A figura seguinte mostra o histograma como uma estimativa da função de densidade de uma distribuição X, juntamente com o diagrama boxplot correspondente a esse conjunto de dados.

Considerando a figura e as informações apresentadas no quadro, julgue o item que se segue.

O primeiro decil da distribuição do conjunto de dados em tela é igual ou inferior a 5.

O código abaixo permite importar corretamente o arquivo pesquisa.csv para ser manuseado como um data frame no Python.

import os
os.chdir('D:/')
import pandas
dados = pandas.read_csv('pesquisa.csv')

Com respeito a métodos para imputação de dados, julgue o seguinte item.

Um dos passos para tratar com dados faltantes é avaliar o tipo de dado perdido; assim, por exemplo, o método MICE (multivariate imputation by chained equations) não seria aplicável para dados perdidos do tipo MAR (missing at random).

Com respeito a machine learning aplicado, julgue o próximo item.

O CBOW é um modelo de aprendizado de máquina desenhado para prever contexto com base em determinada palavra.

Com respeito a machine learning aplicado, julgue o próximo item.

Mask RCNN (region-based convolutional neural network) é um método para segmentação de objetos e instâncias que se baseia em detecção, enquanto o método SSAP (single-shot instance segmentation) se baseia em pixels.

As máquinas de vetores de suporte (SVMs) são originalmente utilizadas para a classificação de dados em duas classes, ou seja, na geração de dicotomias. Nas SVMs com margens rígidas, conjuntos de treinamento linearmente separáveis podem ser classificados. Acerca das características das SVMs com margens rígidas, julgue o item a seguir.

Um conjunto linearmente separável é composto por exemplos que podem ser separados por pelo menos um hiperplano. As SVMs lineares buscam o hiperplano ótimo segundo a teoria do aprendizado estatístico, definido como aquele em que a margem de separação entre as classes presentes nos dados é minimizada.

Considering the previous text, judge the following item.

In the sentence (thirteenth paragraph) “Yet, while some worry about how much time they spend on their handset, for millions of others they are a godsend.”, the word “Yet” is synonymous with However.

Considere três campos de exploração de petróleo, A, B e C, e v = (n_A, n_B, n_C ) como um vetor em que as 3 coordenadas representam, respectivamente, as quantidades de poços de extração nesses campos. Suponha, ainda, que os vetores na tabela a seguir representem as respectivas médias diárias de barris extraídos por poço em cada um dos campos nos 3 primeiros meses de 2021.

Com relação a essa situação hipotética, julgue o item a seguir.

Se e₁ = (1, 0, 0), e₂ = (0, 1, 0), e₃ = (0, 0, 1) e

!$ T: R^3 \rightarrow R^3 !$ é transformação linear que satisfaz

!$ T(e_1) = u_1,T(e_2) = u_2, (e_3) = u_3 !$,

então !$ T(u1) = u_2 !$.

O volume instantâneo de petróleo, em metros cúbicos por hora (m³/h), produzido por um poço no instante t horas, dentro das primeiras 24 horas de operação, é dado pela função !$ f(t) = a.(300 -12 t^2 + t^3) !$, com !$ 0 \le t \le 24 !$, em que 0 < α < 1 é uma constante positiva e t = 0 corresponde ao instante inicial em que o poço iniciou a sua produção.

Com base nessas informações hipotéticas, julgue o próximo item.

O volume instantâneo que o poço produz está aumentando no instante t = 10 horas.

A partir das informações constantes no modelo e dos dados sobre o conteúdo dos atributos, julgue o item subsecutivo.

Por meio do comando SQL a seguir, é possível recuperar o nome dos pesquisadores responsáveis por projetos, seguido pelo nome de seu orientador, mas apenas os projetos orientados por Pedro.

select responsavel.nome nomeresponsavel,
orientador.nome nomeorientador,
tituloProjeto
from Pesquisador responsavel,
Pesquisador orientador, Projeto
where orientador.nome = 'Pedro'
andcodPesquisadorResponsavel = codPesqui
sador
and codPesquisadorOrientador =
codPesquisador;