O aprendizado de máquina (Machine Learning) é um subconjunto da inteligência artificial que permite que os algoritmos aprendam e melhorem a partir de um conjunto de dados.

Nesse contexto, o tipo de aprendizagem de máquina na qual o sistema toma decisões sequenciais, recebendo recompensas ou penalidades em troca, é denominado:

Sobre IA generativa, analise as assertivas abaixo:

I. Pode produzir textos, imagens e outros conteúdos.

II. Baseia-se em padrões aprendidos a partir de dados.

III. Garante que todas as informações geradas são verdadeiras.

Quais estão corretas?

A Inteligência Artificial pode ser definida como:

No contexto de modelos de linguagem de grande escala (LLMs), como o Gemini e o ChatGPT, o termo "Alucinação" (Hallucination) refere-se ao fenômeno técnico em que o modelo:

Um recurso tecnológico tem o avanço de seu uso por estudantes impulsionado por grandes empresas do setor, mas ainda encontra resistência de parte dos professores, principalmente por questões éticas, de imprecisão e transparência. Pesquisas indicam que no Brasil o recurso é usado por 85% dos universitários, 70% dos estudantes do ensino médio e 40% do ensino fundamental.
Baseada em: https://jornal.usp.br/radio-usp
Qual é este recurso?

O profiling de dados é uma etapa analítica realizada sobre conjuntos de dados com o objetivo de compreender sua estrutura, qualidade e distribuição antes de iniciar processos de transformação ou carga em camadas analíticas. A realização adequada do profiling permite identificar problemas de qualidade e orientar as regras de tratamento a serem aplicadas no pipeline. Diante disso, analise as afirmativas a seguir sobre profiling básico de dados:
I. A análise de cardinalidade em uma coluna consiste em identificar o número de valores distintos presentes, sendo útil para reconhecer possíveis chaves candidatas e detectar colunas com baixa variabilidade que podem indicar problemas de qualidade.
II. O profiling de nulidade verifica a proporção de valores ausentes em cada coluna, fornecendo informações relevantes para decisões sobre estratégias de tratamento, como imputação, exclusão de registros ou criação de indicadores de ausência.
III. A análise de distribuição de frequência permite identificar quais valores ocorrem com maior regularidade em uma coluna e é aplicável exclusivamente a colunas com tipos de dados numéricos, não sendo útil para colunas do tipo texto ou categórico.
IV. O profiling básico, por ser uma análise estática realizada antes da ingestão, elimina a necessidade de validações de qualidade posteriores durante as fases de transformação e carga, desde que o dataset analisado não sofra alterações estruturais.
Estão CORRETAS:

O formato CSV é amplamente utilizado em pipelines de dados para transferência de conjuntos de dados entre sistemas heterogêneos. Apesar de sua simplicidade, o formato apresenta características e limitações técnicas que devem ser consideradas durante a implementação de processos de ingestão e integração. Diante disso, analise as afirmativas a seguir sobre o formato CSV:

I. O formato CSV não incorpora um esquema de dados embutido no arquivo, o que exige que os tipos, significados e formatos de cada coluna sejam documentados externamente ou inferidos durante a leitura.
II. Um arquivo CSV suporta a representação nativa de dados hierárquicos e aninhados, como listas de itens vinculados a um único registro pai, desde que os delimitadores aninhados sejam configurados corretamente no parser utilizado.
III. Quando um valor de campo contém o caractere delimitador, esse campo deve ser envolvido entre aspas duplas para que o parser o interprete como um único valor, conforme previsto pela especificação RFC 4180.
IV. A codificação de caracteres utilizada em um arquivo CSV é declarada de forma explícita no próprio arquivo, garantindo que sistemas distintos realizem a leitura correta dos dados sem necessidade de configuração adicional.

Está(ão) CORRETA(S):

Na gestão de qualidade de dados em pipelines de ingestão, a aplicação de regras de validação e consistência é etapa essencial para assegurar que os dados disponibilizados nas camadas de consumo sejam confiáveis, completos e coerentes. O descumprimento dessas regras pode comprometer análises, relatórios e decisões de negócio suportadas pela plataforma de dados. Com base nas técnicas e conceitos de validação e consistência de dados, assinale a alternativa INCORRETA.

Uma equipe de dados operacionaliza um pipeline de ingestão diária que carrega arquivos de diversas fontes para um data warehouse corporativo. Após uma falha em uma das etapas do processo, a equipe precisa analisar os registros de execução (logs) para identificar a causa do problema, o momento da interrupção e quais registros foram processados com sucesso antes da falha. Com base nas boas práticas de registro de execução em pipelines de dados, assinale a alternativa CORRETA.