Sobre as Redes Neurais Recorrentes (RNN), é correto afirmar que:

Relacione a Coluna 1 à Coluna 2, associando as categorias de aprendizado de máquina às suas características.

Coluna 1

1. Aprendizado Supervisionado.

2. Aprendizado Não Supervisionado.

3. Aprendizado Profundo.

Coluna 2

( ) O algoritmo recebe um conjunto de dados rotulados e aprende comparando a saída do modelo com a saída esperada, reajustando seus parâmetros até chegar em um limiar aceitável e pré-determinado a priori.

( ) Os algoritmos buscam encontrar padrões ou estruturas em conjuntos de dados não rotulados, por exemplo, gerando agrupamentos de dados.

( ) Conjunto de algoritmos que modelam abstrações de alto nível de dados usando grafos com várias camadas de processamento, compostas de várias transformações lineares e não lineares.

( ) Processo de aprendizado baseado em redes neurais com várias camadas (em geral, mais de cinco camadas): entrada, saída e oculta.

A ordem correta de preenchimento dos parênteses, de cima para baixo, é:

Qual é a etapa de modelagem da metodologia CRISP-DM na qual são tratados os valores nulos e pode ser necessário fazer fusão com outros dados?

Sobre Web Semântica, analise as assertivas abaixo:

I. Utiliza padrões e tecnologias como RDF e OWL para descrever e integrar dados e informações de diferentes fontes e domínios.

II. É externo a World Wide Web com o objetivo de tornar a informação mais acessível e utilizável por humanos e máquinas.

III. Oferece a possibilidade de fazer buscas mais precisas e relevantes, através de consultas que consideram o significado e o contexto dos dados.

IV. Tem ênfase na gestão de conhecimento, tornando mais fácil a integração de informações em diferentes domínios de aplicação.

Quais estão corretas?

Um Data Warehouse é projetado para análises de dados, que envolvem a leitura de grandes quantidades de dados para compreender relações e tendências entre eles. A definição correta de Data Warehouse é:

“Trata-se de um algoritmo capaz de construir modelos de grande poder preditivo utilizando dados de alta dimensão, cuja ideia principal é buscar em espaços de alta dimensão pelo hiperplano ótimo e que a margem entre dois objetos de classes diferentes seja máxima. Para tanto, ele utiliza vetores suporte e a margem é determinada utilizando tais vetores.” As informações referem-se ao algoritmo utilizado no aprendizado de máquina conhecido como:

Analise as afirmativas abaixo sobre data Warehouse.

1. Tabelas de dimensão tendem a ter, por definição, menos registros que as tabelas fato.
2. Cada dimensão é definida por uma única chave primária, que é base para a integridade referencial com quaisquer tabelas fato correspondentes.
3. Atributos de dimensões e dimensões, por definição, devem ser alfanuméricos e não passíveis de agregação.

Assinale a alternativa que indica todas as afirmativas corretas.

Analise as afirmativas abaixo:

1. Quando os dados são carregados em um cubo OLAP, eles são armazenados e indexados empregando formatos e técnicas projetadas para dados dimensionais.
2. Agregações de performance ou tabelas resumo ou de sumário (summary tables) pré-calculadas podem ser criadas e gerenciadas pelo motor (engine) do cubo OLAP.
3. Um esquema em estrela em um banco de dados relacional não deve ser utilizado e não é uma boa fundação para a construção de cubos OLAP.

Assinale a alternativa que indica todas as afirmativas corretas.

Observe o modelo multidimensional de dados de um Data Warehouse a seguir.

O tipo de modelagem multidimensional empregada é: