Em relação a big data e analytics, julgue o próximo item.

A análise de dados começa com as hipóteses iniciais, evoluem para as observações e causas e terminam com as descobertas, tudo consolidado em relatórios analíticos.

Ao tentar resolver um problema de aprendizado de máquina que separava um evento entre duas classes, um desenvolvedor encontrou uma acurácia de exatamente 90%.
Analisando a matriz de confusão, o desenvolvedor constatou que os verdadeiros positivos eram 14169, que os verdadeiros negativos eram 15360, os falsos positivos eram 1501, e os falsos negativos eram

Uma empresa precisa implementar um sistema Big Data para controlar a movimentação dos produtos que a empresa oferece. Esse sistema precisa estar com a configuração de dados como sendo um fato, que seria um evento de ocorrência, como, por exemplo: as compras de um determinado insumo, em um determinado fornecedor e em um determinado instante.
Para tal finalidade, esse sistema a ser implementado deverá estar organizado segundo a configuração de

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 método do gradiente descendente é equivalente ao método de Newton-Raphson, no qual o incremento, para a estimação do parâmetro !$ \beta !$, depende da primeira e da segunda derivada da função objetivo !$ g(\beta) !$.

Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.

As árvores de decisão apresentam significativa independência dos dados de treinamento, o que garante forte estabilidade dos caminhos em caso de mudanças nos dados.

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

Nos agrupamentos hierárquicos, um dendrograma é uma árvore que controla quando os clusters são criados e que determina qual é a métrica das distâncias.

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.

Geralmente, os dados ausentes do tipo MNAR são ignoráveis por não haver relação entre o processo gerador de dados ausentes e os parâmetros que são objeto de estudo estatístico.

Com relação aos fundamentos do big data, julgue o item a seguir.

No que se refere aos três Vs do big data, o termo volume refere-se a dados que, atualmente, não são estruturados nem armazenados em tabelas relacionais, o que torna sua análise mais complexa.

Acerca dos conceitos de ingestão de dados, julgue o item a seguir.

No ambiente de ingestão de dados, CDC refere-se ao controle distribuído de computação de dados coletados remotamente para o ambiente de análise.

Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.

Devido ao fato de pressupor independência entre atributos, o algoritmo Naive Bayes é capaz de realizar, com precisão, o treinamento de um modelo com uma quantidade reduzida de amostras.