Machine learning é sempre supervisionado e não pode funcionar com dados não rotulados.

Considerando os modelos avançados de inteligência artificial, assinale a alternativa correta acerca das redes neurais profundas (deep learning) e seus desafios no contexto da proteção de dados pessoais.

Em relação aos modelos de inteligência artificial (IA), assinale a alternativa correta.

No que diz respeito à gestão de metadados, uma das formas de classificá-los considera os seguintes três tipos, a saber, metadados de negócio, técnicos e operacionais.

Em relação aos metadados

Modelos multidimensionais de dados são utilizados em ambiente de data warehouse, sendo que o modelo multidimensional básico, composto por uma tabela fato e várias tabelas dimensão, tem como uma de suas características:

Considerando as ações executadas no processo ETL, visando a montagem de um ambiente de data warehouse, é correto afirmar que a sequência de ações implicada por esse processo tem como uma de suas funções

A respeito da técnica de Data Mining, utilizada em bancos de dados, é correto afirmar que

Durante o desenvolvimento de um sistema preditivo para auxiliar na gestão de processos judiciais em um Tribunal do Trabalho, uma equipe de analistas treinou dois modelos distintos para resolver problemas diferentes:

• O modelo A prevê se um processo será encerrado em até 6 meses (1) ou não (0), com base em dados como tipo de ação, número de audiências e histórico de partes envolvidas.

• O modelo B estima o número de dias até o encerramento do processo, utilizando variáveis como a vara do trabalho, grau de complexidade e duração média de tramitação por tipo de causa.

Após o treinamento, os seguintes resultados foram obtidos:

• O modelo A apresentou alta acurácia (92%), mas AUC-ROC de 0.61.

• O modelo B apresentou R² de 0.83 no treino e 0.42 no teste, além de MAE (Mean Absolute Error) de 120 dias.

Com base nos resultados e considerando as boas práticas de avaliação preditiva quanto à qualidade e confiabilidade,

Em um projeto de análise preditiva no âmbito de um Tribunal do Trabalho, foi desenvolvido o código abaixo em Python para prever se UM processo será encerrado em até 6 meses (1) ou não (0), com base em atributos como número de audiências, tipo de ação e complexidade processual. Considere que este código será executado em condições ideais.

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

# Dataset com colunas como 'audiencias', 'tipo_acao', 'complexidade', 'encerramento_6m'
dados = pd.read_csv("processos.csv")

X = dados.drop("encerramento_6m", axis=1)
y = dados["encerramento_6m"]

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3, random_state=42)

modelo = RandomForestClassifier()
modelo.fit(X_train, y_train)
print(modelo.score(X_test, y_test))

Ao observar o código e os recursos de aprendizado de máquina utilizados, uma Analista afirmou que

Em relação aos Vs do Big Data,