Avaliação Final (Discursiva) - Individual

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