O desenvolvedor José implementou a classe CGEPrincipal em Java 17. A fim de tornar a implementação mais aderente ao modelo de domínio, José restringiu a herança da classe na declaração, especificando que a CGEPrincipal poderia ser herdada apenas pelas classes CGEUm e CGEDois.

Para restringir a herança na declaração da classe CGEPrincipal, José utilizou a funcionalidade do Java 17:

Considere o seguinte trecho de código de uma página web:

<div id="opcoes" class="vert">
<div class="item">Contratos</div>
<div class="item">Convênios</div>
<div class="item">Licitações</div>
</div>

E o respectivo código de Cascading Style Sheets:

.vert {
display: flex;
width: max-content;
}

.item {
flex: auto;
width: 110px;
}

Ao ser renderizado por um navegador web padrão, o elemento com id “opcoes” do código acima exibe três elementos div:

Maitê trabalha com diversos dados organizados em matrizes e, frequentemente, precisa reorganizar a matriz trocando as linhas dos Meses com as colunas dos Anos, conforme exemplificado na ilustração a seguir.

No Excel, para girar os dados de colunas para linhas, ou vice-versa, Maitê deve utilizar a função:

Observe o seguinte código escrito em Python.

import json
x = '{"nome":"Junior", "idade":5, "brinquedo":["Carro", "Bola", "Trem", "Barco", "Urso"]}';
y = json.loads(x)
z = len(y)
print(y["brinquedo"][int(z)])

O resultado da execução do código Python apresentado é:

Maria está implementando o Audit-DataMart para apoiar análises sobre a quantidade de auditorias realizadas por cidade e por período. Para isso, Maria elaborou o modelo multidimensional de dados no qual a dimensão tempo se relaciona com a tabela fato duas vezes, uma representando a data de início da auditoria e a outra representando a data do fim da auditoria, conforme ilustrado a seguir.

A técnica de modelagem multidimensional de dados utilizada por Maria para referenciar múltiplas vezes uma única dimensão física na tabela fato é:

No contexto de pré-processamento de dados, o auditor de contas públicas João está trabalhando em um projeto de análise de dados e percebe que as variáveis numéricas no conjunto de dados têm escalas muito diferentes, como a escala dos preços sendo maior do que a escala dos pesos, como demonstrado nos produtos A e B:

!$ \bullet !$ Produto A (Preço: R$ 50 e Peso: 300g)

!$ \bullet !$ Produto B (Preço: R$ 500 e Peso: 1000g)

Além disso, ele observa a presença de outliers nos dados. Nesse sentido, João deverá tratar os dados para garantir que as variáveis tenham uma distribuição normal, isto é, com média igual a zero e desvio padrão igual a um.

Para isso, a técnica de tratamento de dados que João deverá utilizar, levando em consideração a presença de outliers, é:

O auditor de contas públicas João está desenvolvendo um modelo de aprendizado de máquina para identificar transações financeiras suspeitas em uma auditoria de contas. Após treinar o modelo, João observa que esse tem um desempenho excelente nos dados de treinamento, mas apresenta um desempenho ruim nos dados de teste, com uma alta taxa de erro.

Nesse contexto, o problema observado por João, do modelo ajustar-se excessivamente aos dados de treinamento, é denominado:

O cientista de dados João deverá criar um modelo de aprendizado de máquina com o objetivo de classificar transações de cartão de crédito como "fraudulentas" ou "não fraudulentas".

Dentre as métricas de avaliação da qualidade geral do modelo criado, João deverá utilizar a que avalia o equilíbrio entre precisão e sensibilidade (recall):

O auditor de contas públicas João deverá realizar uma auditoria financeira e precisa construir um modelo de aprendizado de máquina, simples e interpretável, para classificar transações como "suspeitas" ou "não suspeitas". Para tanto, João deverá basear-se em atributos, como valor da transação, localização, tipo de transação e histórico do cliente, contidos em um conjunto de dados relativamente pequeno.

Nesse contexto, para criar esse modelo, João deverá aplicar a técnica de classificação binária:

No contexto de Qualidade de Dados, o auditor de contas públicas João deverá analisar a consistência dos dados da base de dados AUD_CONTAS identificando variações sobre os valores dos atributos, como:

• 30% das entradas de dados na coluna CD_FUNCIONARIO estão marcadas com o caractere “espaço”
• existem 200 linhas na tabela TBL_PROCESSO contendo dados sobre processos sem nenhuma linha contendo os seus detalhes

Para isso, a técnica de diagnóstico sobre a qualidade de dados que João deverá utilizar é: