Ainda que aprendizagem de máquina seja uma ferramenta poderosa para a aquisição automática de conhecimento, deve ser observado que não existe um único algoritmo que apresente o melhor desempenho para todos os problemas. Sobre os algoritmos empregados na aprendizagem de máquina, quando o desenvolvedor ajusta muito bem um algoritmo de aprendizado, ou os seus parâmetros, para otimizar o seu desempenho em todos os exemplos disponíveis ocorre:

No que diz respeito às novas tecnologias, julgue o item.

A inteligência artificial refere-se a um campo de conhecimento que não está associado à aprendizagem, uma vez que esta é uma capacidade puramente humana; contudo, este campo está associado à linguagem e à inteligência, ao raciocínio e à resolução de problemas.

O Big Data trata somente de problemas de dados solucionados por meio de MapReduce.

A tecnologia Big Data é direcionada, especificamente, à área de tecnologia da informação (TI), pois se trata de uma ferramenta poderosa de armazenamento de dados. Logo, ela não pode ser usada, por exemplo, para tornar uma empresa mais competitiva e eficiente.

Uma das características do Big Data é a sua capacidade de armazenar dados de forma indiscriminada.

O principal elemento associado ao Big Data é o registro de qualquer fenômeno, natural ou não, em dados. Tal fenômeno é conhecido como datafication.

O Big Data pode ser conceituado como um fenômeno em que dados são produzidos em vários formatos e armazenados por uma grande quantidade de dispositivos e equipamentos.

No ciclo do CRISP-DM, a fase de implantação é a mais simples (jamais será um processo complexo), pois se resume à execução de scripts.

O entendimento do negócio é a fase do ciclo do CRISP-DM que exige mais tempo em mineração de dados, pois estima-se que essa etapa, geralmente, leve entre 50 e 70% do tempo e do esforço de um projeto.

Modelagem e avaliação são algumas das fases do ciclo do CRISP-DM.