo do exame, com a explicação de cada alternativa.
Ver as 6 provas completas →
Um programa aprende a jogar xadrez disputando milhares de partidas contra si mesmo, ganhando pontos ao vencer e perdendo pontos ao ser derrotado. Que tipo de aprendizado é esse?
✓ Resposta: B) Aprendizado por reforço
Por quê: O guia cita o aprendizado por reforço como comumente usado em jogos. O agente interage com o ambiente e aprende com recompensas e punições a escolher melhores ações.
Dica de prova: Jogo + recompensa/punição = reforço.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), item 3.3
Em uma coluna de idade de um cadastro de clientes, parte dos registros está vazia. Que tratamento de limpeza é o mais adequado antes do treinamento?
✓ Resposta: A) Preencher os vazios com um valor adequado, como a mediana
Por quê: A limpeza de dados faz parte da preparação descrita no item 4.2. Valores ausentes podem ser preenchidos (imputados) com uma estatística da própria coluna, como a média ou a mediana, em vez de descartar os registros.
Dica de prova: Valor ausente: trate na limpeza com um valor coerente, nunca invente nem ignore.
Referência: scikit-learn: Imputation of missing values
Sobre a relação entre IA e aprendizado de máquina, qual destas frases contraria o guia?
✓ Resposta: A) A IA é um conceito recente, nascido com o aprendizado de máquina
Por quê: Segundo a orientação do item 1.1, a IA em si não é um conceito novo; o aprendizado de máquina é mais uma etapa na sua evolução e um subconjunto dela. Ele é usado na ciência de dados para obter compreensão de dados e Big Data.
Dica de prova: Quando a pergunta pede o que contraria o guia, procure a frase que inverte a ordem: a IA veio antes, e o aprendizado de máquina é uma etapa dela.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), item 1.1
Em um projeto de aprendizado de máquina em Python, a equipe usa o NumPy. Como a documentação oficial descreve essa biblioteca?
✓ Resposta: C) Pacote fundamental de computação científica em Python
Por quê: O NumPy é um exemplo das bibliotecas citadas no item 2.1: segundo numpy.org, é 'the fundamental package for scientific computing in Python', usado como base por muitas bibliotecas de aprendizado de máquina.
Dica de prova: NumPy = base de computação científica do Python.
Referência: NumPy, What is NumPy?
Os dados de consumo de energia em relação à temperatura formam uma curva, e não uma linha reta. Que algoritmo de regressão é mais adequado para modelar essa relação?
✓ Resposta: B) Regressão polinomial
Por quê: Regressão linear e regressão polinomial são os algoritmos de regressão citados no guia. Quando a relação entre as variáveis é curva, a regressão polinomial se ajusta melhor do que uma reta.
Dica de prova: Relação em linha reta = regressão linear; relação em curva = regressão polinomial.
Referência: scikit-learn: Polynomial regression (Linear Models)
Joana prepara dados de três fábricas para um modelo que prevê o consumo de matéria-prima. Uma fábrica registra o peso em quilos e outra em libras. A terceira grava as quantidades como texto, com a unidade escrita ao lado do número. O software escolhido exige uma única unidade e campos numéricos. Que tarefa de preparação resolve esse problema?
✓ Resposta: D) Transformação dos dados para um padrão único
Por quê: O guia cita a transformação de dados para garantir que estejam em um formato adequado para uso no software escolhido. Converter libras em quilos e texto em número é transformação.
Dica de prova: Formato ou unidade incompatível com o software = transformação de dados.
Referência: Guia de preparação EXIN AIMLA.PR (ed. 202506), item 4.2
Seu resultado:
Fazer as 6 provas completas →Treine com as 108 questões em 6 provas completas
- Tempo e formato do exame
- Explicação de cada alternativa, certa ou errada
- Link da documentação oficial para revisar
- Acesso vitalício, com as atualizações do curso
- Sem risco: reembolso em até 30 dias pela política da Udemy
Ver o curso completo na Udemy →
Guia de preparação EXIN Machine Learning em PDF e flashcards para Anki, grátis
Leve o guia de preparação EXIN Machine Learning
Grátis e sem cadastro: capítulos por domínio, as pegadinhas da prova, questões comentadas e a folha de cola para a véspera.
📘 Baixar o guia grátisUma revisão por dia, de graça

Profissional de TI e instrutor na Udemy com 85 simulados de certificação e 4.545 alunos. Cada questão segue o guia oficial do exame e é revisada a partir das dúvidas dos alunos.
Plano de estudo para a EXIN Machine Learning em 4 semanas
- Semana 1Faça a Prova 1 no tempo do exame, sem consulta, e anote o resultado por domínio.
- Semana 2Estude os domínios abaixo da nota de corte na documentação oficial e refaça as questões que errou.
- Semana 3Faça as provas 2 a 4, lendo a explicação de todas as alternativas, inclusive das que acertou.
- Semana 4Faça as provas 5 e 6 e agende o exame quando estiver em 80% ou mais (a referência é 65%).
Perguntas frequentes sobre o simulado EXIN Machine Learning
Onde fazer simulado EXIN Machine Learning grátis?
Nesta página há 12 questões do simulado EXIN Machine Learning com resposta comentada, de graça e sem cadastro. Para treinar com as 108 questões em 6 provas completas, use o curso na Udemy. Neste mês há vagas gratuitas com o cupom ML-AWARD-FREE-NOV26 (válido até 02/12).
Quantas questões e quanto tempo tem o simulado EXIN Machine Learning?
Cada prova do simulado tem 18 questões e 30 minutos, no formato do exame, para você treinar o ritmo da prova real.
Qual a nota para passar na EXIN Machine Learning?
A referência de aprovação usada nos simulados é 65%. Antes de agendar o exame, busque ficar em 80% ou mais em todas as provas.
Como estudar para a EXIN Machine Learning?
Faça uma prova completa no tempo do exame, anote os domínios abaixo da nota de corte, estude a documentação desses domínios e refaça as questões lendo a explicação de todas as alternativas.
Tem flashcards da EXIN Machine Learning para o Anki?
Sim: o baralho grátis desta página traz questões, conceitos-chave, pegadinhas e gatilhos de prova. Abra o arquivo no Anki do computador ou do celular e revise alguns minutos por dia.
Tem simulado EXIN Machine Learning em português?
Sim. As questões desta página e do curso são em português, com os termos técnicos em inglês como aparecem no exame.
Simulados de certificações relacionadas




Comentários, dúvidas e sugestões
Achou um erro, tem uma dúvida ou uma sugestão? Comente aqui: leio e respondo todas as mensagens, e toda questão apontada é revisada.
Ver as 6 provas completas de ML Award →
