Prévia do material em texto

ENGENHARIA, PREPARAÇÃO E VISUALIZAÇÃO DE DADOS
Uma das áreas de pesquisa incluídas em aprendizagem de máquina é a habilidade de simular a capacidade cognitiva do ser humano. A inteligência do ser humano é a mais avançada dentro do universo das criaturas e a responsável por esta inteligência é o cérebro. Redes neurais artificiais (RNA) são utilizadas para simular o funcionamento do cérebro humano e, com isso, seu objetivo é construir um artefato de software capaz de tomar decisões de forma similar ao ser humano. 
Considere o texto apresentado e avalie as asserções abaixo e a relação proposta entre elas.
I - Um neurônio computacional visa simular o funcionamento do seu modelo biológico.
 PORQUE
II - Uma das áreas de pesquisa incluídas em aprendizagem de máquina é a habilidade de simular a capacidade cognitiva do ser humano. A inteligência do ser humano é a mais avançada dentro do universo das criaturas e a responsável por esta inteligência é o cérebro. Redes neurais artificiais (RNA) são utilizadas para simular o funcionamento do cérebro humano e, com isso, seu objetivo é construir um artefato de software capaz de tomar decisões de forma similar ao ser humano. 
A respeito dessas asserções, assinale a opção correta.
A asserção II é uma proposição verdadeira e a I é uma proposição falsa.
A asserção I é uma proposição verdadeira e a II é uma proposição falsa.
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. (CORRETA)
As asserções I e II são proposições falsas
As asserções I e II são proposições verdadeiras, mas II não é uma justificativa correta da I.
Um arquiteto de dados precisa decidir qual a melhor modelagem de dados para um projeto de Big data na empresa. Ele precisa decidir se vai usar uma modelagem relacional com Oracle ou noSQL com o banco MongoDB.
Considerando os requisitos do projeto, analise as asserções a seguir e a relação proposta entre elas. 
I. O projeto tem como requisito a necessidade de processar grandes volumes de dados por meio de dados não estruturados.
PORQUE
II. Uma característica da modelagem de dados a ser implementada refere-se aos dados, que são dinâmicos e frequentemente alterados.
A respeito dessas asserções, assinale a opção correta.
A asserção I é uma proposição falsa e a II é uma proposição verdadeira
A asserção I é uma proposição verdadeira e a II é uma proposição falsa
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. (CORRETA)
As asserções I e II são proposições falsas
As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
O aprendizado de máquina é um subcampo da ciência da computação que evoluiu do estudo de reconhecimento de padrões e da teoria da aprendizagem computacional em inteligência artificial. Um subcampo da aprendizagem de máquina é o Deep Learning ou Redes Neurais de Aprendizagem profunda que consiste em um conjunto de arquiteturas para redes neurais com várias camadas. Cada camada é responsável por capturar e extrair determinados tipos de informações dos objetos de entrada.
Considerando o trecho acima, avalie as asserções a seguir e a relação proposta entre elas.
I - O processo de extração de características consiste em utilizar uma arquitetura de aprendizagem profunda para processar o conteúdo de uma imagem.
PORQUE
II- Uma imagem é processada pela estrutura da rede e, a cada camada do modelo, são realizadas transformações para identificar características específicas dessa imagem.
A respeito dessas asserções, assinale a opção correta.
As asserções I e II são proposições falsas
A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
As asserções I e II são proposições verdadeiras, e a II é a justificativa correta da I.(INCORRETA)
(ADAPTADA 2016, FGV) Considere as seguintes características de um projeto de banco de dados.
a. O modelo de dados é conhecido e estável;
b. A integridade dos dados é essencial para o modelo;
c. Velocidade e escalabilidade são preponderantes.
d. A segurança dos dados deve ser garantida.
Considerando as informações apresentadas, avalie as afirmações a seguir.
I - Os itens a e b justificam a utilização de modelagem não relacional, uma vez que estabilidade e integridade são as principais características deste tipo de modelo.
II - De acordo com o que podemos conferir em sites, por exemplo, da Amazon, bancos de dados NoSQL são criados para modelos específicos e têm esquemas flexíveis para a criação de aplicativos modernos. Os bancos de dados NoSQL são reconhecidos por sua facilidade de desenvolvimento, funcionalidade e performance em escala. 
III - Esta categoria de banco de dados é otimizada especificamente para aplicativos que exigem modelos de grande volume de dados, baixa latência e flexibilidade. 
É correto o que se afirma em
II e III, apenas(CORRETA)
III, apenas
I, apenas
I, II e III.
I e II,apenas
Um banco de dados relacional armazena seus dados de acordo com a relação que eles estabelecem. Essa forma de armazenamento permite facilitar a compreensão do modelo de dados armazenado. Neste tipo de banco de dados, a estrutura de tabela é um conjunto não ordenado de linhas (tuplas, na terminologia acadêmica) onde os registros são armazenados. 
Considerando o texto apresentado, avalie as asserções a seguir e a relação proposta entre elas. 
