QUESTIONÁRIO UNIDADE I CIÊNCIA DE DADOS

Prévia do material em texto

Revisar envio do teste: QUESTIONÁRIO UNIDADE ICIÊNCIA DE DADOS 7943-30_43701_R_E1_20262 CONTEÚDO
Usuário joao.santos305 @aluno.unip.br
Curso CIÊNCIA DE DADOS
Teste QUESTIONÁRIO UNIDADE I
Iniciado 08/10/26 16:34
Enviado 08/10/26 17:30
Status Completada
Resultado da tentativa 4,5 em 5 pontos  
Tempo decorrido 55 minutos
Resultados exibidos Todas as respostas, Respostas enviadas, Respostas corretas, Comentários, Perguntas respondidas incorretamente
Pergunta 1
Resposta Selecionada: d. 
Respostas: a. 
b. 
c. 
d. 
e. 
Imagine uma empresa de varejo que vende produtos eletrônicos. Ela coleta dados de vendas ao longo do tempo,
incluindo informações como datas de venda, tipos de produtos vendidos, preços, promoções, dados climáticos e
feriados. O objetivo de um cientista de dados é utilizar técnicas para prever a demanda futura dos produtos. Isso
ajudará a empresa a otimizar os níveis de estoque, planejar promoções e melhorar a eficiência operacional.
Dado o conhecimento das etapas da ciência de dados, indique qual é a etapa em que são desenvolvidos modelos
de mineração de dados.
Avaliação.
Coleta de dados.
Limpeza de dados.
Modelagem.
Avaliação.
Comunicação dos resultados.
Pergunta 2
Resposta Selecionada: b. 
Respostas: a. 
Após o uso constante de um modelo para treinamento de máquina, o analista responsável começa a observar que
mesmo ampliando a complexidade dos problemas, a máquina apresenta um desempenho insatisfatório em
relação aos dados de treinamento. Ele acredita que isso se deve ao fato de que o modelo que está sendo testado é
muito simples e, por isso, apresenta dificuldade de capturar padrões. Como podemos classificar esse tipo de
fenômeno?
Underfitting.
Upperfitting.
UNIP EAD BIBLIOTECAS MURAL DO ALUNO TUTORIAIS LABORATÓRIOSCONTEÚDOS ACADÊMICOS
0 em 0,5 pontos
0,5 em 0,5 pontos
10/8/26, 5:30 PM Revisar envio do teste: QUESTIONÁRIO UNIDADE I – CIÊNCIA...
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_122848282_1&course_id=_481838_1&content_id=_5410507_1&return_c… 1/7
http://company.blackboard.com/
https://ava.ead.unip.br/webapps/blackboard/execute/courseMain?course_id=_481838_1
https://ava.ead.unip.br/webapps/blackboard/content/listContent.jsp?course_id=_481838_1&content_id=_5408469_1&mode=reset
https://ava.ead.unip.br/webapps/portal/execute/tabs/tabAction?tab_tab_group_id=_10_1
https://ava.ead.unip.br/webapps/portal/execute/tabs/tabAction?tab_tab_group_id=_27_1
https://ava.ead.unip.br/webapps/portal/execute/tabs/tabAction?tab_tab_group_id=_47_1
https://ava.ead.unip.br/webapps/portal/execute/tabs/tabAction?tab_tab_group_id=_29_1
https://ava.ead.unip.br/webapps/portal/execute/tabs/tabAction?tab_tab_group_id=_64_1
https://ava.ead.unip.br/webapps/portal/execute/tabs/tabAction?tab_tab_group_id=_25_1
https://ava.ead.unip.br/webapps/login/?action=logout
b. 
c. 
d. 
e. 
Comentário
da resposta:
Underfitting.
Overfitting.
Hiperfitting.
Downfitting.
Resposta: B
Comentário: Nesse cenário, o analista acredita que o modelo está muito simples para capturar a
complexidade dos dados, resultando em um desempenho insatisfatório tanto em relação aos
dados de treinamento quanto em relação aos dados de teste ou validação. Esse fenômeno é
chamado de "underfitting", quando o modelo é muito simplificado para representar
corretamente os padrões presentes nos dados.
Pergunta 3
Resposta Selecionada: b. 
