No IPAAM, analistas ambientais desenvolvem um sistema para análise preditiva de desmatamento na Amazônia, utilizando técnicas de aprendizado de máquina. Nesse contexto, o modelo treinado classifica áreas de floresta como suscetíveis ou não a degradação, com base em dados geoespaciais e históricos.

No processo de treinamento do modelo de classificação, o método utilizado para ajustar os parâmetros e minimizar erros de predição envolve

Com relação à modelagem de dados, o Modelo Dimensional facilita a interoperabilidade entre sistemas e padronização de informações.

Analise as afirmativas abaixo em relação ao tema.

1. Dimensões constituem atributos ou relações que funcionam como perspectivas ou segmentações a partir das quais se podem visualizar melhor e em mais detalhes os fatos.

2. Fatos são atributos, passíveis de agregação, que consolidam visões sobre a realidade des crita no conjunto de dados.

3. Um conjunto de dados pode ser interpretado como uma representação de um certo domínio, real ou fictício, através dos dados contidos no conjunto de dados.

Assinale a alternativa que indica todas as afirmativas corretas.

No contexto de análise e gestão de dados, conceitos como atributos, métricas e transformação são fundamentais para organização e interpretação das informações. Considerando esses conceitos, assinale a alternativa que contém uma métrica quantitativa utilizada em análise de dados.

Acerca de business intelligence, julgue o item a seguir.

Dashboards de business intelligence são ferramentas autoexplicativas, que dispensam literacia de dados (data literacy) por gestores e analistas.

Um analista de dados recebeu de uma equipe de vigilância em saúde de uma secretaria municipal o arquivo pacientes.csv que contém informações de 1.200 pacientes atendidos em unidades básicas de saúde, com variáveis como idade (idade), pressão arterial sistólica (pa_sistolica), pressão arterial diastólica (pa_diastolica), nível de glicemia em jejum (nivel_glicemia), índice de massa corporal (imc) e número de consultas realizadas no último ano (num_consultas). Esse analista iniciou o interpretador Python na linha de comando de seu computador e executou, também, os seguintes comandos.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
df = pd.read_csv("pacientes.csv")

A partir da situação hipotética precedente, considerando que todas as bibliotecas estejam instaladas e que qualquer trecho entre aspas, sejam elas retas ou curvas, representa uma cadeia de caracteres, julgue o item a seguir.

A execução do comando df.sort_values(by="idade") alterará permanentemente a ordem das linhas no arquivo original pacientes.csv.

Um analista de dados recebeu de uma equipe de vigilância em saúde de uma secretaria municipal o arquivo pacientes.csv que contém informações de 1.200 pacientes atendidos em unidades básicas de saúde, com variáveis como idade (idade), pressão arterial sistólica (pa_sistolica), pressão arterial diastólica (pa_diastolica), nível de glicemia em jejum (nivel_glicemia), índice de massa corporal (imc) e número de consultas realizadas no último ano (num_consultas). Esse analista iniciou o interpretador Python na linha de comando de seu computador e executou, também, os seguintes comandos.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
df = pd.read_csv("pacientes.csv")

A partir da situação hipotética precedente, considerando que todas as bibliotecas estejam instaladas e que qualquer trecho entre aspas, sejam elas retas ou curvas, representa uma cadeia de caracteres, julgue o item a seguir.

A execução do comando a seguir retorna os usuários cuja idade é maior que 40 anos e cujo nível de glicemia em jejum é maior que 135 mg/dl de sangue. 

df[(df["idade"] > 40) and (df["nivel_glicemia"] > 135)]

Um analista de dados recebeu de uma equipe de vigilância em saúde de uma secretaria municipal o arquivo pacientes.csv que contém informações de 1.200 pacientes atendidos em unidades básicas de saúde, com variáveis como idade (idade), pressão arterial sistólica (pa_sistolica), pressão arterial diastólica (pa_diastolica), nível de glicemia em jejum (nivel_glicemia), índice de massa corporal (imc) e número de consultas realizadas no último ano (num_consultas). Esse analista iniciou o interpretador Python na linha de comando de seu computador e executou, também, os seguintes comandos.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
df = pd.read_csv("pacientes.csv")

A partir da situação hipotética precedente, considerando que todas as bibliotecas estejam instaladas e que qualquer trecho entre aspas, sejam elas retas ou curvas, representa uma cadeia de caracteres, julgue o item a seguir.

O método df.describe() fornece um resumo estatístico das variáveis numéricas, incluindo média, desvio padrão e quantis, o que facilita a identificação de outliers nesses dados.

Acerca de business intelligence, julgue o item a seguir.

Ao centralizar métricas em uma tabela fato e ligá-la a dimensões, a modelagem dimensional para BI permite consultas rápidas em milhões de registros, facilitando a análise de indicadores.

Acerca de business intelligence, julgue o item a seguir.

Uma arquitetura de business intelligence moderna dispensa o uso de um data warehouse, uma vez que as ferramentas de visualização conseguem processar petabytes de dados brutos diretamente de bancos transacionais sem perda de performance.

No que se refere à ciência de dados aplicada à gestão pública e à saúde.

Data lake permite o armazenamento de dados brutos de diferentes origens para futuras análises, sem a rigidez de um esquema de banco de dados relacional.