PROVA FGV ONLINE INTRODUÇÃO À CIÊNCIA DE

Prévia do material em texto

PROVA FGV ONLINE INTRODUÇÃO À CIÊNCIA DE 
DADOS 
1. O método Z-vallue tem como um dos seus objetivos: 
RESPOSTA: Transformar os valores de um atributo para facilitar a identificação de outliers. 
 
2. Observe os itens a seguir, em que são apresentados diferentes métodosde análise de dados I 
SVM II Kmens III Naive Bayes IV Agrupamento hierárquico 
RESPOSTA: I e III 
 
3. Para que um projeto de ciência de dados seja bem-sucedido, NÃO é essencial: 
RESPOSTA: Obter um supercomputador que permita trabalhar com big data. 
 
4. É correto afirmar que a técnica Naive Bayes: 
RESPOSTA: É robusta, possibilitando a localização de outliers e atributos irrelevantes. 
 
5. Observe os itens a seguir. I formulário de segurança social II posições de GPS em tempo real 
III séries temporais iniciais de temperatura. São apresentados exemplos de dados brutos (raw 
data) nos itens: 
RESPOSTA: I,II e III 
 
6. O principal objetivo da ciência de dados é: 
RESPOSTA: Extrair e analisar grandes quantidades de dados, de forma a descobrir 
informações que possam ser usadas para melhorar os processos do negócio ou gerar 
lucros para empresa. 
 
7. Para criar um projeto de ciência de dados bem-sucedido, é necessário seguir determinados 
passos. A opção que apresenta a ordem correta dos passos a serem seguidos quando da criação 
de um projeto de ciência de dados é: 
RESPOSTA: Definir a pergunta; obter recursos. encontrar os dados; escolher o algoritmo 
correto para o modelo. 
 
8. A opção que apresenta, corretamente, a diferença entre dados estruturados e não estruturados 
é: 
RESPOSTA: Dados estruturados são organizados em um formato de fácil tratamento 
computacional, como planilhas e tabelas, enquanto dados nãoestruturados são fornecidos 
como um aglomerado de informações que precisam ser organizadas para que possam ser 
processadas computacionalmente 
 
9. Observe os itens a seguir, em que são apresentadas características referentes aos dados 
redundantes I Possuem informações correlatas que, tipicamente, não agregam valor aos dados. 
II. Aumentam a complexidade dos modelos, piorando o seu desempenho em muitos casos. III. 
Podem ser de difícil detecção, demandando ferramentas sofisticadas de análise de atributos. 
RESPOSTA: Apenas II e III 
 
10. O KDD é descrito como a aplicação: 
RESPOSTA: Da programação orientada a objetos à mineração dos dados