Em relação a conceitos, fundamentos, características, técnicas e métodos de BI (business intelligence), definição e conceitos de DW (data warehouse) e data mining e arquitetura e aplicações de data warehouse com ETL, julgue o item subsequente.

A análise de dados preditiva baseia-se em técnicas de estatística para determinar o que é mais provável de acontecer por meio da utilização da mineração de dados e pode prever se um cliente está propenso a se mudar para um concorrente.

Em relação a conceitos, fundamentos, características, técnicas e métodos de BI (business intelligence), definição e conceitos de DW (data warehouse) e data mining e arquitetura e aplicações de data warehouse com ETL, julgue o item subsequente.

A interface gráfica consiste na utilização de um dos componentes de BI por gerentes e executivos para controlar a saúde ou o desempenho de um negócio, monitorar métricas e analisar a estratégia desse negócio.

Em relação a conceitos, fundamentos, características, técnicas e métodos de BI (business intelligence), definição e conceitos de DW (data warehouse) e data mining e arquitetura e aplicações de data warehouse com ETL, julgue o item subsequente.

Modelagem dimensional é um tratamento aplicado na transformação de dados em ETL e na etapa de granularidade das tabelas, na qual dados armazenam um conjunto de atributos que descrevem os fatos, como produtos, vendas e mercado.

Em relação a conceitos, fundamentos, características, técnicas e métodos de BI (business intelligence), definição e conceitos de DW (data warehouse) e data mining e arquitetura e aplicações de data warehouse com ETL, julgue o item subsequente.

Data mining consiste em um processo analítico projetado para explorar grandes quantidades de dados em busca de padrões consistentes e(ou) relacionamentos sistemáticos entre variáveis.

A mineração de dados é uma área importante em análise de dados, que utiliza técnicas para extrair informações valiosas de grandes conjuntos de dados. Ele oferece uma variedade de técnicas e algoritmos para identificar padrões, tendências e relações ocultas nos dados, fornecendo insights significativos que podem orientar a tomada de decisões e impulsionar o progresso em diversos setores.

Assinale o conceito correto em relação a mineração de dados.

A modelagem conceitual de um Data Warehouse (DW) pressupõe a definição de fatos e dimensões.

A dimensão que sempre está presente em qualquer DW é a dimensão de

Para cientistas de dados, usar bibliotecas de Python 3.9 é crucial, mas também desafiador. A variedade e a constante evolução das opções exigem domínio das diferentes sintaxes e funcionalidades. Além disso, é fundamental otimizar o desempenho e garantir a interoperabilidade entre essas bibliotecas. Dominar esse ecossistema é uma habilidade essencial para extrair insights significativos dos dados.

No processo de escolha, o cientista de dados deverá atentar que a biblioteca

A Inteligência Artificial (IA) basicamente é classificada em duas vertentes, as IAs fracas e as IAs fortes. Assistentes virtuais como Alexa, Siri e Bixby são exemplos de IAs fracas.

Analise as possíveis justificativas para a classificação de assistentes virtuais como IAs fracas.

I. Porque dependem de dados treinados e não podem aprender ou evoluir de maneira autônoma após o treinamento inicial.

II. Porque utilizam o ChatGPT como base de conhecimentos.

III. Porque utilizam apenas infraestrutura e serviços proprietários das empresas que os desenvolvem.

IV. Porque apenas simulam a inteligência.

V. Porque tem dificuldade em generalizar seu conhecimento para novas situações ou contextos.

As justificativas corretas são:

O Aprendizado de Máquina ou Machine Learning (ML) é uma área da ciência da computação diretamente relacionada à Ciência de Dados (Data Science). Como sua própria terminologia diz, o Aprendizado de Máquina se concentra no desenvolvimento de algoritmos que podem aprender com dados. Seus três principais tipos de algoritmos são Aprendizado Supervisionado, Aprendizado Não Supervisionado e Aprendizado por Reforço.

Com relação aos três tipos de algoritmos mencionados, avalie as afirmativas a seguir:

I. No aprendizado supervisionado, os algoritmos são treinados com dados rotulados, ou seja, dados que contêm exemplos de entrada e saída correspondentes, e, portanto, associam tais entradas às saídas correspondentes.

II. No aprendizado não supervisionado os algoritmos são treinados em conjuntos de dados que não contêm exemplos de entrada e saída correspondentes e, portanto, aprendem a identificar padrões nos dados sem saber o que os seus padrões representam inicialmente.

III. O aprendizado por reforço envolve um agente (softbot) que aprende a tomar decisões em ambientes específicos, interagindo com esses ambientes e recebendo recompensas ou punições por suas ações de exploração ou atuação.

A respeito das afirmações, assinale a alternativa correta.

Large Language Models (LLMs) são um tipo de modelo IA projetado para lidar com tarefas de processamento de linguagem natural (PLN) em uma escala muito grande. Esses modelos são treinados com enormes quantidades de dados textuais e são capazes de entender e gerar texto em linguagem natural de forma altamente sofisticada.
Em relação aos Large Language Models (LLMs), como o GPT, a abordagem mais relevante para melhorar a capacidade do modelo de gerar respostas coerentes e contextualmente apropriadas em conversas prolongadas, entre as listadas, é