Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.

Na primeira camada descrita, a operacionalização dos painéis em ferramentas como Power BI e Tableau permite integrar as informações do data warehouse central a múltiplas fontes de dados externas.

Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.

Na primeira camada descrita, o funcionamento dos painéis de business intelligence fundamenta-se na estruturação multidimensional do data warehouse para viabilizar o processamento analítico de dados.

Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.

Na segunda camada da arquitetura, a execução de algoritmos preditivos nos processos de data analytics, em linguagens como Python e R, está subordinada ao resultado dos processos de business intelligence. 

Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.

No contexto do sistema de suporte à decisão da arquitetura proposta, as ferramentas de gestão de conteúdo são alocadas na primeira camada com a função técnica de estruturar e modelar os dados relacionais numéricos armazenados no data warehouse.

Em relação à manipulação e à limpeza de dados para fins de análise quantitativa e às linguagens de programação adequadas para essa tarefa, julgue o item que se segue.

Em Python, a operação de merge entre dois DataFrames da biblioteca Pandas realiza, por padrão, um inner join, descartando registros sem correspondência em ambas as chaves; quando há valores ausentes nas colunas de junção, essa biblioteca os trata como valores iguais entre si, preservando esses registros no resultado final.

Em relação à manipulação e à limpeza de dados para fins de análise quantitativa e às linguagens de programação adequadas para essa tarefa, julgue o item que se segue.

Em Python, a biblioteca Plotly gera visualizações baseadas em HTML e JavaScript, o que permite interatividade nativa no navegador, sem dependência de servidor ativo, diferentemente de dashboards construídos com Dash, que requerem um processo servidor em execução para processar as interações do usuário e atualizar componentes reativamente

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em validação cruzada k-fold, o modelo é treinado k vezes, cada vez usando uma partição diferente como conjunto de teste, o que produz uma estimativa mais robusta do erro de generalização do que uma única divisão treino-teste.

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Algoritmos não supervisionados identificam agrupamentos ou estruturas ocultas nos dados sem a necessidade de rótulos prévios, operando exclusivamente sobre as observações.

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em projetos digitais, o escopo pode ser definido integralmente após a implementação, pois a fase de planejamento é dispensável em metodologias ágeis.

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em regra, em algoritmos de gradient boosting, quanto maior o número de estimadores usados, menor o erro de generalização do modelo, pois cada árvore adicionada corrige os erros residuais da anterior.