Revisar envio do teste_ QUESTIONÁRIO UNIDADE II 6598- _

Prévia do material em texto

Revisar envio do teste: QUESTIONÁRIO UNIDADE II
ESTUDOS DISCIPLINARES VI 6598-15_SEI_GH_1020_R_20211 CONTEÚDO
Usuário cristiano.bersacula @aluno.unip.br
Curso ESTUDOS DISCIPLINARES VI
Teste QUESTIONÁRIO UNIDADE II
Iniciado 19/06/21 19:49
Enviado 19/06/21 19:50
Status Completada
Resultado da
tentativa
2 em 5 pontos  
Tempo decorrido 1 minuto
Resultados
exibidos
Todas as respostas, Respostas enviadas, Respostas corretas, Comentários, Perguntas respondidas
incorretamente
Pergunta 1
Resposta
Selecionada:
c.
Respostas: a.
b.
c.
d. 
e.
O que é machine learning?
Machine learning ou aprendizado de máquina é uma linguagem de programação
para ensinar novos programadores a construírem seus sistemas em ambientes
operacionais.
Machine learning é uma tecnologia de Big Data que permite realizar programação
em máquinas virtuais.
Machine learning ou aprendizado de máquina, é um subcampo da Inteligência
Arti�cial que constrói algoritmos que permitem que os computadores possam
aprender a executar tarefas a partir de dados ao invés de serem programados
de forma explícita.
Machine learning ou aprendizado de máquina é uma linguagem de programação
para ensinar novos programadores a construírem seus sistemas em ambientes
operacionais.
Machine learning é uma pro�ssão de Big Data.
Machine learning é uma proposta pouco promissora para as análises de grades
volumes de dados.
UNIP EAD BIBLIOTECAS MURAL DO ALUNO TUTORIAISCONTEÚDOS ACADÊMICOS
0 em 0,5 pontos
http://company.blackboard.com/
https://ava.ead.unip.br/webapps/blackboard/execute/courseMain?course_id=_161642_1
https://ava.ead.unip.br/webapps/blackboard/content/listContent.jsp?course_id=_161642_1&content_id=_2083758_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=_25_1
https://ava.ead.unip.br/webapps/login/?action=logout
Pergunta 2
Resposta Selecionada: c. 
Respostas: a. 
b. 
c. 
d. 
e. 
Feedback da
resposta:
Existem duas categorias principais de algoritmos de machine learning. Marque as corretas.
Supervisionada e não supervisionada.
Positiva e negativa.
Arti�cial e natural.
Supervisionada e não supervisionada.
Neural e cientí�ca.
Matemática e estatística.
Resposta: C 
Comentário: Os tipos de aprendizagem de máquina mais comuns são
supervisionada e não supervisionada.
Pergunta 3
Resposta
Selecionada:
c. 
Respostas: a.
b. 
c. 
d.
e.
A habilidade de pagar pelo uso dos recursos à medida que eles são utilizados é característica da
computação em nuvem. Selecione a alternativa que justi�que esta vantagem nos serviços em
nuvem.
Deslocar a localização de toda a infraestrutura computacional.
Apresentar uma interface padrão que disponibiliza uma in�nidade de serviços.
Esconder as características físicas da plataforma computacional.
Deslocar a localização de toda a infraestrutura computacional.
Sugerir que o usuário tem em suas mãos toda a Internet e os seus serviços.
Permitir que os recursos sejam liberados caso não sejam utilizados, evitando
um consumo desnecessário.
Pergunta 4
Resposta
Selecionada:
c. 
Quais os três per�s básicos de pro�ssionais engajados em Ciência de Dados e Big Data?
Administradores, gerentes comerciais, publicitários.
0,5 em 0,5 pontos
0 em 0,5 pontos
0 em 0,5 pontos
Respostas: a.
b. 
c. 
d.
e. 
Cientista de requisitos, analista de sistemas, pro�ssionais de tecnologia.
Cientista de dados, analista de sistemas e estatísticos de inferência.
Administradores, gerentes comerciais, publicitários.
Cientista de dados, analista de negócios, pro�ssionais de tecnologia.
Analista de dados, analista de negócios, analista de requisitos.
Pergunta 5
Resposta
Selecionada:
c.
Respostas: a. 
b. 
c.
d. 
e. 
Sobre a análise do tipo “preditiva”, podemos a�rmar que:
Identi�ca o que se deseja que aconteça e o que pode ser feito para alcançar esse
objetivo (reforçar, modi�car ou evitar uma predição).
Analisa porque determinado evento aconteceu.
Aponta o que irá (ou poderá) acontecer (predição).
Identi�ca o que se deseja que aconteça e o que pode ser feito para alcançar esse
objetivo (reforçar, modi�car ou evitar uma predição).
Baseada apenas nos dados nulos.
Se encarrega de analisar o que aconteceu.
Pergunta 6
Resposta Selecionada: d. 
Respostas: a. 
Considere as seguintes a�rmações: 
  
