prova COM350-Introdução a Ciência de Dados-2B

Prévia do material em texto

Na era da Indústria 4.0, marcada pela integração de tecnologias como Inteligência 
Artificial, Big Data, Computação em Nuvem, Realidade Aumentada, e Internet das Coisas 
na produção industrial, a transformação dos dados em informação e conhecimento 
assume um papel central. Este cenário ressalta a importância da gestão e análise de 
dados para o avanço tecnológico e a eficiência operacional. Nesse contexto, a capacidade 
de diferenciar entre dado, informação e conhecimento é fundamental para a aplicação 
eficaz dessas tecnologias. 
 
 
Com base na progressão de dados para informação e então para conhecimento, como 
descrito no texto, assinale a alternativa que identifica corretamente a transformação no 
contexto da Indústria 4.0? 
A) Os dados transformados em conhecimento na Indústria 4.0 não impactam as 
decisões operacionais ou estratégicas das empresas. 
 
B) O conhecimento é gerado através da simples acumulação de dados, sem a 
necessidade de análise ou interpretação adicional. 
 
CORRETA 
C) A informação é um conjunto de dados contextualizados que, quando analisados, 
podem alterar o comportamento do sistema produtivo. 
 
D) A informação consiste na coleção aleatória de dados, sem contexto específico, usada 
para compreender as tendências da Indústria 4.0. 
 
Você marcou a alternativa ERRADA 
E) Um dado é uma observação quantitativa específica sobre um processo, que por si só 
oferece insights profundos para a tomada de decisão estratégica na indústria. 
 
Semana: Semana 1 / Nível de Dificuldade: Fácil 
Material Base: vídeo-aula 2 - Ciência de Dados e a Indústria 4.0 Páginas: slide 4-7 
 
Objetivo de Aprendizado: 
RECONHECER O PROCESSO DE TRANSFORMAÇÃO DE DADOS EM INFORMAÇÃO E 
CONHECIMENTO DENTRO DO CONTEXTO DA INDÚSTRIA 4.0, ENFATIZANDO A 
IMPORTÂNCIA DA ANÁLISE DE DADOS PARA A INOVAÇÃO E EFICIÊNCIA 
OPERACIONAL. 
 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
JUSTIFICATIVA 
 
A informação é descrita como um conjunto de dados contextualizados. 
Quando esses dados são devidamente analisados e interpretados, eles se 
transformam em conhecimento, o qual pode efetivamente mudar o 
comportamento do sistema produtivo. Esse processo é fundamental na 
Indústria 4.0, onde a análise de dados apoia a tomada de decisão e a 
inovação. 
 
As demais alternativas estão incorretas pois, os Dados por si só não 
oferecem insights profundos sem serem processados e analisados. Bem 
como a informação não é uma coleção aleatória, mas sim dados 
colocados em um contexto que os torna úteis, diferindo da segunda 
alternativa. Bem como o conhecimento não surge da mera acumulação 
de dados, mas da sua interpretação e análise. Ainda que, a transformação 
de dados em conhecimento tem um impacto significativo nas decisões 
operacionais e estratégicas. 
 
 
Um engenheiro de dados está desenvolvendo um script em Python para analisar um 
grande volume de dados numéricos relacionados ao tráfego na internet. Ele precisa 
realizar cálculos complexos e manipulações de arrays de forma eficiente. Após uma 
pesquisa, ele descobre a biblioteca NumPy, conhecida por sua capacidade de trabalhar 
com arrays de alta performance e operações matemáticas avançadas. 
 
 
Considerando as funcionalidades da biblioteca NumPy, assinale a alternativa que 
compreende corretamente a justificativa da escolha dessa biblioteca pelo engenheiro 
para otimizar seu trabalho de análise de dados? 
CORRETA 
A) NumPy é ideal para manipulação de arrays numéricos e operações 
matemáticas, oferecendo desempenho e flexibilidade superiores para 
dados numéricos. 
 
