Business inteligence (BI) e analytics são ferramentas que estão ajudando as empresas a entenderem melhor a dinâmica de seus próprios negócios e estão cada vez mais presentes nas preocupações dos responsáveis pela infraestrutura de TI. Com base nessa informação, julgue o item a seguir.

BI e analytics são eficazes independentemente da qualidade dos dados.

Business inteligence (BI) e analytics são ferramentas que estão ajudando as empresas a entenderem melhor a dinâmica de seus próprios negócios e estão cada vez mais presentes nas preocupações dos responsáveis pela infraestrutura de TI. Com base nessa informação, julgue o item a seguir.

Analytics é utilizado para prever resultados futuros com base em dados passados.

Business inteligence (BI) e analytics são ferramentas que estão ajudando as empresas a entenderem melhor a dinâmica de seus próprios negócios e estão cada vez mais presentes nas preocupações dos responsáveis pela infraestrutura de TI. Com base nessa informação, julgue o item a seguir.

Análises em tempo real sempre fornecem os insights mais precisos para a tomada de decisão.

Business inteligence (BI) e analytics são ferramentas que estão ajudando as empresas a entenderem melhor a dinâmica de seus próprios negócios e estão cada vez mais presentes nas preocupações dos responsáveis pela infraestrutura de TI. Com base nessa informação, julgue o item a seguir.

A análise descritiva é responsável por prever eventos futuros com base em dados passados.

Business inteligence (BI) e analytics são ferramentas que estão ajudando as empresas a entenderem melhor a dinâmica de seus próprios negócios e estão cada vez mais presentes nas preocupações dos responsáveis pela infraestrutura de TI. Com base nessa informação, julgue o item a seguir.

BI ajuda as empresas a tomarem decisões fundamentadas em dados.

Em projetos de modelos que envolvem visão computacional, técnicas transfer learning são frequentemente utilizadas para melhorar o desempenho e reduzir o tempo de desenvolvimento. Levando em consideração os conceitos relacionados à transfer learning, assinale a alternativa correta.

A linguagem R é amplamente utilizada na Ciência de Dados devido à sua versatilidade para manipulação de dados, visualização e modelagem estatística. Com base em suas funcionalidades, assinale a alternativas correta para a criação de um data frame a partir de vetores em R, considerando que o contexto do data frame é armazenar o nome e a nota de alunos de uma disciplina. Para exemplificar, a questão considera que a aluna Maria deve receber a nota 8, e que o aluno Carlos deve receber a nota 9.

Deep learning é uma subárea do aprendizado de máquina que utiliza redes neurais profundas para modelar dados complexos. Assinale a alternativa que descreve corretamente uma característica fundamental das redes neurais profundas.

A clusterização é uma técnica de aprendizado não supervisionado que agrupa dados com características similares. Sobre as diferentes técnicas de clusterização, analise as assertivas abaixo:

I. Hierarchical Clustering é mais adequado para grandes volumes de dados devido ao seu baixo custo computacional.

II. K-means é um algoritmo de clusterização que minimiza a variância dentro dos clusters ao calcular centros iterativamente.

III. DBSCAN é capaz de detectar clusters de formato arbitrário e identificar pontos como ruído se eles não pertencem a nenhum cluster.


Quais estão corretas?

As técnicas de regressão são amplamente utilizadas para modelar a relação entre variáveis e realizar previsões contínuas em aprendizado de máquina. Sobre as diferentes técnicas de regressão, assinale a alternativa correta.