Foram encontradas 5.163 questões.
Durante a preparação de dados para análise, alterar a quantidade de dimensões e/ou elementos de cada dimensão de um dado do tipo Array é uma operação importante na manipulação de dados. Observe o seguinte trecho de código escrito na linguagem de programação Python:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
newarr = arr.reshape(2, 3, 2)
print(newarr)
O resultado da execução do código apresentado é:
Provas
Questão presente nas seguintes provas
As demandas de dados pelos analistas e cientistas de dados da
CVM estão aumentando a cada dia. Para atendê-las com
agilidade, é necessário obter dados de diversas fontes
heterogêneas no seu formato original para posterior seleção e
processamento sob demanda.
Para armazenar dados estruturados, não estruturados e semiestruturados, deve-se implementar um(a):
Para armazenar dados estruturados, não estruturados e semiestruturados, deve-se implementar um(a):
Provas
Questão presente nas seguintes provas
O ambiente analítico da CVM armazena dados no formato
multidimensional, implementa um cubo de dados e disponibiliza
uma ferramenta OLAP para apoiar os analistas no desempenho
de suas funções. Diante da grande quantidade de dados
disponíveis, eles precisam reduzir o seu domínio de análise.
Para isso, a operação OLAP, que extrai um subcubo da seleção de duas ou mais dimensões de um cubo de dados, é a:
Para isso, a operação OLAP, que extrai um subcubo da seleção de duas ou mais dimensões de um cubo de dados, é a:
Provas
Questão presente nas seguintes provas
As transações financeiras da CVM são realizadas sobre ativos
nacionais, utilizando a moeda real (R$), e ativos internacionais,
utilizando a moeda dólar americano (US$).
Para implementar um Data Mart Financeiro da CVM, permitindo análises dos ativos nas duas moedas, deve-se:
Para implementar um Data Mart Financeiro da CVM, permitindo análises dos ativos nas duas moedas, deve-se:
Provas
Questão presente nas seguintes provas
Para apoiar análises sobre os fundadores de empresas ao longo
do tempo, elaborou-se, inicialmente, o seguinte modelo
multidimensional de dados, no qual a tabela FATO FUNDAÇÃO
EMPRESAS se relaciona com múltiplos valores da tabela
DIMENSÃO FUNDADOR.
No caso apresentado, a implementação de uma dimensão multivalorada deve ser realizada por meio da aplicação da técnica de modelagem multidimensional:
No caso apresentado, a implementação de uma dimensão multivalorada deve ser realizada por meio da aplicação da técnica de modelagem multidimensional:
Provas
Questão presente nas seguintes provas
O analista Gabriel fez um levantamento das bases de dados
existentes na CVM e percebeu que havia Data Marts distintos,
criados para atender a requisitos analíticos específicos de cada
Superintendência, como: Relações Institucionais, Auditoria e
Registro de Valores Imobiliários. Cada Data Mart foi construído
de forma independente, o que dificultava análises integradas
para relacionar dados das diferentes Superintendências. Gabriel
observou que havia várias dimensões em comum nos Data Marts.
Para permitir análises integradas padronizando e compartilhando
as dimensões em comum dos Data Marts da CVM, Gabriel
implementou um(a):
Provas
Questão presente nas seguintes provas
Um cientista de dados utiliza a biblioteca scikit-learn para treinar
um estimador clf usando um conjunto de treinamento X1 e seu
respectivo conjunto de atributos-alvo y. Posteriormente, o
cientista estima os atributos-alvo do conjunto X2.
Para realizar o treinamento e a predição, o cientista de dados deve usar, respectivamente, os métodos:
Para realizar o treinamento e a predição, o cientista de dados deve usar, respectivamente, os métodos:
Provas
Questão presente nas seguintes provas
No método tensorflow.keras.layers.Dense(...), se nenhuma
função de ativação é especificada, é utilizada por padrão a
função:
Provas
Questão presente nas seguintes provas
Considere o código python a seguir.
import torch
from torch import nn, Tensor
class CVMNet(nn.Module):
def __init__(self,
dim_in: int,
dim_hidden: int,
n_classes: int):
super().__init__()
self.i_layer = nn.Linear(dim_in, dim_hidden)
self.h_layer = nn.Sequential(
nn.Linear(dim_hidden, dim_hidden // 2),
nn.Tanh()
)
self.o_layer = nn.Sequential(
nn.Dropout(0.2),
nn.Linear(dim_hidden // 2, n_classes),
nn.Softmax(dim=-1)
)
def forward(self, x: Tensor):
return self.o_layer(self.h_layer(self.i_layer(x)))
model = CVMNet(400, 100, 3)
pred = model(torch.eye(20).flatten()).detach()
Sobre a variável pred, é correto afirmar que:
Provas
Questão presente nas seguintes provas
Um dos principais fatores que tornam viável a aplicação de
modelos grandes de linguagem (LLMs) é o controle do espaço de
probabilidade de tokens através da redução de dimensionalidade
do vocabulário, sem perda da capacidade de reconstruir qualquer
token válido da linguagem sendo modelada.
Considerando esse objetivo, dois algoritmos que podem ser utilizados para esse fim são:
Considerando esse objetivo, dois algoritmos que podem ser utilizados para esse fim são:
Provas
Questão presente nas seguintes provas
Cadernos
Caderno Container