B) A biblioteca proporciona estruturas de dados baseadas em grafos, facilitando a 
modelagem de relações complexas entre os pontos de dados. 
 
C) A biblioteca é recomendada apenas para manipulação de dados textuais, oferecendo 
ferramentas específicas para parsing e análise de strings. 
 
D) NumPy é exclusivamente voltado para a criação de gráficos e visualizações interativas 
de dados, proporcionando uma análise visual detalhada. 
 
E) NumPy oferece uma estrutura de dados DataFrame integrada, ideal para análise de 
dados tabulares complexos com múltiplos tipos de dados. 
 
Semana: Semana 2 / Nível de Dificuldade: Médio 
Material Base: vídeo-aula 5 -Biblioteca Numpy Páginas: slide 2 a 5 
 
Objetivo de Aprendizado: 
COMPREENDER AS CARACTERÍSTICAS E FUNCIONALIDADES DA BIBLIOTECA NUMPY 
E SUA APLICAÇÃO EM OPERAÇÕES MATEMÁTICAS E MANIPULAÇÃO DE ARRAYS EM 
PYTHON 
 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
JUSTIFICATIVA 
 
NumPy é ideal para manipulação de arrays numéricos e operações 
matemáticas, oferecendo desempenho e flexibilidade superiores para 
dados numéricos. Esta alternativa é a correta porque resume de forma 
precisa o propósito e a força da biblioteca NumPy. NumPy é amplamente 
reconhecido por sua eficiência na manipulação de arrays e matrizes 
numéricas, além de oferecer um vasto leque de operações matemáticas 
que podem ser executadas nesses arrays. Isso torna a biblioteca uma 
escolha excelente para o engenheiro de dados que busca otimizar a 
análise de grandes volumes de dados numéricos. 
 
As demais alternativas estão incorretas pois: a alternativa “NumPy é 
exclusivamente voltado para a criação de gráficos e visualizações 
interativas de dados, proporcionando uma análise visual detalhada” está 
incorreta porque, embora NumPy possa ser usado em conjunto com 
bibliotecas de visualização como Matplotlib, sua funcionalidade principal 
não é a criação de gráficos. NumPy foca na manipulação de arrays e 
operações matemáticas; a alternativa “A biblioteca é recomendada 
apenas para manipulação de dados textuais, oferecendo ferramentas 
específicas para parsing e análise de strings” está incorreta porque 
NumPy é otimizado para dados numéricos e não para manipulação de 
texto. Bibliotecas como pandas seriam mais apropriadas para 
manipulação avançada de dados textuais; a alternativa “ NumPy oferece 
uma estrutura de dados DataFrame integrada, ideal para análise de 
dados tabulares complexos com múltiplos tipos de dados” esta 
informação é incorreta porque a estrutura de dados DataFrame é uma 
característica da biblioteca pandas, não do NumPy. NumPy é focado em 
arrays n-dimensionais; a alternativa “A biblioteca proporciona estruturas 
de dados baseadas em grafos, facilitando a modelagem de relações 
complexas entre os pontos de dados.” também é incorreta. NumPy é 
centrado em arrays numéricos e não oferece suporte direto para 
estruturas de dados baseadas em grafos. Para modelagem de grafos, 
bibliotecas como NetworkX seriam mais adequadas. 
 
 
Leia o trecho a seguir: 
 
 
“[...] conceitos relativos à gravação e à leitura de arquivos usando Python. Operações 
envolvendo arquivos são importantes porque eles representam uma das possíveis 
maneiras de armazenar dados permanentemente, gravando-os em disco.” (BANIN, 2018, 
p. 164) 
 
BANIN, S. L. Python 3: conceitos e aplicações — uma abordagem didática. São Paulo: 
Saraiva, 2018. 
 
 
Em relação à busca de informações em arquivos, analise as alternativas a seguir e 
assinale a correta: 
A) Os dados podem ser buscados no modo texto ou no modo ternário. 
 