Respostas: a. 
b. 
c. 
d. 
e. 
Comentário
da resposta:
Uma empresa de desenvolvimento de softwares, que inclui entre seus produtos um sistema de envio e
recebimento de e-mails, optou por criar uma nova versão do sistema com melhorias nos filtros de detecção de
spam. Para esse propósito, a equipe de engenharia de software recebeu a tarefa de treinar o software.
Considerando esse exemplo, analise as opções abaixo e indique aquela que explica o objetivo do treinamento de
um modelo de aprendizado de máquina.
Ajustar os parâmetros do modelo para minimizar a função de perda.
Ajustar os parâmetros do modelo para maximizar a função de perda.
Ajustar os parâmetros do modelo para minimizar a função de perda.
Ajustar os parâmetros do modelo para maximizar a função de recompensa.
Ajustar os parâmetros do modelo para minimizar a função de recompensa.
Ajustar os parâmetros do modelo para maximizar a precisão do modelo.
Resposta: B
Comentário: O objetivo do treinamento de um modelo de aprendizado de máquina é ajustar
seus parâmetros de forma a minimizar a função de perda. Essa função de perda mede a
discrepância entre as previsões do modelo e os valores reais no conjunto de treinamento. Ao
minimizar a função de perda, o modelo se torna mais apto a fazer previsões precisas e
generalizadas para novos dados. No caso do exemplo dado, a empresa busca melhorar a
detecção de spam em e-mails.
Pergunta 4
Qual é a suposição feita pelos algoritmos de Naive Bayes?
0,5 em 0,5 pontos
0,5 em 0,5 pontos
10/8/26, 5:30 PM Revisar envio do teste: QUESTIONÁRIO UNIDADE I – CIÊNCIA...
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_122848282_1&course_id=_481838_1&content_id=_5410507_1&return_c… 2/7
Resposta Selecionada: a. 
Respostas: a. 
b. 
c. 
d. 
e. 
Comentário
da resposta:
As variáveis são independentes umas das outras ao fazer suas previsões.
As variáveis são independentes umas das outras ao fazer suas previsões.
As variáveis são dependentes umas das outras ao fazer suas previsões.
O relacionamento entre as variáveis é sempre linear.
O relacionamento entre as variáveis é sempre não linear.
O modelo deve ser treinado com dados rotulados.
Resposta: A
Comentário: A suposição feita pelos algoritmos de Naive Bayes é que as variáveis (ou
características) são independentes entre si, dada a classe (ou categoria) a que pertencem. Isso é
conhecido como "suposição de independência condicional". Embora essa suposição possa ser
simplista para muitos cenários da vida real, os algoritmos Naive Bayes frequentemente
apresentam um bom desempenho em problemas de classificação, como a categorização de e-
mails em spam ou não spam, devido à sua eficiência e relativa simplicidade.
Pergunta 5
Resposta
Selecionada:
e.
Respostas: a.
b.
c. 
d. 
e.
Analise as opções abaixo e indique qual delas corresponde aos parâmetros necessários para se obter bons
resultados na classificação.
Selecionar cuidadosamente as características relevantes, escolher o algoritmo de classificação
apropriado, ajustar os hiperparâmetros do modelo e realizar uma avaliação rigorosa.
Ter um conjunto de dados representativo e suficientemente grande para treinar o modelo de
classificação, evitando vieses ou problemas de generalização.
Compreender o contexto, identificar as informações mais relevantes e comunicá-las de forma
clara e concisa.
Utilizar técnicas de segmentação de mercado e detecção de fraudes.
Escolher entre sumarização automática e sumarização manual.
Selecionar cuidadosamente as características relevantes, escolher o algoritmo de classificação
apropriado, ajustar os hiperparâmetros do modelo e realizar uma avaliação rigorosa.
0,5 em 0,5 pontos
10/8/26, 5:30 PM Revisar envio do teste: QUESTIONÁRIO UNIDADE I – CIÊNCIA...
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_122848282_1&course_id=_481838_1&content_id=_5410507_1&return_c… 3/7
Comentário
da resposta:
Resposta: E
Comentário: Para obter resultados satisfatórios na classificação, é essencial selecionar as
características relevantes, optar pelo algoritmo de classificação adequado, ajustar os
hiperparâmetros do modelo para otimizar o desempenho e conduzir uma avaliação rigorosa
para garantir que o modelo generalize bem para novos dados. Essas etapas são cruciais para
construir um modelo de classificação eficaz e bem ajustado.
