Ao avaliar a performance de diversos modelos preditivos para um problema de regressão e outro de classificação, várias métricas podem ser utilizadas para determinar qual modelo oferece o melhor desempenho. Considere as métricas para regressão e classificação, bem como as técnicas de detecção de overfitting e underfitting.

Nesse contexto, quais métricas devem ser utilizadas para determinar qual modelo oferece o melhor desempenho?

Uma equipe precisa apresentar os resultados de diversas análises para diferentes públicos. Cada visualização deve ser escolhida e projetada de forma a comunicar claramente os insights obtidos, considerando as boas práticas de design e de acessibilidade.

Serão apresentados, em momentos diferentes, os seguintes dados:

1. Distribuição de idades de uma pesquisa populacional, que possui um grande número de participantes.

2. Comparação de receitas mensais de diferentes setores de uma empresa ao longo de um ano.

3. Proporção de vendas de diferentes produtos de uma loja durante o último trimestre.

4. Análise de correlação entre as variáveis “horas de estudo” e “nota final” de estudantes.

Considerando-se as boas práticas de design e acessibilidade, quais tipos de gráficos devem ser utilizados para a visualização dessas quatro situações?

Uma empresa está implementando um programa de governança de dados para melhorar a qualidade e a integridade dos dados que utiliza em suas operações diárias. As seguintes diretrizes foram passadas ao time de implantação:

1. Garantir que os dados sejam precisos, completos e atualizados em tempo real, para apoiar a tomada de decisões estratégicas.

2. Implementar políticas que assegurem a conformidade com regulamentos de privacidade de dados, como a Lei Geral de Proteção de Dados Pessoais (LGPD).

3. Adotar as melhores práticas do Data Management Body of Knowledge (DMBOK) para estruturar seu programa de governança de dados.

Com base nos conceitos de governança de dados do DMBOK, quais ações são necessárias para implementar as diretrizes mencionadas?

Como parte do processo de desenvolvimento de uma aplicação para analisar grandes volumes de textos, diversas tarefas de Processamento de Linguagem Natural (NLP, sigla em inglês) estão sendo implementadas para melhorar a eficácia e a precisão dessa aplicação.

Diante disso, para a aplicação dessas tarefas, é necessário

Uma equipe de cientistas de dados está desenvolvendo um modelo preditivo e deseja otimizar seus hiperparâmetros para maximizar a performance do modelo.

Considerando-se as técnicas de otimização de hiperparâmetros, para encontrar a configuração de hiperparâmetros, essa equipe de cientistas deverá

Uma equipe de ciência de dados está trabalhando na construção de um modelo preditivo utilizando um grande conjunto de dados. Durante esse processo, os cientistas de dados estão realizando o feature engineering para criar e selecionar as variáveis mais relevantes, além de aplicar técnicas de divisão de dados para garantir a eficácia e a generalização do modelo.

Considerando-se esse contexto, qual combinação de técnicas maximizará a performance do modelo?

Uma equipe de análise de riscos de um banco de investimentos precisa avaliar o risco de diferentes carteiras de clientes, que possuem ativos em escalas variadas. Para isso, ela decidiu utilizar modelos de aprendizado de máquina, a fim de auxiliar o seu processo de tomada de decisão. Os analistas da equipe perceberam que parte dos ativos disponíveis poderia influenciar desproporcionalmente a análise de risco. Assim, decidiram aplicar a técnica de normalização z-score. Com essa medida, pretendem reduzir a influência de uma variação abrupta no treinamento dos modelos de aprendizado de máquina, promovendo uma comparação justa entre os ativos e uma avaliação mais precisa do risco em cada carteira. Considere que W seja o conjunto de todos os valores em reais dos ativos de carteiras de investimentos que a equipe de analistas precisa avaliar.

Uma das características da normalização z-score é que, em sua definição original (clássica), essa normalização

Um conjunto de dados numéricos com significativa diversidade foi apresentado à equipe de análise de dados de uma empresa. Como parte do processo decisório, os analistas necessitavam transformar um dos atributos numéricos em faixas de valores, a fim de permitir classificá-los em um universo de possibilidades. Para isso, decidiram, na etapa de enriquecimento de dados, criar um atributo, derivado do atributo numérico supracitado, em um processo de transformação de dados conhecido por discretização.

Uma das características das técnicas de discretização é que

O Microsoft Team Data Science Process (TDSP) é uma metodologia que define, entre outros conceitos, um ciclo de vida para projetos de ciência de dados.

A TDSP possui cinco estágios principais, de modo que na etapa de

Em um Sistema Gerenciador de Banco de Dados (SGBD), os índices são estruturas de dados que têm por objetivo tornar mais rápido o acesso aos dados. Índices são utilizados tanto em SGBD relacionais quanto em SGBD NoSQL.

Considerando-se uma tabela T1 em um SGBD relacional, quanto a esses índices, verifica-se que