A regressão logística é um modelo muito popular na ciência de dados, ele é muito utilizado em diversos projetos da ALEGO. Com relação às características da regressão logística, analise as afirmativas a seguir.

I. É um modelo de regressão linear e dentro do contexto do aprendizado de máquina, a regressão logística pertence à família de modelos de aprendizado de máquina supervisionado.
II. Representa dois grupos de interesse como uma variável binária com valores 0 e 1, não importando qual o grupo é designado com os valores o versus 1, mas a designação de como dever ser observada interpretação dos coeficientes. 
III. A função logística é representada pelas seguintes fórmulas:
a) Logit(pi) = 1/(1+ ln(-pi))
b) exp(pi/(1-pi)) = β_0 + β _1*X_1 + … + β _k*K_k.
onde:
logit(pi) é a variável dependente ou de resposta, e x é a variável independente.

Está correto o que se afirma em

As máquinas de vetores de suporte (SVM) são um conjunto de métodos de aprendizado usados para tratar problemas de classificação, regressão e detecção de outliers. Considerando as vantagens e desvantagens do uso do SVM no python 3.0 através da biblioteca scikit learn (versão 1.7.2), avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F).

( ) Como vantagem, as SVM são eficazes em espaços de alta dimensionalidade e eficaz nos casos em que o número de dimensões é maior que o número de amostras.
( ) Como desvantagem, as SVM utilizam um subconjunto de pontos de treinamento na função de decisão, sendo, portanto, sendo pouco eficiente em termos de uso de memória.
( ) Como desvantagem, se o número de características for muito maior que o número de amostras, evitar o sobreajuste na escolha das funções Kernel e do termo de regularização é crucial.
( ) Como vantagem, as SVMs fornecem estimativas de probabilidade diretamente; estas são calculadas usando uma validação cruzada de muitas partes que é um processo dispendioso.

As afirmativas são, respectivamente,

O aprendizado de máquina (ML) é um tema muito abrangente e que possui diversas aplicações nos diversos setores da ALEGO. Existem diferentes técnicas que são utilizadas dependendo do tipo de problema a ser solucionado. Elas foram agrupadas em métodos de ML com seus modelos de programação.

O tipo de aprendizado que faz com que o modelo tome decisões por si próprio, e é recompensado de acordo com o progresso que faz na atividade em que foi designado se denomina

Os analistas da ALEGO fazem uso corriqueiro de modelagem multidimensional em seus projetos. Esse paradigma de modelagem permite que eles modelem diversos tipos de problemas.

O tipo de dimensão que permite armazenar os flags e indicadores ou coleções de dados transacionais aleatórios que não estão relacionados a nenhuma outra dimensão específica se denominada

O aprendizado não supervisionado utiliza algoritmos de aprendizado de máquina para analisar e agrupar conjuntos de dados sem rótulos. Esses algoritmos descobrem padrões ocultos, fazem associações ou agrupamentos de dados sem a necessidade de intervenção humana.

Selecione a alternativa que apresenta um algoritmo de regras de associação.

Os analistas de Ciência de Dados da ALEGO reconhecem que a abordagem tradicional de análise de dados envolve um ciclo composto por diversas etapas e uma vez que tenham definidos seus modelos preditivos, eles podem ser aplicados a novos conjuntos de dados. A figura criada pelos analistas representa um ciclo de análise preditiva e score de dados. Analise a figura e relacione a numeração indicada nas etapas com as suas respectivas operações. 



A relação correta, na ordem dada, é:

A importância da qualidade dos dados é um dos fundamentos da Ciência da Dados, é essencial nos projetos desenvolvidos na ALEGO. Tais características são bem delineadas e classificadas na literatura e, em essência, servem de indicadores para avaliar quais conjuntos de dados são importantes ou não para um determinado estudo.

A classificação das características básicas da qualidade de dados são, respectivamente,

Em iniciativas de Business Intelligence que coexistem com ambientes de Big Data, é comum a adoção de arquiteturas híbridas, nas quais datamarts tradicionais convivem com plataformas analíticas distribuídas. Considerando a modelagem de datamarts, os processos de ETL e os conceitos de Big Data e Analytics, assinale a alternativa que apresenta a afirmativa correta:

No modelo de Machine Learningo Overfitting ocorre quando:

De acordo com as aplicações práticas de IA generativa no cotidiano, analise as assertivas abaixo:

I. O ChatGPT pode ser utilizado para apoiar a produtividade pessoal através da criação de listas de tarefas, organização de rotinas, redação de e-mails e agendamento de compromissos.

II. Plataformas de streaming utilizam sistemas de recomendação baseados em inteligência artificial para personalizar conteúdo de acordo com o histórico de visualização e preferências do usuário.

III. Ferramentas de IA generativa podem ser utilizadas para auxiliar na aceleração e otimização de processos de trabalho, aumentando a eficiência em ambientes corporativos.

Quais estão corretas?