Julgue o item a seguir, referentes a conceitos e especificidades de MDM (master data management).

A grande diferença entre algoritmos fuzzy matching e stemming reside no fato de que, enquanto o primeiro combina palavras com a mesma raiz linguística, o segundo trabalha com semelhanças de ortografia.

Considerando o projeto Apache Hadoop, julgue o item a seguir.

As formas de execução do Hadoop podem ser modo local, modo pseudodistribuído ou modo completamente distribuído, e a especificação do seu modo de execução é definida na configuração dos arquivos core-site.xml, hdfs-site.xml e mapred-site.xml.

Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).

Considerando essas informações, julgue o item a seguir, relativos ao tratamento de dados ausentes.

Os dados ausentes do tipo MAR são aqueles que dependem de fatores — ou variáveis — observáveis, como, por exemplo, o horário de preenchimento de um formulário.

No que se refere a técnicas de regressão, técnicas de agrupamento e aprendizado profundo, julgue o item a seguir.

O modelo de regressão linear é suscetível à multicolinearidade, a qual diz respeito ao fato de o erro da predição permanecer estável, dentro de um intervalo de confiança aceitável, à medida que os valores de entrada mudam.

Acerca de dashboards, julgue o item a seguir.

Um dashboard bem projetado caracteriza-se por apresentar um conjunto robusto de codificação customizada para sua implementação, utilização e manutenção.

Julgue o item a seguir, relativos à qualidade de dados.

A acurácia na qualidade de dados está diretamente associada à de duplicação, uma vez que indica que há exclusividade da fonte de dados e de suas entidades, de forma a garantir a precisão dos dados na vida real.

Determinado parâmetro !$ \beta !$ será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo !$ g(\beta) !$. Para essa estimação, a base de dados de treinamento consistirá de n observações.

Considerando essa situação hipotética, julgue o item a seguir.

O gradiente descendente em lote é um método probabilístico de otimização no qual, para cada iteração, encontram-se !$ L × n !$ observações geradas mediante amostragem (com reposição) da base de dados de treinamento (em que !$ L !$ representa o número de lotes, com !$ L > 1 !$).

Julgue o item a seguir, referentes a conceitos e especificidades de MDM (master data management).

A fim de gerenciar a qualidade de dados, o MDM se serve de ferramentas de validação dos dados que ajudam na visualização de todo o fluxo de gestão dos dados mestres, o que torna possível, de maneira rápida, a identificação de quaisquer desvios em relação à política de dados da empresa.

Determinado parâmetro !$ \beta !$ será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo !$ g(\beta) !$. Para essa estimação, a base de dados de treinamento consistirá de n observações.

Considerando essa situação hipotética, julgue o item a seguir.

Em cada iteração na estimação do parâmetro !$ \beta !$, o método do gradiente descendente requer !$ n !$ observações da base de treinamento, ao passo que o método do gradiente descendente estocástico utiliza uma observação selecionada aleatoriamente dessa base de treinamento.