Julgue o item subsequente, a respeito de LLM e IA generativa.

O RAG (retrieval-augmented generation) reduz a necessidade de contextualizar prompts, pois o LLM, sozinho, consegue acessar, dinamicamente, informações externas sem qualquer integração prévia com sistemas de recuperação.

No que se refere à ciência de dados, julgue o item seguinte.

No processamento de linguagem natural, para transformar texto bruto em um formato mais estruturado e padronizado, utilizam-se técnicas como a remoção de pontuação, a normalização dos dados, a tokenização e a eliminação de stop words.

No que se refere à ciência de dados, julgue o item seguinte.

No treinamento de modelos generativos em deep learning, o modelo remove, gradualmente, ruído dos dados reais; em seguida, o modelo aprende a reverter esse processo, adicionando ruído aos ponchos para gerar dados semelhantes aos originais.

No que se refere à ciência de dados, julgue o item seguinte.

Em big data, representações visuais, como gráficos e dashboards, permitem que padrões sejam rapidamente identificados.

A respeito de data mart e data mining, julgue o item a seguir.

Um data mart de vendas oferece dados específicos, como metas, desempenho por região, histórico de clientes e sazonalidade de produtos, informações cruciais para que a equipe de vendas faça análises detalhadas e rápidas, comparando o desempenho entre regiões e ajustando estratégias com base em históricos e tendências específicas.

A respeito de data mart e data mining, julgue o item a seguir.

O uso de data mining permite, por exemplo, que uma empresa de varejo descubra padrões de compra ocultos em grandes volumes de dados, permitindo que a empresa crie promoções direcionadas ou ajuste o leiaute da loja para aumentar as vendas.

A respeito da arquitetura de DW (data warehouse) e do processo ETL (Extract, Transformation and Load), julgue o item a seguir.

Um DW é projetado para armazenar dados operacionais históricos, utilizando a mesma estrutura dos dados transacionais, com o objetivo de diminuir a latência nas consultas analíticas.

A respeito da arquitetura de DW (data warehouse) e do processo ETL (Extract, Transformation and Load), julgue o item a seguir.

No processo ETL, a etapa de transformação é responsável por aplicar as regras de adequação, convertendo os dados ao formato requerido pelo DW, garantindo sua consistência e usabilidade.

A respeito da arquitetura de DW (data warehouse) e do processo ETL (Extract, Transformation and Load), julgue o item a seguir.

A multidimensionalidade é uma característica chave do OLAP, permitindo analisar dados em diferentes perspectivas, como tempo e localização.