Baixe o app para aproveitar ainda mais
Prévia do material em texto
18/03/2024, 11:09 Avaliação Final (Discursiva) - Individual about:blank 1/2 Prova Impressa GABARITO | Avaliação Final (Discursiva) - Individual (Cod.:822553) Peso da Avaliação 4,00 Prova 64040811 Qtd. de Questões 2 Nota 9,50 John W. Tukey foi quem definiu a expressão Exploratory Data Analysis (EDA) e fez contribuições significativas tanto para as ciências físicas quanto para as ciências sociais. Referente especificamente à análise exploratória de dados, suas contribuições inovadoras incluíram o algoritmo de transformação rápida de Fourier, mudando o uso da estatística descritiva por meio da EDA, assim como a linguagem e o paradigma da estatística. Curiosamente, é difícil, se não impossível, encontrar uma definição precisa da EDA. Disserte sobre as definições da expressão EDA. Resposta esperada *São três as principais características, sendo elas: apresentação gráfica, flexibilidade no ponto de vista e nas instalações e busca intensa de parcimônia e simplicidade. Na análise exploratória de dados, não há substituto para a flexibilidade para se adaptar ao que é calculado e ao que queremos rastrear. Isso se aplica às necessidades da situação e aos dados já fornecidos. *O histograma deve ser considerado obsoleto. *A análise exploratória de dados não requer probabilidade, importância ou confiança. *A análise exploratória de dados é ativa e sensível, em vez de passivamente descritiva, e realmente enfatiza a descoberta de conteúdo inesperado. *A análise exploratória de dados é uma atitude, um tipo de flexibilidade, uma disposição para procurar coisas que não pensamos que existam. *A análise exploratória de dados isola os padrões e características dos dados e os revela fortemente aos analistas. Se precisarmos de conselhos curtos sobre o que é EDA, é: uma atitude flexível e algum papel milimetrado ou transparências, ou ambos. Minha resposta POdemos colocar que as definições da expressão EDA são apenas três: Apresentação gráfica, flexibilidade no ponto de vista e nas instações e busca intensa de parcimônio simplicidade. Na análise exploratória de dados, não há substituto para a flexibilidade para se adaptar ao que é calculado e ao que queremos rastrear e se aplica também as neceidades da situação e aos dados já fornecidos. O histograma deve ser considerado obsoleto. A análise exploratória de dados não é possível reconhecer a probabilidade, importância ou confiança, sendo ativa e sensível, em vez de passivamente descritiva, e também realmente enfatiza toda a descoberta de conteúdo inseparado. Esta analise é um altitude, um tipo de flexibilidade, uma disposição para procurar coisas que nem pensamos que existam, isola os padrôes e características dos dados e os revela fortemente aos analistas, é também uma alturidade flexível em algum papel milimetrado ou com transparências, ou ambos. Retorno da correção Parabéns, acadêmico(a)! Sua resposta atingiu os objetivos da questão e você atingiu o esperado, demonstrando a competência da análise e síntese do assunto abordado, apresentando excelentes argumentos próprios, com base nos materiais disponibilizados. Confira no quadro "Resposta esperada" a sugestão de resposta para esta questão. VOLTAR A+ Alterar modo de visualização 1 18/03/2024, 11:09 Avaliação Final (Discursiva) - Individual about:blank 2/2 Em computação, como reconhecimento de padrões, recuperação de informações, aprendizado de máquina, mineração de dados e inteligência na Web, é necessário preparar dados de qualidade, processando os dados brutos. Para Mashanovich (2017), pelo menos 70%, às vezes mais de 90% do tempo total do projeto é dedicado à preparação de dados: coleta de dados, combinar as diversas fontes de dados, agregações, transformações, limpeza de dados e “fatiar e cortar em cubos". Essa atividade ainda envolve examinar a amplitude e profundidade dos dados para obter um entendimento claro, além de transformar a quantidade de dados em qualidade de dados (MASHANOVICH, 2017). Diante do exposto, disserte sobre a importância da preparação adequada de dados. FONTE: MASHANOVICH, N. Credit Scoping: Part 3 – Data Preparation and Exploratory Data Analysis. 2017. Disponível em: https://www. worldprogramming.com/blog/credit_scoring_pt3. Acesso em: 27 maio 2022. Resposta esperada *Em primeiro lugar precisamos mapear o problema certo que se visa resolver. *Ao se ter o problema o mapeado a preparação de dados é a chave para resolver o problema em questão, ou seja, *podemos afirmar que é a diferença entre o sucesso e o fracasso obtido. *Portanto, a preparação de dados é um tópico de pesquisa crucial. Minha resposta Após o problema mapeado é a diferença entre sucesso e o fracasso obtido e a preparação dos dados é um tópico de pesquisa crucial após se mapear o problema em questão. Retorno da correção Parabéns, acadêmico(a)! Sua resposta se aproximou dos objetivos da questão, mas poderia apenas ter apresentado mais argumentos acerca dos conteúdos disponibilizados nos materiais didáticos e estudos. Confira no quadro "Resposta esperada" a sugestão de resposta para esta questão. 2 Imprimir
Compartilhar