Acerca do fluxo de Big Data, julgue os itens que se seguem.

Na etapa de captura de Big Data, grandes volumes de dados são armazenados em bancos de dados NoSQL, devido à sua escalabilidade e à sua flexibilidade.

Acerca do fluxo de Big Data, julgue os itens que se seguem.

As funções do MapReduce transformam um volume grande de dados em grupamentos segmentados, mantendo na saída a mesma quantidade de dados da entrada.

Acerca do fluxo de Big Data, julgue os itens que se seguem.

O serviço ElasticSearch utiliza índices divididos em fragmentos, de maneira que cada nó armazena diversos fragmentos e atua na coordenação das operações nos vários fragmentos.

A respeito de Big Data, julgue os próximos itens.

Subconjunto de um data warehouse, o data mart é especializado em uma área específica de uma organização.

A respeito de Big Data, julgue os próximos itens.

Em um data lake, os dados são depositados em estado bruto, sem terem passado por qualquer análise e mesmo sem terem uma governança.

A respeito de Big Data, julgue os próximos itens.

Em Big Data, ruídos consistem em informações extras que acabam deturpando as análises, enquanto overfitting designa a interpretação equivocada dos ruídos como dados legítimos.

Julgue os próximos itens, referentes ao processamento de linguagem natural.

A lematização prescinde do POS tagging para que as palavras sejam reduzidas corretamente, pois todas as palavras são reduzidas ao mesmo lemma, independentemente de sua classe gramatical.

Julgue os próximos itens, referentes ao processamento de linguagem natural.

A similaridade de cosseno é uma métrica pela qual se avalia a similaridade entre dois vetores com base no ângulo entre eles em um espaço vetorial, de forma que, à medida que os vetores se aproximarem, aumentará a similaridade de cosseno.

Julgue os próximos itens, referentes ao processamento de linguagem natural.

A saída do Word2Vec consiste em vetores densos de baixa dimensão que representam palavras em um espaço contínuo, onde cada palavra é mapeada para um vetor numérico no qual cada dimensão captura uma característica da palavra.

A respeito de técnicas de redução de dimensionalidade, julgue os itens subsecutivos.

Para utilizar de forma adequada a análise de componentes principais (PCA, na sigla em inglês), é essencial normalizar os dados; se as variáveis não estiverem na mesma escala, aquelas com maior variância terão maior impacto, distorcendo o resultado da PCA.