Julgue o próximo item, a respeito de business intelligence (BI).

A partir da transformação de dados brutos em informações, o BI ajuda uma empresa a criar conhecimento para permitir uma melhor tomada de decisão dos gestores e ajudá-los a converter essas decisões em ação.

Com relação à implementação de cubos OLAP, analise as afirmativas a seguir.

I. Os cubos OLAP são tradicionalmente conhecidos por vantagens de desempenho extremas em relação aos SGBDr, mas essa distinção se tornou menos importante com avanços em hardware de computador, como appliances, bancos de dados em memória e bancos de dados colunares.

II. Um esquema em estrela hospedado em um banco de dados orientados a grafos é uma boa base física para construir cubos OLAP e é, geralmente, considerado como uma base mais estável para procedimentos de backup e recuperação.

III. Os cubos OLAP oferecem recursos de análise significativamente mais ricos do que SGBDr, que são sobrecarregados pelas restrições do SQL. Esta pode ser a principal justificativa para usar produtos OLAP.

Está correto o que se afirma em

Um ______________ é uma coleção de dados obtidos de diversas fontes heterogêneas, orientada a assunto, contendo uma coleção de tecnologias de apoio à decisão. Dentre essas tecnologias, destacam-se as ferramentas _________ que permite a análise de dados complexos, utilizando, por exemplo, capacidades de computação distribuída. Quando há a necessidade de se trabalhar com um subconjunto de dados de uma organização, por exemplo, voltados a um único departamento, é possível utilizar um outro conceito conhecido como _________________.

Assinale a alternativa que preenche, correta e respectivamente, as lacunas do trecho acima.

No aprendizado de máquina, o algoritmo de classificação considerado mais rudimentar e simples, que cria o modelo simplesmente baseado na moda da classe, ou seja, classifica todas as instâncias de acordo com a classe dominante, é conhecido como

Com respeito a análise de componentes principais, mistura de gaussianas e agrupamento k-means, julgue o item que se segue.

Considere que, em uma análise de agrupamentos por meio de mistura de gaussianas, três distribuições normais com médias \( \mu_1,\mu_2, \mu_3 \) e se referem, respectivamente, aos clusters 1, 2 e 3. Nessa situação, pelo modelo de mistura de gaussianas, o cluster 1 é constituído pelas observações mais próximas da média \( \mu_1 \).

Assinale a opção que apresenta um princípio de dados abertos em que todos os dados públicos são disponibilizados, não se limitando a documentos, banco de dados, transcrições e gravações audiovisuais.

Para a realização de clustering utilizando-se o algoritmo k-médias (k-means), o número mínimo de variáveis ou recursos necessário é

Quanto aos conceitos relativos à arquitetura de dados, julgue o item a seguir.

Os modelos multidimensionais de banco de dados usualmente possuem esquemas mais complexos que os dos modelos relacionais utilizados nos sistemas que processam transações on-line.

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).