B) Os dados podem ser buscados no modo físico ou no modo binário. 
 
CORRETA 
C) Os dados podem ser buscados no modo texto ou no modo binário. 
 
D) Os dados podem ser buscados no modo fixo ou no modo binário. 
 
E) Os dados podem ser buscados no modo ternário ou no modo físico. 
 
Semana: Semana 3 / Nível de Dificuldade: Fácil 
Material Base: Texto-base 3.1 - Python 3: conceitos e aplicações - uma abordagem 
didática Página: 164 
 
Objetivo de Aprendizado: 
RECONHECER O FUNCIONAMENTO BÁSICO DO PYTHON. 
 
Conteúdo Específico: 
WEB SCRAPING E USO DE ARQUIVOS 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
A busca de informações em arquivos mostra-se cada vez mais necessária, 
para isso, vamos nos deparar com dois modos de busca de dados e 
informações em arquivos: a busca no modo de arquivotexto e a busca no 
modo binário. 
 
 
“E o atributo representa continentes do planeta, é possível apenas ver se dois valores são 
iguais ou diferentes (a menos que se queira ordenar os continentes por ordem alfabética, 
mas nesse caso o atributo seria do tipo ordinal). São exemplos de atributos com escala 
nominal: nome do paciente, RG, CPF, número da conta no banco, CEP, cores (com as 
categorias verde, amarelo, branco etc.), sexo (com as categorias feminino e masculino)” 
(FACELI et al., 2021, p. 14). 
 
FACELI, K. et al. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio 
de Janeiro: Grupo GEN, 2021. 
 
 
Considerando esse tema, analise as asserções a seguir e as relações propostas entre elas. 
 
I. No uso da escala nominal, os valores quantitativos são desconsiderados e são utilizados 
nomes diferenciados. 
 PORQUE II. Os valores são representados 
por nomes que os descrevem. 
 
A respeito dessas asserções, assinale a alternativa correta. 
CORRETA 
A) As asserções I e II são proposições verdadeiras, e a II é uma 
justificativa da I. 
 
B) As asserções I e II são falsas. 
 
C) As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. 
 
D) A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
 
E) A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
 
Semana: Semana 4 / Nível de Dificuldade: Médio 
Material Base: Texto-base 4.1 - Inteligência artificial: uma abordagem de aprendizado 
de máquina Página: 14 
 
Objetivo de Aprendizado: 
COMPREENDER OS TIPOS DE DADOS EM RELAÇÃO À ESCALA DOS DADOS. 
 
Conteúdo Específico: 
DESCOBERTA E PREPARAÇÃO DE DADOS 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
JUSTIFICATIVA 
A asserção I é verdadeira, pois, dentro da escala nominal, valores 
quantitativos são deixados de lado e passamos a utilizar nomes para sua 
representação. A asserção II também é verdadeira e justifica a I, pois, com 
esse uso, há menor carregamento de dados e informações. 
 
 
O aprendizado engloba alguma experiência ou prática sobre algum assunto. Nesse caso, 
especificamente, o aprendizado de máquina remete à inserção desse conceito em 
máquinas computacionais. Sempre, porém, há um propósito – e, aqui, veremos a relação 
do aprendizado de máquina com os dados (MORAIS et al., 2018). 
 
MORAIS, I. S. D. et al. Introdução a Big Data e Internet das Coisas (IoT). Porto Alegre: 
Grupo A, 2018. 
 
Em relação aos recursos que estão ligados ao machine learning, assinale a alternativa 
correta. 
A) O aprendizado de máquina é composto por um conjunto de recursos, processos 
manuais e servidores. 
 
B) O aprendizado de máquina é composto por um conjunto de recursos 
computacionais off-line e processos. 
 
CORRETA 
C) O aprendizado de máquina é composto por um conjunto de 
recursos de inteligência artificial e dados. 
 
D) O aprendizado de máquina é composto por um conjunto de recursos de inteligência 
natural e computação. 
 
E) O aprendizado de máquina é composto por um conjunto de recursos off-line e 
investimento financeiro. 
 
Semana: Semana 5 / Nível de Dificuldade: Fácil 
Material Base: texto-base 5.1 - Introdução a Big Data e Internet das Coisas (IoT) | 
Morais et al. (2018) Página: 67 
 
Objetivo de Aprendizado: 
RECONHECER AS CARACTERÍSTICAS DO MACHINE LEARNING 
 
Conteúdo Específico: 
MACHINE LEARNING 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
JUSTIFICATIVA 
O aprendizado de máquina é um processamento ligado ao conhecimento 
da máquina, ou seja, a máquina se baseia em conhecimento adquirido por 
meio do uso de inteligência artificial para a leitura e processamento de 
dados. 
 
 
 
A predição de dados é uma das aplicações mais comuns e importantes do machine 
learning, permitindo que máquinas façam previsões ou estimativas sobre dados 
desconhecidos com base em padrões aprendidos de um conjunto de dados de 
treinamento. Esse processo é fundamental em diversas áreas, como previsão do tempo, 
análise de mercado financeiro, diagnósticos médicos, entre outros. Entender como a 
predição de dados funciona e como pode ser aplicada é essencial para qualquer 
profissional envolvido com análise de dados e machine learning. 
 
Assinale a alternativa que descreve a aplicação de predição de dados no machine 
learning? 
 
CORRETA 
A) Utilizar modelos para estimar valores ou categorias desconhecidos com base em 
padrões aprendidos dos dados de treinamento. 
 
 
B) Copiar manualmente padrões dos dados de treinamento para aplicá-los em novos 
conjuntos de dados. 
 
 
C) Criar novos dados que sejam idênticos aos dados de treinamento para aumentar o 
tamanho do dataset. 
 
 
Você marcou a alternativa ERRADA 
D) Modificar os dados de treinamento para que se ajustem melhor às expectativas 
iniciais do modelo. 
 
E) Classificar os dados de treinamento em categorias predefinidas sem a necessidade de 
prever novos dados. 
 
 
Semana: Semana 6 / Nível de Dificuldade: Fácil 
Material Base: Videoaula 16: Predição de Dados Páginas: slides 1 a 7 
 
Objetivo de Aprendizado: 
ESCREVER O CONCEITO BÁSICO DE PREDIÇÃO DE DADOS EM MACHINE LEARNING E 
SUA APLICAÇÃO PRÁTICA. 
 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
JUSTIFICATIVA 
 
A alternativa correta fala que a predição de dados envolve o uso de 
modelos de machine learning para fazer estimativas ou previsões sobre 
dados desconhecidos, aproveitando os padrões e relações identificados 
durante o treinamento com um conjunto de dados conhecido. Esse 
processo é central para muitas aplicações de machine learning, 
permitindo que decisões sejam tomadas ou percepções sejam geradas a 
partir de dados previamente não observados. As demais alternativas 
estão incorretas, pois não descrevem adequadamente o processo de 
predição de dados, como: criar novos dados idênticos aos de treinamento 
não é uma prática comum ou útil na predição de dados; classificar dados 
de treinamento descreve um aspecto do aprendizado supervisionado, 
mas não aborda a essência da predição em novos dados; copiar 
manualmente padrões não é um método usado em machine learning, 
onde o objetivo é que os modelos aprendam e façam previsões 
automaticamente; modificar dados de treinamento para ajustar 
expectativas não representa uma descrição precisa do processo de 
predição, que busca entender e utilizar padrões existentes nos dados, não 
modificá-los para se ajustar a preconceitos ou expectativas. 
 
 
A análise preditiva é uma ciência. Para garantir que obtenha os melhores resultados 
possíveis, você precisa do talento e das habilidades de sua equipe de engenharia. A 
equipe de TI desempenha um papel fundamental no sucesso de seus projetos de análise 
preditiva (BARI; CHAOUCHI; JUNG, 2019). 
 