I. Nos próximos anos viveremos uma escassez de pro�ssionais de Ciência de Dados. Esta
escassez, ao mesmo tempo em que abre muitas perspectivas pro�ssionais para os que
abraçarem a função, também atuará como um entrave, pois di�cultará às empresas usarem Big
Data com e�ciência. 
II. Há uma grande procura pelos cientistas de dados – remuneração média nos EUA já é superior
a 100 mil dólares por ano. 
III. Cientistas de dados fazem parte de uma nova geração de especialistas analíticos que têm as
habilidades técnicas para resolver problemas complexos. 
  
Estão corretas:
As a�rmações I, II e III.
As a�rmações I e II.
0,5 em 0,5 pontos
0,5 em 0,5 pontos
b. 
c. 
d. 
e. 
Feedback
da
resposta:
As a�rmações II e III.
As a�rmações I e III.
As a�rmações I, II e III.
Apenas a a�rmação I.
Resposta: D 
Comentário: Todas as a�rmações são corretas com relação aos pro�ssionais e às
tarefas de Ciência de Dados. O desenvolvimento de ferramentas tecnológicas e a
procura por pro�ssionais capacitados nesta área é crescente.
Pergunta 7
Resposta Selecionada: c. 
Respostas: a. 
b. 
c. 
d. 
e. 
Sobre os seguintes exemplos, responda à pergunta que segue. 
  
I. Detecção de fraudes, carros automatizados, melhores sistemas de monitoramento, detecção e
prevenção de epidemias. 
II. Detecção de terremotos, educação customizada, por demanda e online. 
III. Medicamentos customizados baseados no histórico de cada paciente. 
IV. Processo otimizado de iluminação residencial, industrial e pública, sistemas de buscas mais
e�cientes. 
V. Geomarketing através de smartphones, marketing personalizado, combate ao crime e ao
terrorismo. 
  
São exemplos de onde pode ser aplicada a ciência de dados:
Apenas III.
Apenas I.
Apenas II.
Apenas III.
Apenas IV e V.
Todos os exemplos.
Pergunta 8
Resposta
Selecionada:
d.
Respostas: a.
O que é DataOps?
É um conjunto de técnicas de levantamento de dados para análise cientí�ca,
para impressão de relatórios em tempo real.
0 em 0,5 pontos
0 em 0,5 pontos
b.
c.
d.
e. 
É um conjunto operações de dados independente da Ciência de Dados e tornou-
se assim uma ferramenta de dados eletrônicos e funcionais, fundamental para
qualquer organização de TI que queira sobreviver e prosperar em um mundo em
que inteligência de negócios em tempo compartilhado é uma necessidade
competitiva.
É um conjunto de melhores práticas que visam tornar e�ciente a coordenação
entre a Ciência de Dados e as operações de dados e tornou-se assim um assunto
fundamental para qualquer organização de TI que queira sobreviver e prosperar
em um mundo onde inteligência de negócios em tempo real é uma necessidade
competitiva.
É um conjunto de linguagens de programação para desenvolvedores em C++,
java e scripts operacionais.
É um conjunto de técnicas de levantamento de dados para análise cientí�ca,
para impressão de relatórios em tempo real.
É um conjunto de dados estruturados utilizados na área de Big Data.
Pergunta 9
Resposta Selecionada: c. 
Respostas: a. 
b. 
c. 
d. 
e. 
Feedback
da
resposta:
Por onde devemos começar um projeto de Data Science?
Pelo objetivo, ou seja, as questões que precisam ser respondidas.
Pelo levantamento de dados.
Pela reunião de início de gerenciamento do projeto.
Pelo objetivo, ou seja, as questões que precisam ser respondidas.
Pela preparação dos dados do projeto.
Pela análise dosdados do projeto.
Resposta: C 
Comentário: Os projetos de Data Science se iniciam pelo entendimento do
objetivo das análises e pelas questões a serem respondidas ao cliente.
Pergunta 10
Resposta Selecionada: d. 
Respostas: a. 
A cultura orientada por dados é conhecida nas empresas como:
DataOps culture.
Data-science culture.
0,5 em 0,5 pontos
0 em 0,5 pontos
Sábado, 19 de Junho de 2021 19h50min16s GMT-03:00
b. 
c. 
d. 
e. 
Data-driven culture.
Data-lake culture.
DataOps culture.
Big Data world.
← OK
javascript:launch('/webapps/blackboard/content/listContent.jsp?content_id=_2083758_1&course_id=_161642_1&nolaunch_after_review=true');