No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o item a seguir.

O PCA é um procedimento estatístico que converte um conjunto de objetos com atributos possivelmente correlacionados em um conjunto de objetos com atributos linearmente descorrelacionados.

No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o item a seguir.

A compressão de atributos é uma técnica de redução de dimensionalidade na qual atributos irrelevantes ou redundantes são identificados e desconsiderados.

No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o item a seguir.

A regra de associação é uma técnica que busca relações de co-ocorrência entre objetos de uma base de dados.

Julgue o item a seguir, relativo ao Microsoft Excel e à linguagem R.

Na linguagem R, admite-se que o nome de uma variável seja iniciado com uma letra ou com um número.

No que se refere a banco de dados NoSQL e data lake, julgue o item a seguir.

Considere-se que uma empresa de comércio eletrônico deseje armazenar todos os dados relacionados às interações dos clientes em seu site — registros de visitas, cliques, compras, avaliações, comentários, entre outros. Nessa situação, se a empresa decidir não estruturar e organizar esses dados antecipadamente, será melhor armazenar esses dados em uma solução data lake do que em um banco relacional.

Analise as afirmativas abaixo no contexto de data warehouse, modelagem dimensional e cubos OLAP.

1. A maioria dos cubos OLAP têm origem em esquemas em estrela dimensionais e relacionais usando uma variação de navegação agregada.
2. As consultas de usuário devem ser realizadas sobre estruturas de dados normalizadas, que por sua vez devem compor a área de apresentação do data warehouse.
3. A data staging área de um data warehouse não deve ser acessível aos usuários, tão pouco permitir serviços de consulta ou apresentação.

Assinale a alternativa que indica todas as afirmativas corretas.

São tipos válidos de aprendizagem de máquina:

1. Aprendizado supervisionado
2. Aprendizado não supervisionado
3. Aprendizado estruturado
4. Aprendizado não estruturado
5. Aprendizagem por reforço

Assinale a alternativa que indica todas as afirmativas corretas.

São Vs válidos no contexto de Big Data:

1. Valor
2. Volume
3. Variedade
4. Velocidade
5. Veracidade
6. Validade

Assinale a alternativa que indica todas as afirmativas corretas.

Assinale a alternativa que indica corretamente a técnica de mineração de dados que tem como objetivo primário identificar relacionamentos através de modelos de dependência entre variáveis distintas em grandes bancos de dados.

São etapas válidas no contexto do modelo de referência CRISP-DM:

1. Iteração
2. Avaliação
3. Modelagem
4. Implementação
5. Entendimento dos dados

Assinale a alternativa que indica todas as afirmativas corretas.