Pergunta 6
Resposta
Selecionada:
d.
Respostas: a.
b. 
c. 
d.
e. 
Comentário
da resposta:
A sumarização na mineração de dados refere-se ao processo de extrair informações ou conhecimentos essenciais
e concisos a partir de conjuntosde dados complexos e volumosos. O objetivo é reduzir a quantidade de dados
sem perder informações críticas. Isso envolve identificar padrões, tendências, características principais ou
resumos estatísticos que capturem o significado subjacente dos dados.
Indique qual das alternativas abaixo apresenta de forma correta a diferença entre sumarização automática e
sumarização manual.
A sumarização automática é baseada em regras pré-definidas ou algoritmos, enquanto a
sumarização manual é baseada na interpretação humana dos dados.
A sumarização automática é realizada por humanos, enquanto a sumarização manual é
realizada por algoritmos de aprendizado de máquina.
A sumarização automática é mais precisa e confiável do que a sumarização manual.
A sumarização automática é mais rápida e eficiente do que a sumarização manual.
A sumarização automática é baseada em regras pré-definidas ou algoritmos, enquanto a
sumarização manual é baseada na interpretação humana dos dados.
A sumarização automática é mais cara e complexa do que a sumarização manual.
Resposta: D
Comentário: A diferença entre a sumarização automática e a sumarização manual reside no
processo envolvido. A sumarização automática é realizada por meio de algoritmos ou regras pré-
definidas que extraem informações importantes dos dados de forma automatizada, sem
intervenção humana direta. Por outro lado, a sumarização manual envolve a interpretação
humana dos dados para identificar e extrair informações relevantes e criar resumos de forma
deliberada e subjetiva. Portanto, a alternativa “d” reflete corretamente essa diferença.
Pergunta 7
Resposta
Selecionada:
e. 
O que é necessário para avaliar o desempenho de um modelo de aprendizado de máquina?
Dados de validação ou teste e métricas como acurácia, precisão, recall e F1-score.
0,5 em 0,5 pontos
0,5 em 0,5 pontos
10/8/26, 5:30 PM Revisar envio do teste: QUESTIONÁRIO UNIDADE I – CIÊNCIA...
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_122848282_1&course_id=_481838_1&content_id=_5410507_1&return_c… 4/7
Respostas: a.
b.
c. 
d. 
e. 
Comentário
da resposta:
Dados de validação ou teste e a definição adequada das características e atributos
relevantes.
A escolha do modelo correto e a otimização dos parâmetros do modelo para minimizar o
erro.
A interpretação correta dos resultados e a seleção de recursos relevantes.
A qualidade dos dados e a escolha de uma função de perda apropriada.
Dados de validação ou teste e métricas como acurácia, precisão, recall e F1-score.
Resposta: E
Comentário: A avaliação do desempenho de um modelo de aprendizado de máquina requer o
uso de dados de validação ou teste, que não foram usados durante o treinamento do modelo,
para verificar como o modelo se sai em dados não vistos. Além disso, é necessário usar métricas
apropriadas para avaliar diferentes aspectos do desempenho do modelo. Métricas comuns
incluem acurácia (taxa de previsões corretas), precisão (quantidade de verdadeiros positivos
dividida pelo total de positivos previstos), recall (quantidade de verdadeiros positivos dividida pelo
total de verdadeiros positivos reais) e F1-score (uma média harmônica entre precisão e recall).
Essas métricas ajudam a entender o quão bem o modelo está funcionando e onde podem existir
desequilíbrios ou problemas de desempenho.
Pergunta 8
Segundo Géron, A. (2017), "A preparação de dados para análise envolve várias etapas importantes para garantir
que os dados estejam limpos, consistentes e prontos para serem usados em análises ou modelagens". Podemos
citar como etapas dessa preparação a Coleta de Dados, a Limpeza de Dados, o Pré-processamento, a Redução de
Dimensionalidade, o Tratamento de Outliers, a Codificação de Categorias e a Amostragem, entre outras. Com base
nas colocações de Géron, indique qual das alternativas abaixo define corretamente o pré-processamento de
dados:
0,5 em 0,5 pontos
10/8/26, 5:30 PM Revisar envio do teste: QUESTIONÁRIO UNIDADE I – CIÊNCIA...
