Questões de Concurso Público SERPRO 2021 para Analista - Especialização: Ciência de Dados

Foram encontradas 120 questões

www.qconcursos.com
Q1753992
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753992 Banco de Dados
No que se refere a técnicas de regressão, técnicas de agrupamento e aprendizado profundo, julgue os item seguinte. 
O modelo de regressão linear é suscetível à multicolinearidade, a qual diz respeito ao fato de o erro da predição permanecer estável, dentro de um intervalo de confiança aceitável, à medida que os valores de entrada mudam.
Alternativas
Q1753993
Banco de Dados Big Data ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753993 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Geralmente, os dados ausentes do tipo MNAR são ignoráveis por não haver relação entre o processo gerador de dados ausentes e os parâmetros que são objeto de estudo estatístico.
Alternativas
Q1753994
Banco de Dados Metadados e Metainformação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753994 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Os dados ausentes do tipo MAR são aqueles que dependem de fatores — ou variáveis — observáveis, como, por exemplo, o horário de preenchimento de um formulário.
Alternativas
Q1753995
Banco de Dados Metadados e Metainformação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753995 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Para o tratamento estatístico de valores ausentes do tipo MCAR, é suficiente preencher com zeros as lacunas existentes em um conjunto de dados.
Alternativas
Q1753996
Banco de Dados Banco de Dados , Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753996 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
O gradiente descendente em lote é um método probabilístico de otimização no qual, para cada iteração, encontram-se L × n observações geradas mediante amostragem (com reposição) da base de dados de treinamento (em que L representa o número de lotes, com L > 1).
Alternativas
Respostas
56: E
57: E
58: C
59: E
60: E
www.qconcursos.com