Você é um cientista de dados trabalhando em um projeto de pesquisa em saúde que envolve a análise de relatórios médicos utilizando técnicas de Processamento de Linguagem Natural (PLN). Parte do seu trabalho é explorar as relações semânticas entre diferentes condições de saúde utilizando um modelo pré-treinado de word embeddings em português, focado na área da saúde. Você decide investigar a relação entre diferentes doenças e tratamentos.

Seja o seguinte código Python, que utiliza a biblioteca gensim e um modelo hipotético de word embeddings denominado modelo_saude.bin especializado em termos médicos em português:

import numpy as np from gensim.models import KeyedVectors
def calcular_similaridade(vetor_a, vetor_b):    numerador = np.dot(vetor_a, vetor_b)    denominador = np.linalg.norm(vetor_a) *
np.linalg.norm(vetor_b)    similaridade = numerador / denominador    return similaridade
mo del = Ke yed Vectors. load_ word 2vec _ format(‘modelo_saude.bin’, binary=True) vetor_diabetes = model[‘diabetes’] vetor_hipertensao = model[‘hipertensão’] vetor_insulina = model[‘insulina’]
vetor_diabetes_ajustado = vetor_diabetes + vetor_insulina vetor_hipertensao_ajustado = vetor_hipertensao + vetor_insulina
similaridade = calcular_similaridade(vetor_ diabetes_ajustado, vetor_hipertensao_ajustado) print(f”Similaridade: {similaridade}”)

Utilizando o modelo hipotético model_saude.bin, o resultado mostrado pelo código foi de 0.7036085724830627. Baseado no cenário descrito, no código fornecido e no resultado mostrado, a opção que melhor descreve o que está sendo calculado e o significado do resultado é:

Observe o código Python abaixo, que utiliza a biblioteca NLTK para tarefas de Processamento de Linguagem Natural.

import nltk nltk.download(‘punkt’) from nltk.tokenize import word_tokenize
texto = “Fundação Oswaldo Cruz (Fiocruz): Ciência e tecnologia em saúde para a população brasileira.” tokens = word_tokenize(texto)
contador = 0 resultado = 0 while contador < len(tokens):    for letra in tokens[contador]:    if letra.upper() in ‘FIOCRUZ’:       resultado += 1 contador += 1


O valor da variável resultado, ao final da execução do código, é:

O scikit-learn é uma biblioteca de aprendizado de máquina para Python que fornece uma ampla variedade de classes e funções para análise de dados e modelagem de Machine Learning. Ele inclui algoritmos para classificação, regressão, clusterização, redução de dimensionalidade, seleção de modelos, pré-processamento de dados, entre outros.
Entre as opções abaixo, a que apresenta corretamente a combinação de classes e funções do scikit-learn usadas para implementar regressão do tipo polinomial e classificação com árvores de decisão é:

Além da linguagem Python, a linguagem R é uma poderosa ferramenta estatística e gráfica utilizada por cientistas de dados em todo o mundo. Originária do ambiente acadêmico e com forte apoio da comunidade de estatística, R rapidamente se consolidou como uma das linguagens de programação de escolha para análise de dados, pesquisa científica, e qualquer aplicação que exija manipulação intensiva de dados, análise estatística ou visualização gráfica.
Considere o sumário exibido abaixo, saída do comando summary(df) da linguagem R:



Com base nesta informação, a opção que contém uma observação INCORRETA é:

Além do Pandas, NumPy, que é um acrônimo para Numerical Python, é outra biblioteca fundamental para a computação em Python. Ela serve como um dos pilares do ecossistema de ciência de dados e análise numérica, oferecendo suporte para poderosas estruturas de dados de arrays e matrizes multidimensionais.
Seja o dataframe Pandas df carregado da tabela Financiamento e um extrato de seus dados mostrado abaixo.



E seja o seguinte código NumPy, que transforma df em matriz e manipula suas linhas e colunas. 
import numpy as np matriz = df.values subconjunto = matriz[matriz[:, 1] == 1, 4:6]

Das opções abaixo, a que apresenta corretamente o array extraído pela operação NumPy é:

Quando se trabalha com grandes conjuntos de dados no Pandas, a eficiente alocação de memória torna-se crucial para manter um bom desempenho e evitar o esgotamento dos recursos do sistema. Dado este desafio, analise as opções abaixo para otimizar o uso da memória ao manipular grandes volumes de dados com Pandas.

I. Empregar categorias para dados textuais repetitivos ao invés de strings.
II. Segmentar os dados em chunks menores durante a leitura de arquivos grandes, utilizando o parâmetro chunksize no read_csv.
III. Fazer uso intensivo de operações inplace.

Sobre as afirmativas acima, pode-se dizer que:

Em relação ao modelo de contratação de serviços de desenvolvimento, manutenção e sustentação de software, definido na Portaria SGD/MGI nº 750/2023, é admitido em uma mesma contratação a adoção de uma ou mais modalidades padronizadas de remuneração. Nesse contexto, avalie as alternativas de modalidades a seguir:

I - para serviços de desenvolvimento e/ou manutenção, o Pagamento aferido por Pontos de Função e complementado por Horas de Serviço Técnico, vinculado ao alcance de resultados e ao atendimento de níveis mínimos de serviço.

II - para serviços de desenvolvimento e/ou manutenção, o Pagamento de valor fixo por sprint executada, vinculado a níveis mínimos de serviço.

III - para serviços de desenvolvimento e/ou manutenção e/ou sustentação, o Pagamento por alocação de profissionais de TI, vinculado ao alcance de resultados e ao atendimento de níveis mínimos de serviço.

IV - para serviços de sustentação, o Pagamento de valor fixo mensal por portfólio de softwares, vinculado ao atendimento de níveis mínimos de serviço.


Das alternativas acima, é correto afirmar que::

Ao criar um projeto com o Framework Laravel versão 10.x, uma estrutura padrão de diretórios é criada com objetivo de fornecer um ponto de partida para o desenvolvimento de aplicações. Quanto a essa estrutura padrão de diretórios, é INCORRETO afirmar que:

O Laravel é um dos frameworks para desenvolvimento de aplicações web em linguagem de programação PHP mais difundidos. Integrado ao Laravel versão 10.x há outro framework, conhecido como Eloquent ORM (Object Relational Mapping). Os métodos abaixo pertencem ao framework Eloquent ORM, EXCETO:

Uma página web responsiva é criada para se adaptar ao tamanho da tela do dispositivo no qual está sendo exibida. Um dos frameworks utilizados para criar páginas web responsivas é: