Analise as assertivas abaixo, assinalando DW, para as características de Data Warehouse, ou DL, para as características de Data Lakes.

(    ) O esquema é gravado no momento da análise, denominado esquema de leitura.
(    ) Quanto à qualidade dos dados, os dados são altamente selecionados e representam a versão central da verdade.
(    ) Utilizam dados não relacionais e relacionais oriundos de dispositivos como aplicações móveis, mídia social, IoT (Internet das Coisas), aplicações corporativas, entre outras.
(    ) Os resultados das consultas são mais rápidos e as análises são relatórios em lote e visualizações.

A ordem correta de preenchimento dos parênteses, de cima para baixo, é:

No contexto da linguagem R, assinale o código que, quando executado, exibe o resultado a seguir.

"manga" "banana" "laranja"

Em relação ao processamento de linguagem natural (PLN), analise as afirmativas a seguir.

1. O PLN envolve a compreensão e a geração de linguagem natural humana.
2. A tarefa principal do PLN é traduzir textos de uma língua para outra.
3. O PLN não é utilizado para tarefas de processamento de voz.
4. O PLN é aplicado em sistemas de recuperação de informações e assistentes virtuais.

Estão corretas as afirmativas

As principais plataformas de computação em nuvem, como Amazon Web Services (AWS), Microsoft Azure e Google Cloud Platform (GCP), oferecem soluções de Big Data para ajudar as empresas a coletar, armazenar, processar e analisar grandes quantidades de dados.

As opções a seguir apresentam conjuntos de serviços que estão diretamente relacionados a soluções de Big Data oferecidas pelas plataformas de computação em nuvem elencadas acima, à exceção de uma. Assinale-a.

Luiz, médico dermatologista, criou um modelo de IA para auxiliar na detecção de câncer de pele com visão computacional. Como um modelo de classificação binária, ele terá 4 possíveis saídas: verdadeiro positivo (paciente com câncer, detectado corretamente), verdadeiro negativo (paciente sem câncer, detectado corretamente), falso positivo (paciente sem câncer, detectado incorretamente) e falso negativo (paciente com câncer, não detectado pelo modelo).

Levando em consideração que um modelo de IA seria utilizado como uma ferramenta de auxílio ao diagnóstico de câncer de pele, os erros de “tipo 1” (falso positivo) seriam tolerados, já que haveria uma análise posterior realizada por um médico especialista. No entanto, os erros “tipo 2” (falso negativo) seriam os mais críticos, uma vez que podem resultar em um diagnóstico tardio ou falho, comprometendo a saúde do paciente.

Tomando o cenário como base, julgue os itens a seguir:

1. A métrica mais importante nesse caso seria a Sensibilidade (Recall ou Revocação);
2. A métrica mais importante nesse caso seria a Precisão (Precision);
3. Ao ajustar o modelo para minimizar erros de "tipo 2", geralmente os erros de "tipo 1" tendem a aumentar;
4. Luiz deveria submeter seu modelo a um treinamento mais longo, independentemente do overfitting.

Estão corretas as afirmativas

Analise o código R a seguir.

lista <- function (param) {
  if (param > -3) {
    temp <- param + lista(param - 3)
    print(temp)
  } else {
    return(0)
  }
}

lista(15)

Assinale os valores exibidos pela execução desse código, na ordem.