Considerando os conceitos de ML (machine learning), julgue os itens a seguir.

Os algoritmos supervisionados de ML do tipo regressão linear são capazes de prever uma variável dependente contínua usando determinado conjunto de variáveis independentes.

No Power BI, um dashboard pode ser criado utilizando-se apenas dados estáticos, e não é possível configurar atualizações automáticas para mantê-los sempre atualizados.

Na terceira forma normal (3FN), a existência de dependência transitiva entre atributos não chave é permitida desde que os atributos estejam em tabelas diferentes.

O OLAP (online analytical processing) é utilizado principalmente para transações de alta velocidade e alto volume de dados operacionais.

Bancos de dados NoSQL, como MongoDB, são projetados para lidar com grandes volumes de dados não estruturados e são altamente escaláveis horizontalmente, enquanto bancos de dados SQL, como MySQL, são mais adequados para dados estruturados, suportando transações ACID.

Relatórios gerados em ferramentas de BI são sempre estáticos e não podem ser atualizados com novos dados.

Dashboards de BI permitem a visualização em tempo real de dados importantes para tomadas de decisão.

Em bancos de dados multidimensionais, a relação entre dados é sempre representada em estrutura tabular bidimensional, sem suporte a modelos de dados hierárquicos ou de rede.

Em Python, listas e tuplas possuem as mesmas propriedades, podendo ser aumentadas ou diminuídas após sua criação.

Valores outliers, isto é, inválidos para a amostra, como um valor textual em vez de um valor que deveria ser numérico, devem ser identificados na etapa de preparação de dados.