Árvore de Decisão (AD) é um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão que podem ser facilmente implementados Python 3.0 através da biblioteca scikit-learn versão 1.7. Com relação às vantagens da utilização das AD através dessa biblioteca, analise as afirmativas a seguir.

I. O custo de uso da AD é logarítmico em relação ao número de pontos de dados usados para treinar a árvore.
II. As previsões das AD são suaves e contínuas e apresentam aproximações constantes por partes. Portanto, são boas para extrapolação de dados.
III. AD apresentam bom desempenho mesmo que suas suposições sejam de alguma forma violadas pelo modelo verdadeiro a partir do qual os dados foram gerados.
IV. AD são estáveis, pois grandes variações nos dados podem resultar na geração de árvore equivalentes. Essa condição é assegurada pelo uso de AD dentro de pequenos conjuntos de dados.

Está correto o que se afirma em

Um analista desejar utilizar o framework Flask para desenvolver aplicações Web com Python para atender os clientes internos da AgSUS, no contexto das dependências do framework, analise as afirmativas a seguir.

I. Depende do kit de ferramentas WSGI da biblioteca Web2Py.
II. Depende do motor de execução do template Jinja.
III. Depende do kit de ferramentas Click para criar interfaces de linha de comando.

Está correto o que se afirma em

Os elementos estruturais da BPMN 2.0 permitem que um analista visualize e diferencie facilmente as seções de um diagrama BPMN. Os tipos básicos de submodelos que podem estar presentes em um modelo BPMN são respectivamente

BPMN é amplamente usado para a modelagem de processos de negócio da AgSUS. Segundo o BPMN 2.0, o elemento gráfico que um analista deverá utilizar para indicar um objeto de dados é o

Os diagramas DMN, versão 1.6, possuem uma notação específica para mapeamento de decisões e regras de negócios. O elemento gráfico utilizado para representar uma decisão é

Considere que um programador experiente executou o código Python 3 abaixo.

Assinale a mensagem que foi impressa pelo código

O Power BI é a plataforma de análise de negócios da Microsoft que ajuda os usuários a transformarem dados em insights acionáveis. As opções a seguir apresentam características funcionais do PowerBI e seus componentes, à exceção de uma. Assinale-a.

Um analista de dados da AgSUS sabe que a detecção de anomalias, ou detecção de valores discrepantes, é a identificação de uma observação, evento ou ponto de dados que se desvia do que é padrão ou esperado, tornando-o inconsistente em relação ao resto do conjunto de dados. Relacione os tipos de anomalias de dados às suas respectivas definições.

1. Anomalias não intencionais.
2. Anomalias pontuais.
3. Anomalias contextuais.
4. Anomalias coletivas.

( ) Essas anomalias, também conhecidas como valores discrepantes globais, são pontos de dados individuais que estão muito fora do restante do conjunto de dados. Um exemplo desses tipo anomalia é um saque de conta bancária que é significativamente maior do que qualquer um dos saques anteriores do usuário;
( ) Essas anomalias envolvem um conjunto de instâncias de dados que juntas se desviam da norma, mesmo que as instâncias individuais possam parecer normais. Um exemplo desse tipo de anomalia seria um conjunto de dados de tráfego de rede que mostra um aumento repentino no tráfego de vários endereços IP ao mesmo tempo;
( ) Essas anomalias são pontos de dados que se desviam da norma devido a erros ou ruído no processo de coleta de dados. Esses erros podem ser sistemáticos ou aleatórios, originados por problemas como sensores defeituosos ou erro humano durante a entrada de dados. Esse tipo de anomalia pode distorcer o conjunto de dados, dificultando a obtenção de insights precisos;
( ) Essas anomalias são pontos de dados que se desviam da norma dentro de um contexto específico. Essas anomalias não são necessariamente valores discrepantes quando consideradas isoladamente, mas se tornam anômalas quando vistas dentro de seu contexto específico. Por exemplo, considere o uso de energia. Se houver um aumento repentino no consumo de energia ao meio-dia, quando normalmente nenhum membro da família está em casa. Este dado pode não ser um valor discrepante quando comparado ao consumo de energia pela manhã ou à noite (quando as pessoas geralmente estão em casa), mas é anômalo em relação ao horário em que ocorreu.

A relação correta, na ordem dada, é:

Em relação a regressão logística, analise as afirmativas a seguir.

I. É uma forma especializada de regressão que é formulada para prever e explicar uma variável categórica binária e, não uma medida dependente métrica.
II. Os modelos lineares generalizados podem ser considerados como uma abordagem de modelagem de dois estágios. Primeiro se modela a variável de resposta usando uma distribuição de probabilidade, como a distribuição binomial ou de Poisson e segundo se modela o parâmetro da distribuição usando uma coleção de preditores e uma forma especial de rede neural.
III. A regressão logística por ser usado como uma ferramenta para construir modelos quando existe uma variável de resposta categórica com três níveis. A regressão logística é um tipo de modelo linear não generalizado para variáveis de resposta onde a regressão linear múltipla não funciona muito bem.

Estão corretas as afirmativas

Matheus é um professor que precisa identificar padrões de utilização de LLMs (Large Language Models) em um grupo de estudantes. Ele utilizou como dados as notas finais da avaliação da disciplina de Estatística Básica (com distribuição das notas variando 0 a 100) e correlacionou esses dados à quantidade de horas dedicadas ao uso de LLMs pelos estudantes durante o semestre. O professor construiu um modelo para prever a pontuação de um aluno (Y), em função do número de horas dedicadas ao LLMs durante o último semestre (X), obtendo o modelo a seguir.

Ŷ = 100 − 0, 25x

Matheus certificou-se que o modelo atende a todas as premissas do modelo de regressão linear. As pontuações esperadas para dois alunos que dedicaram 300 horas e 50 horas ao uso de LLMs no último semestre são, respectivamente,