Questões de Concurso Comentadas para tecnologista pleno

Com base nos padrões estabelecidos pelas normas ABNT NBR ISO 37.120:2017 e NBR ISO 37.122:2019, julgue o item a seguir. 

A NBR ISO 37.120:2017 divide os indicadores em essenciais, de apoio e de perfil, sendo estes últimos utilizados como uma referência informativa.

Com base nos padrões estabelecidos pelas normas ABNT NBR ISO 37.120:2017 e NBR ISO 37.122:2019, julgue o item a seguir. 

Consoante a NBR ISO 37.120:2017, a taxa de desemprego da cidade, que é um indicador essencial, é considerada um dos indicadores mais simples e esclarecedores do mercado de trabalho, sendo usada para medir a oferta de trabalho e localizar os ciclos de negócio de uma cidade.

Com base nos padrões estabelecidos pelas normas ABNT NBR ISO 37.120:2017 e NBR ISO 37.122:2019, julgue o item a seguir. 

Os indicadores previstos nas citadas normas são formulados para cada 100 mil habitantes da cidade, a fim de permitir que cidades de diferentes tamanhos comparem os resultados entre si com relativa facilidade e eficiência; no entanto, para cidades pequenas, há as medidas intermediárias de 1 mil e 10 mil habitantes, admitindo-se um pequeno ajuste matemático para refletir essas diferenças, com o objetivo de obter uma comparação precisa. 

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

Em relação à representação do conhecimento, o termo ontologia refere-se a uma estrutura de conceitos representados por um vocabulário lógico, um modelo informacional que descreve e representa um domínio de conhecimento específico.

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

A OWL pode ser utilizada por aplicações que precisam processar o conteúdo da informação, ao invés de apenas disponibilizar conteúdo. 

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

A OWL é uma linguagem voltada para a instanciação de ontologia web, podendo a ontologia OWL formalizar um domínio, definindo classes e propriedades e, por meio da semântica formal OWL, especificar como derivar consequências lógicas. 

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

Entidades são os blocos de construção fundamentais das ontologias OWL 2 e definem o vocabulário de uma ontologia; assim, o conjunto de entidades constitui a assinatura de uma ontologia.

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

A semântica baseada em RDF da OWL 2 atribui significado diretamente aos gráficos RDF e pode ser aplicada a qualquer ontologia OWL 2, sem restrições, assim como qualquer ontologia OWL 2 pode ser mapeada para RDF.

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

As ontologias leves (lightweight ontologies) têm por objeto a definição detalhada, embora simples, de cada conceito representado de modo que se possa definir a taxonomia que representa a relação hierárquica entre conceitos.

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

A OWL é uma linguagem de esquema para conformidade sintática utilizada para o desenvolvimento de aplicações baseadas na web semântica e avalia se o documento está sintaticamente estruturado.

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

As ontologias e seus elementos são identificados por meio dos IRI (internationalized resource identifiers), em que cada IRI deve ser absoluto, ou seja, não relativo; logo dois IRI são estruturalmente equivalentes se e somente se suas representações de strings forem idênticas.

Julgue o próximo item, relativo a aprendizado de máquina.

Clustering é uma técnica de mineração de dados que agrupa dados não rotulados com base em suas semelhanças ou diferenças; os algoritmos de cluster podem ser categorizados em sobrepostos, hierárquicos ou probabilísticos. 

Julgue o próximo item, relativo a aprendizado de máquina.

Naive bayes é um algoritmo de machine learning supervisionado que realiza classificação com base no princípio da independência condicional de classe a partir do teorema de Bayes, em que o algoritmo avalia o quanto ele contribuiu para classificar a instância como boa ou ruim, construindo uma tabela de probabilidades.

Julgue o próximo item, relativo a aprendizado de máquina.

A regressão é um tipo de aprendizado não supervisionado cujo objetivo é entender a relação entre variáveis dependentes. 

Julgue o próximo item, relativo a aprendizado de máquina.

No aprendizado de máquinas, o aprendizado supervisionado compreende um conjunto de dados de treinamento para ensinar modelos a mostrar a saída desejada.

Julgue o próximo item, relativo a aprendizado de máquina.

As tarefas de aprendizado de máquina podem ser divididas em três grandes grupos: classificação, agrupamento e associação, devendo o primeiro grupo possuir uma classe que se pretenda prever.

Julgue o próximo item, relativo a aprendizado de máquina.

Overfitting é um comportamento esperado e desejável de aprendizado de máquina, uma vez que descreve assertividade e acurácia altas quando o modelo de aprendizado de máquina fornece previsões precisas para novos dados com base nos dados de treinamento. 

Julgue o próximo item, relativo a aprendizado de máquina.

Ocorre sobreajuste quando o modelo não pode determinar uma relação significativa entre os dados de entrada e saída, ou seja, quando o modelo não é treinado pelo período apropriado em relação à quantidade de dados.

Julgue o próximo item, relativo a aprendizado de máquina.

Em aprendizado de máquina, um modelo de bom desempenho com dados já treinados, mas que não lide muito bem com novos dados é denominado subajuste, ou seja, no subajuste se aprende com base no ruído dos dados. 

Julgue o próximo item, relativo a aprendizado de máquina.

Aprendizado de máquina pode ser definido como a criação e o uso de modelos que são aprendidos a partir dos dados.