 
 
BARI, A.; CHAOUCHI, M.; JUNG, T. Análise preditiva para leigos. Rio de Janeiro: Alta 
Books, 2019. 
 
 
Concernente ao exposto, analise as asserções a seguir e a relação proposta entre elas. 
 
I. Para implementar a análise preditiva dentro de uma empresa, será necessário um 
funcionário da área de TI. 
 PORQUE II. Um funcionário da área de TI 
poderá auxiliar na implementação de funcionalidades para que seja executada a análise 
preditiva de acordo com a sua necessidade. 
 
Analisando as asserções anteriores, conclui-se que: 
CORRETA 
A) as asserções I e II são proposições verdadeiras, e a II é uma 
justificativa da I. 
 
B) as asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. 
 
C) a asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
 
D) as asserções I e II são falsas. 
 
E) a asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
 
Semana: Semana 7 / Nível de Dificuldade: Difícil 
Material Base: texto-base 7.1 - Análise preditiva para leigos | Bari, Chaouchi e Jung 
(2019)Página: 57 
 
Objetivo de Aprendizado: 
ANALISAR O FUNCIONAMENTO DA ANÁLISE PREDITIVA 
 
Conteúdo Específico: 
DESENVOLVENDO UM PROJETO DE PREDIÇÃO 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
JUSTIFICATIVA 
A asserção I é verdadeira, pois, com o uso da análise preditiva dentro de 
uma empresa, devemos ser acompanhados por profissionais de TI. A 
asserção II também é verdadeira e justifica a I, pois, para que esse serviço 
seja implementado com uma melhor qualidade e com um melhor 
aproveitamento, temos de recorrer às funcionalidades implementadas 
pelo profissional de TI. 
 
 
“São ao todo 95 sinais gráficos, conhecidos como printables (ou ‘imprimíveis’), e 33 sinais 
de controle que não têm uma aparência gráfica e, por isso, são conhecidos como non-
printables (‘não imprimíveis’), sendo usados em dispositivos de comunicação e 
transferência de arquivos, bem como elementos que afetam o processamento do texto, 
como caractere de fim de linha (“\n”) ou tabulação (“\t”).” (BANIN, 2018, p. 165-166) 
 
BANIN, S. L. Python 3: conceitos e aplicações — uma abordagem didática. São Paulo: 
Saraiva, 2018. 
 
 
Considerando esse tema, analise as asserções a seguir e a relação proposta entre elas: 
 
I. No Python é possível reverter uma operação de conversão. 
 PORQUE II. Ao usar o comando ord, podemos 
desfazer uma operação de conversão de um tipo para outro, como números inteiros para 
caracteres. 
 
A respeito dessas asserções, assinale a alternativa correta: 
Você marcou a alternativa ERRADA 
A) A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
 
B) A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
 
CORRETA 
C) As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. 
 
D) As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. 
 
E) As asserções I e II são falsas. 
 
Semana: Semana 3 / Nível de Dificuldade: Difícil 
Material Base: Texto-base 3.1 - Python 3: conceitos e aplicações - uma abordagem 
didática Páginas: 165-166 
 
Objetivo de Aprendizado: 
ANALISAR OS DADOS PELO FUNCIONAMENTO DO ASCII. 
 
Conteúdo Específico: 
WEB SCRAPING E USO DE ARQUIVOS 
 
Justificativa sobre todas as alternativas (corretas e incorretas) 
 
 
A asserção I é verdadeira, pois, ao utilizarmos determinadas funções, o 
Python permite que sejam desfeitas essas operações executadas. 
A asserção II também é verdadeira e justifica a I, pois essas operações 
podem desfazer o processamento já executado, como a função ord para 
desfazer uma chr que converte um número inteiro para caractere, por 
exemplo.