Foram encontradas 5.143 questões.
No que se refere a inteligência artificial, matemática computacional e computação aplicada, julgue os itens subsecutivos.
A notação Big O é crucial para avaliar a eficiência de técnicas de processamento de dados, pois estabelece tanto o limite superior quanto o limite inferior para o crescimento do tempo de execução ou consumo de recursos, independentemente do tamanho da entrada.
Provas
No que se refere a inteligência artificial, matemática computacional e computação aplicada, julgue os itens subsecutivos.
O modelo de redes neurais convolucionais (CNNs) elimina totalmente a necessidade de pré-processamento dos dados de imagem, o que é uma das vantagens para a sua utilização na agropecuária.
Provas
Para o treinamento de um modelo de machine learning, foram realizados 16 experimentos, cujos tempos de execução (em segundos) registrados foram os seguintes: 100, 111, 123, 100, 178, 101, 102, 117, 300, 121, 123, 124, 165, 250, 55, 104. A partir desse dataset, foi plotado o gráfico a seguir.
Com base nessas informações, julgue os próximos itens.
As informações fornecidas indicam que a presença de outliers no dataset influencia mais a mediana que a média.
Provas
Para o treinamento de um modelo de machine learning, foram realizados 16 experimentos, cujos tempos de execução (em segundos) registrados foram os seguintes: 100, 111, 123, 100, 178, 101, 102, 117, 300, 121, 123, 124, 165, 250, 55, 104. A partir desse dataset, foi plotado o gráfico a seguir.
Com base nessas informações, julgue os próximos itens.
Considerando o gráfico de violino para o dataset em questão, mostrado a seguir, é correto afirmar que esse gráfico pode ser substituído por um diagrama de box plot, sem perda de informações importantes sobre a distribuição dos dados.
Provas
Para o treinamento de um modelo de machine learning, foram realizados 16 experimentos, cujos tempos de execução (em segundos) registrados foram os seguintes: 100, 111, 123, 100, 178, 101, 102, 117, 300, 121, 123, 124, 165, 250, 55, 104. A partir desse dataset, foi plotado o gráfico a seguir.
Com base nessas informações, julgue os próximos itens.
O gráfico permite inferir que não há outliers; logo, todos os valores estão dentro da média esperada para os dados.
Provas
Para o treinamento de um modelo de machine learning, foram realizados 16 experimentos, cujos tempos de execução (em segundos) registrados foram os seguintes: 100, 111, 123, 100, 178, 101, 102, 117, 300, 121, 123, 124, 165, 250, 55, 104. A partir desse dataset, foi plotado o gráfico a seguir.
Com base nessas informações, julgue os próximos itens.
O diagrama box plot apresentado indica que 50% dos tempos de execução estão abaixo de 119 s, o que corresponde à mediana.
Provas
Acerca de governança de dados, julgue os itens que se seguem.
A transformação de valores numéricos de um atributo quantitativo para outro valor numérico pode ser realizada por meio de funções matemáticas simples, como logarítmica, inverso e módulo, porém, essa transformação só pode ser feita por meio da normalização escalar, isto é, a padronização (Z-score) é inadequada para esse fim.
Provas
Acerca de governança de dados, julgue os itens que se seguem.
No método do Z-score, um valor é considerado um outlier se seu Z-score for superior a 3 ou inferior a -3.
Provas
Acerca de governança de dados, julgue os itens que se seguem.
No mecanismo MCAR (missing completely at random), a ausência de um valor ocorre de maneira completamente aleatória, ou seja, a probabilidade de ausência não depende da própria variável nem de qualquer outro atributo do conjunto de dados.
Provas
Acerca de governança de dados, julgue os itens que se seguem.
A distinção entre os mecanismos de ausência de dados é essencial para a análise da qualidade de dados; no caso de uma ausência classificada como MAR (missing at random), a probabilidade de um valor estar ausente depende exclusivamente da própria variável ausente, mas não de outras variáveis do conjunto de dados.
Provas
Caderno Container