I - Uma tabela relacional permite organizar registros em linhas e suas colunas representam cada um de seus atributos.
PORQUE
II - O modelo relacional preza por escalabilidade dos dados.
A respeito dessas asserções, assinale a opção correta.
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. (CORRETA)
As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I.
As asserções I e II são proposições falsas.
As asserções I e II são proposições verdadeiras, mas a II não é uma
Sistemas Especialistas ou Sistemas Baseados em Conhecimento são utilizados para aprender uma determinada tarefa, tais como enviar email, reconhecer pessoas em imagens, etc. Dentre eles podem, ser destacados os sistemas de recomendação, pois permitem mapear os interesses das pessoas e recomendam itens (produtos, filmes, músicas) para seu uso.
Considerando o texto acima, avalie as asserções a seguir e a relação proposta entre elas.
I - Um sistema de filtragem colaborativa utiliza o conteúdo dos itens, tais como recursos visuais e/ou textuais, para auxiliar no processo de recomendação.
PORQUE 
II - O Perfil de um usuário é construído de acordo com os itens que o usuário avalia. Desta forma, suas preferências podem ser mapeadas pelo sistema, permitindo definir com maior precisão quais itens possuem uma maior relevância para seu perfil de consumo.
A respeito dessas asserções, assinale a opção correta.
As asserções I e II são proposições verdadeiras, e a I é uma justificativa correta da II
A asserção I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
As asserções I e II são proposições falsas.
A Asserção I é uma proposição verdadeira e a II é uma proposição falsa.
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I(INCORRETA)
Análise Estatística de Decisão parte do pressuposto de que os indivíduos são capazes de expressar suas preferências básicas quando enfrentam situações de decisão simples. Com base nisso, a metodologia desenvolvida pela Análise de Decisão permitirá a resolução de problemas de decisão mais complexos, nos quais seu agente (que passaremos a chamar simplesmente de decisor) mantém suas preferências básicas, mas é incapaz de manipular intuitivamente a complexidade da situação.
Considerando o texto apresentado,avalie as afirmações a seguir.
I. Em projetos que envolvem inteligência artificial, técnicas de análise estatística, visa-se selecionar dados para transformá-los de acordo com a necessidade, como, por exemplo, mudar o formato de data de algum dado, além de validar o modelo de decisão construído. 
II. Uma amostra representa uma fração do conjunto de dados da base, que possui todas as classes a serem estudadas.
III. Os valores que, em estatística, caracterizam os valores médios são chamados de medidas de tendência central. Entre as principais medidas de tendência central, destacam-se a média aritmética e a regressão linear.
É correto o que se afirma em
II e III, apenas
I e II, apenas(CORRETA)
I, apenas
I, II e III
III, apenas
Considere o seguinte script em SQL:
CREATE TABLE "Empresa"."FUNCIONARIO"
( "ID_FUNC" NUMBER,
"NOMEFUNC" VARCHAR2(30 BYTE),
"ENDERECO" VARCHAR2(50 BYTE),
"DATANASC" DATE,
"SEXO" CHAR(1 BYTE),
"SALARIO" NUMBER(8,2),
"ID_SUPERV" NUMBER(4,0),
"ID_DEPTO" NUMBER(2,0),
PRIMARY KEY ("ID_FUNC")
);
Considerando o script apresentado, é correto afirmar que
O atributo ID_FUNC pode possuir o mesmo valor em tuplas diferentes da tabela FUNCIONÁRIO.
O atributo ID_FUNC apenas pode assumir valores únicos. (CORRETA)
Será criada uma tabela com uma chave estrangeira.
O atributo ID_FUNC é uma chave estrangeira.
Cada atributo será uma linha na tabela FUNCIONÁRIO.
Em problemas de classificação, uma matriz de confusão é uma tabela que permite a visualização do desempenho do algoritmo.
Considerando a frase acima, avalie as asserções a seguir e a relação proposta entre elas.
I - Um algoritmo de classificação visa identificar a classe que um determinado item pertence.
PORQUE
II - Medidas estatísticas como precisão e acurácia podem ser extraídas a partir da análise da matriz de confusão.
Sobre as asserções, assinale a alternativa correta.
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I.
As asserções I e II são proposições falsas.
As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. (CORRETA)
Uma amostra representada um conjunto de dados da base que possui todas as classes a serem estudadas. Definir este conjunto de dados é importante e crucial durante um projeto de Machine Learning, porque os dados a serem processados farão parte deste subconjunto.
Considerando o trecho anterior, é correto afirmar que
Algoritmos de Machine Learning precisam apenas da amostra de treino para construir os modelos matemáticos.
A média e a mediana são medidas utilizadas para aplicar a técnica de validação cruzada.
Algoritmos de Machine Learning não utilizam uma amostra para treino e teste para construir modelos matemáticos.
Algoritmos de Machine Learning precisam apenas da amostra de teste para construir os modelos matemáticos.
A técnica de validação cruzada é utilizada para dividir uma amostra de dados em subconjuntos para treino e teste. (CORRETA)