Julgue o item a seguir, referentes a conceitos e especificidades de MDM (master data management).

A fim de gerenciar a qualidade de dados, o MDM se serve de ferramentas de validação dos dados que ajudam na visualização de todo o fluxo de gestão dos dados mestres, o que torna possível, de maneira rápida, a identificação de quaisquer desvios em relação à política de dados da empresa.

Determinado parâmetro !$ \beta !$ será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo !$ g(\beta) !$. Para essa estimação, a base de dados de treinamento consistirá de n observações.

Considerando essa situação hipotética, julgue o item a seguir.

Em cada iteração na estimação do parâmetro !$ \beta !$, o método do gradiente descendente requer !$ n !$ observações da base de treinamento, ao passo que o método do gradiente descendente estocástico utiliza uma observação selecionada aleatoriamente dessa base de treinamento.

Um data mining revela informações que consultas manuais não poderiam revelar efetivamente. Por exemplo, em data mining, o algoritmo de classificação permite

Em DW (data warehouse), conjunto de dados voltado para oferecer suporte à tomada de decisões, os dados

a construção de um sistema Data Warehouse é necessário definir o método de implementação, ou seja, qual a metodologia a seguir para o seu desenvolvimento de acordo com as necessidades da empresa. A metodologia que implica que as prioridades das empresas resultem primeiramente no desenvolvimento de Data Marts, para as áreas de negócio individuais, e dessa forma, ser possível por meio da integração de todos os Data Marts surgir o Data Warehouse, é denominada de:

Considere o código Python a seguir.
import numpy as np valorAplicado = np.array ( [ 5000, 6000, 7000, 8000 ] ) taxaJuros = np.array ( [1, 2, 3, 4 ] ) resultado = valorAplicado * taxaJuros
Ao executar o código acima, o valor final da variável resultado será

No que se refere ao pacote NumPy do Python, julgue o item subsequente.

O código a seguir retorna o valor do desvio padrão amostral do conjunto de dados {1,2,2,3,5}.

import numpy
x = numpy.array([1,2,2,3,5])
numpy.std(x,ddof=1)

 

A respeito de inteligência artificial, julgue o item seguinte.

A classificação Naive Bayes parte da suposição de que as variáveis envolvidas em machine learning são independentes entre si.

A respeito de inteligência artificial, julgue o item seguinte.

Uma das vantagens da técnica de árvore de decisão para regressão é evitar a propagação de erros, mesmo que uma divisão ocorra indevidamente.

A respeito de inteligência artificial, julgue o item seguinte.

Redes neurais do tipo LSTM (long short-term memory) mantêm o nível de precisão independentemente do tamanho do modelo utilizado.