A modelagem dimensional é amplamente utilizada em sistemas analíticos e Data Warehouses, pois facilita consultas agregadas e análises históricas. Essa abordagem organiza os dados em tabelas fato e tabelas dimensão, definindo claramente o nível de detalhamento (grão) das informações armazenadas. Sobre esse assunto, considere um sistema de análise de vendas de uma rede de lojas, que deve permitir consultas como:

• total de vendas por produto;

• total de vendas por loja;

• total de vendas por período.

Nesse contexto, dadas as afirmativas,

I. A tabela fato deve armazenar medidas numéricas, como quantidade vendida e valor total da venda.

II. O grão da tabela fato define o nível de detalhamento dos dados, por exemplo, uma venda por produto, por loja e por dia.

III. Em tabelas dimensão, o uso de chaves substitutas é recomendado para reduzir a dependência de chaves naturais e facilitar o controle histórico.

IV. Tabelas dimensão têm como função estrutural armazenar valores agregados, derivados das medidas da tabela fato, com o objetivo de otimizar consultas analíticas.

verifica-se que estão corretas apenas

Um Instituto Federal de Educação está desenvolvendo diferentes soluções baseadas em aprendizado de máquina para apoiar a gestão acadêmica e pedagógica. Entre as iniciativas consideradas, estão:

1. o uso de dados históricos de estudantes, previamente rotulados quanto à ocorrência de evasão ou de permanência, para estimar o risco de evasão acadêmica;
2. a análise de dados acadêmicos e de frequência com o objetivo de identificar padrões e perfis semelhantes entre estudantes, sem a definição prévia de categorias;
3. o desenvolvimento de um agente inteligente capaz de recomendar intervenções pedagógicas ao longo do tempo, ajustando suas decisões a partir de recompensas associadas ao desempenho dos estudantes.

Com base nesse cenário, dadas as afirmativas,

I. A estimativa do risco de evasão acadêmica, a partir de dados históricos previamente rotulados, caracteriza um problema de aprendizado supervisionado.

II. A identificação de padrões e perfis semelhantes entre estudantes pode ser tratada como um problema de aprendizado supervisionado, desde que os dados estejam organizados e armazenados em sistemas acadêmicos.

III. O agente que recomenda intervenções pedagógicas e ajusta suas decisões, a partir de recompensas ao longo do tempo, utiliza aprendizado por reforço.

verifica-se que está/ão correta/s

No processo de descoberta de conhecimento em bases de dados, a qualidade dos resultados obtidos pelos algoritmos de aprendizado de máquina está diretamente vinculada à qualidade dos dados de entrada. Dados provenientes de fontes heterogêneas, frequentemente, apresentam ruídos, redundâncias e lacunas que podem enviesar as análises estatísticas.

Dentro do fluxo de trabalho de Ciência de Dados, o conjunto de operações que envolve o tratamento de dados faltantes (null/missing values), a normalização de formatos, a remoção de registros redundantes e a correção de erros de digitação ou inconsistências lógicas é tecnicamente denominado

Um analista precisa projetar uma estrutura de banco de dados SQL para consolidar o histórico de vendas de uma década. O requisito principal é que o sistema responda rapidamente a consultas complexas que agregam milhões de registros por diferentes critérios, como localização geográfica, categoria de produto e períodos de tempo. No desenvolvimento desse ambiente, o analista opta pela modelagem dimensional. Ao estruturar os dados, ele define uma tabela central, contendo as métricas de desempenho e as chaves estrangeiras, cercada por tabelas auxiliares que contêm os descritores textuais.

De acordo com os fundamentos de modelagem dimensional, assinale a alternativa correta que indica a principal característica das tabelas de dimensões em um esquema do tipo Estrela (Star Schema), comparadas às tabelas de um modelo puramente relacional.

Uma universidade federal pretende adotar Robotic Process Automation (RPA) para automatizar parte do processo administrativo de cadastramento de solicitações internas, que atualmente exige que servidores acessem sistemas legados, preencham formulários eletrônicos e realizem validações simples em bases institucionais.

Considerando os critérios técnicos para adoção de RPA, um processo é mais adequado para automação quando apresenta características como:

Considere um modelo supervisionado cuja função objetivo minimize o erro entre valores reais contínuos e valores preditos, bem como outro modelo cuja função objetivo minimize o erro de atribuição entre classes discretas. Esses dois problemas correspondem, respectivamente, às tarefas de:

Em alguns sistemas de IA, o modelo aprende a escolher ações a partir da experiência, recebendo feedback quantitativo após cada interação, ajustando sua política de decisão ao longo do tempo, sem depender de dados rotulados previamente.

Esse paradigma de aprendizado de máquina é conhecido como:

Redes neurais profundas e modelos de linguagem de grande escala (LLMs) representam avanços significativos no campo da inteligência artificial, sendo empregados em diferentes tipos de aplicações computacionais. Considerando as características estruturais e funcionais dessas abordagens, assinale a alternativa correta.