Questões de Concurso
Para tecnologia da informação
Foram encontradas 162.391 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Julgue o próximo item, referente ao processamento de linguagem natural.
A lematização prescinde do POS tagging para que as
palavras sejam reduzidas corretamente, pois todas as
palavras são reduzidas ao mesmo lemma, independentemente
de sua classe gramatical.
Julgue o próximo item, referente ao processamento de linguagem natural.
A similaridade de cosseno é uma métrica pela qual se avalia
a similaridade entre dois vetores com base no ângulo entre
eles em um espaço vetorial, de forma que, à medida que os
vetores se aproximarem, aumentará a similaridade de
cosseno.
A respeito de técnicas de redução de dimensionalidade, julgue o item subsecutivo.
Para utilizar de forma adequada a análise de componentes
principais (PCA, na sigla em inglês), é essencial normalizar
os dados; se as variáveis não estiverem na mesma escala,
aquelas com maior variância terão maior impacto,
distorcendo o resultado da PCA.
A respeito de técnicas de redução de dimensionalidade, julgue o item subsecutivo.
Quando da configuração dos parâmetros do autoencoder, o
tamanho do espaço latente é uma informação crucial, pois
determina o tamanho do espaço onde os dados de entrada
serão comprimidos.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
O SVM classifica os dados encontrando uma linha ou
hiperplano ideal; essa linha de separação é encontrada entre
duas classes distintas pela análise dos dois pontos, um de
cada grupo, mais próximos da outra classe.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
Uma das formas de se realizar um agrupamento é por meio
de técnicas de agrupamento baseadas em hierarquia, em que
se pode criar estrutura hierárquica de acordo com a
proximidade entre os indivíduos, o que resulta em uma
árvore binária.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
SVM é um algoritmo de aprendizado de máquina
supervisionado que pode ser usado para desafios de
classificação ou regressão.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
KNN é um algoritmo de aprendizado supervisionado não
paramétrico que não pode ser utilizado em problemas de
classificação, uma vez que seu objetivo é prever valores
numéricos e não valores categóricos.
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.
Deep learning é um tipo de aprendizado de máquina que usa
redes neurais artificiais para permitir que sistemas digitais
aprendam e tomem decisões com base em dados não
estruturados e não rotulados.
No que se refere à governança de dados, julgue o próximo item.
Um dado de referência, como, por exemplo, os dados dos
clientes, é uma informação crucial para a operação do
negócio.
A respeito de visualização, análise exploratória de dados e geoprocessamento, julgue o seguinte item.
No contexto de um layout de relatório, o equilíbrio
assimétrico consiste na distribuição do peso uniforme dos
objetos em ambas as metades da página, independentemente
do tamanho dos objetos.
A respeito de visualização, análise exploratória de dados e geoprocessamento, julgue o seguinte item.
A aplicação de hierarquias de atributo em modelos analíticos
é uma prática eficiente, que permite a organização de valores
pré-agregados em cada nível e otimiza a análise de dados.
A respeito de visualização, análise exploratória de dados e geoprocessamento, julgue o seguinte item.
Os mapas temáticos incluem áreas geográficas delineadas
por um ou mais polígonos, a exemplo dos mapas de uso do
solo e mapas que indicam a capacidade agrícola de
determinada região.
A respeito de visualização, análise exploratória de dados e geoprocessamento, julgue o seguinte item.
A definição de seções implícitas pode ser realizada pela
utilização de formas coloridas e pela sobreposição de
elementos visuais alinhados, o que confere uma clara
distinção entre diferentes áreas do layout dos dashboards.
Em relação ao tratamento e à qualidade dos dados no sistema de gerenciamento de informações, julgue o item subsequente.
O agente de tratamento deve demonstrar a adoção de
medidas eficazes e capazes de comprovar a observância e o
cumprimento das normas de proteção de dados pessoais,
bem como demonstrar a eficácia dessas medidas.
Julgue o item que se segue, relativo a conceitos de data warehouse, técnicas de modelagem dimensional e otimização de bases de dados para BI.
A consolidação de dimensões de floco de neve em um
modelo de tabela única pode implicar o armazenamento de
dados não normalizados e redundantes, o que resulta em
maior tamanho de armazenamento.
Julgue o item que se segue, relativo a conceitos de data warehouse, técnicas de modelagem dimensional e otimização de bases de dados para BI.
A relação entre uma tabela de fatos e suas respectivas tabelas
de dimensões em um data warehouse é estabelecida pela
chave primária da tabela de fatos e a chave estrangeira da
tabela de dimensões.
Julgue o item que se segue, relativo a conceitos de data warehouse, técnicas de modelagem dimensional e otimização de bases de dados para BI.
Em regra, as chaves substitutas são incorporadas nas tabelas
de dimensões de um data warehouse relacional para atribuir
um identificador único para cada registro nas tabelas de
dimensões.
Julgue o item que se segue, relativo a conceitos de data warehouse, técnicas de modelagem dimensional e otimização de bases de dados para BI.
Uma tabela de fatos descreve as entidades de um negócio e
apresenta uma ou mais colunas-chave que funcionam como
um identificador único exclusivo, bem como colunas
descritivas adicionais.
Julgue o item que se segue, relativo a conceitos de data warehouse, técnicas de modelagem dimensional e otimização de bases de dados para BI.
Nos data warehouses, os índices de junção associam as
linhas da tabela de fatos com as respectivas colunas na tabela
de dimensões, o que facilita as operações de consulta e
análise de dados.