Baixe o app para aproveitar ainda mais
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
Compartilhar