O método Karhunen-Loeve é amplamente utilizado na modelagem e solução de problemas específicos de aprendizado de máquina.

O objetivo geral desse algoritmo em um conjunto de dados é

A detecção de outliers é uma tarefa importante que integra tanto a etapa de pré-processamento do processo de mineração de dados quanto a análise exploratória de dados em aprendizado de máquina. Outliers são valores atípicos que podem fornecer informações importantes ou, em alguns casos, distorcer análises de dados. Eles são classificados em diferentes tipos, dependendo de suas características e do contexto em que aparecem.

Considere um cenário em que uma sequência de vendas de um produto permanece constante durante uma promoção que normalmente gera picos de vendas, retornando aos patamares normais ao final da promoção.

Nessas condições, o tipo de outlier observado nessa sequência de vendas é o

Considere o seguinte código que tenta criar e treinar uma rede neural simples com TensorFlow e Keras. Observe o erro que pode ocorrer ao tentar executá-lo (desconsidere questões de indentação do Pythone):

Com base no código, assinale a opção que indica o erro que levaria a uma falha na execução.

Considere o código Python abaixo, que utiliza as bibliotecas Pandas e Matplotlib:

Com base no código fornecido, assinale a opção que descreve corretamente a sua função.

Support Vector Machines (SVMs) é um método de aprendizado de máquina que pode ser aplicado em áreas como reconhecimento de padrões, bioinformática e detecção de fraudes, devido à sua capacidade de lidar com dados complexos.

Nesse contexto, identificamos que o método SVM

Na hora de colocar um projeto de BI em prática, mapear as fontes de dados é primordial. É como preparar o terreno antes de construir: se a base não for sólida, a casa não fica em pé. É necessário garantir que as informações que vamos usar sejam úteis, relevantes e de alta qualidade. Nessa fase, seguir as boas práticas é fundamental para que os dados se encaixem nas necessidades do negócio e nos objetivos do projeto. Mas cuidado! Algumas abordagens podem acabar prejudicando tudo se não forem bem executadas.

Assinale a opção que descreve uma prática não recomendada no mapeamento de fontes de dados para um projeto de BI.

Os Sistemas de Suporte à Decisão (SSDs) contribuem para gestores na tomada de decisões, utilizando dados, análises e algoritmos sofisticados. Eles auxiliam a enfrentar diferentes tipos de problemas, desde os muito bem definidos até os que exigem uma certa intuição e julgamento humano.

Assinale a opção que representa corretamente a capacidade dos SSDs de lidar com diferentes tipos de problemas e decisões:

A linguagem R foi desenvolvida para realizar análises de dados por meio de um ambiente voltado à computação estatística e gráfica. Ela permite explorar dados, criar funções personalizadas, executar comandos diretamente e utilizar uma ampla variedade de pacotes disponíveis na rede CRAN (Comprehensive R Archive Network), tornando-se uma ferramenta poderosa para a manipulação e visualização de dados.

A função apply(D, i, f), em R, é utilizada para

O Apache Spark é uma ferramenta amplamente utilizada para processamento de grandes volumes de dados.

Assinale a opção que o descreve corretamente, assim como suas capacidades e suas funcionalidades.

O Comitê Olímpico Brasileiro está implantando uma nova infraestrutura de banco de dados em memória para otimizar a análise de desempenho dos atletas. A utilização de técnicas de Inteligência Artificial (IA) tem permitido prever resultados, identificar padrões de desempenho e detectar anomalias em tempo real, proporcionando aos treinadores dados rápidos e precisos para tomada de decisões estratégicas.

Com a combinação de IA e bancos de dados em memória, o Comitê espera melhorar a eficiência na análise de grandes volumes de dados e fornecer insights personalizados para cada atleta, otimizando o treinamento e a performance nas competições.

Diante desse cenário, sobre o impacto da IA aplicada a bancos de dados em memória, assinale a opção incorreta.