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_122848282_1&course_id=_481838_1&content_id=_5410507_1&return_c… 5/7
Resposta
Selecionada:
c.
Respostas: a. 
b. 
c.
d. 
e. 
Comentário
da resposta:
Um processo de limpeza, transformação e redução de dados brutos para torná-los
adequados para análise.
Um conjunto de técnicas para a análise de dados.
Um método para a visualização de dados complexos.
Um processo de limpeza, transformação e redução de dados brutos para torná-los
adequados para análise.
Um conjunto de ferramentas para a coleta de dados.
Um campo de estudo que se concentra na interpretação de dados.
Resposta: C
Comentário: O pré-processamento de dados envolve várias etapas, incluindo limpeza,
transformação e redução de dados brutos para prepará-los para análises ou modelagens
subsequentes. Essas etapas visam melhorar a qualidade, consistência e utilidade dos dados,
garantindo que estejam em um formato apropriado para as próximas fases da análise ou
modelagem. Portanto, a alternativa “c” define corretamente o pré-processamento de dados de
acordo com a colocação de Géron.
Pergunta 9
Resposta Selecionada: d. 
Respostas: a. 
b. 
c. 
d. 
e. 
Comentário
da resposta:
Segundo Laney (2001), Big Data são conjuntos de dados extremamente grandes e complexos que exigem
tecnologias e métodos específicos para armazenamento, processamento e análise devido ao seu tamanho e
complexidade. Das alternativas abaixo, qual corresponde às características de um Big Data, segundo Laney?
Volume, Velocidade e Variedade.
Intangibilidade, Granularidade e Estruturação.
Gerar valor, Privacidade, Agrupável.
Estruturação, Privacidade, Volume.
Volume, Velocidade e Variedade.
Variedade, Granularidade e Agrupável.
Resposta: D
Comentário: Segundo o autor Doug Laney, em 2001, ele propôs a definição dos "3 Vs" para
caracterizar Big Data: Volume (grande quantidade de dados), Velocidade (alta taxa de geração e
processamento de dados) e Variedade (diversidade de tipos de dados, como estruturados, não
estruturados e semiestruturados). Essas características destacam a complexidade dos conjuntos
de dados que são considerados Big Data.
Pergunta 10
0,5 em 0,5 pontos
0,5 em 0,5 pontos
10/8/26, 5:30 PM Revisar envio do teste: QUESTIONÁRIO UNIDADE I – CIÊNCIA...
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_122848282_1&course_id=_481838_1&content_id=_5410507_1&return_c… 6/7
Quinta-feira, 8 de Outubro de 2026 17h30min19s GMT-03:00
Resposta Selecionada: b. 
Respostas: a. 
b. 
c. 
d. 
e. 
Comentário
da resposta:
A descrição a seguir se refere a qual tipo de modelo de machine learning? “É um modelo usado para problemas de
classificação binária, em que a variável de saída é categórica com duas classes. Ele estima a probabilidade de um
evento ocorrer, mapeando a entrada para uma função logística.”
Regressão Logística.
Regressão Linear.
Regressão Logística.
Árvores de Decisão.
Máquinas de Vetores de Suporte (SVM).
Redes Neurais Artificiais.
Resposta: B
Comentário: A descrição dada se encaixa no modelo de Regressão Logística. Embora o nome
possa sugerir que seja usado para regressão, a Regressão Logística é frequentemente usada
para problemas de classificação binária, em que a variável de saída é categórica com duas
classes. Ela estima a probabilidade de um evento ocorrer usando uma função logística, que
mapeia as entradas para uma probabilidade entre 0 e 1.
← OK
10/8/26, 5:30 PM Revisar envio do teste: QUESTIONÁRIO UNIDADE I – CIÊNCIA...
https://ava.ead.unip.br/webapps/assessment/review/review.jsp?attempt_id=_122848282_1&course_id=_481838_1&content_id=_5410507_1&return_c… 7/7