Julgue os próximos itens, relativos a aprendizado de máquina e BI (Business Intelligence).

O algoritmo de agrupamento K-means — baseado em centroides, que divide um conjunto de dados em grupos semelhantes com base na distância entre seus centroides — pode ser utilizado para, a partir de uma base de dados de uma rede social, identificar comunidades de usuários com interesses comuns em determinados assuntos.

Julgue os próximos itens, relativos a aprendizado de máquina e BI (Business Intelligence).

Random forest é um método de aprendizado de conjunto que combina várias árvores de decisão para formar um modelo mais robusto e preciso. Tal método pode ser usado tanto para resolver problemas de regressão (por exemplo, prever o valor de uma ação) quanto para realizar classificação (por exemplo, compra válida, fraude).

Julgue os próximos itens, relativos a aprendizado de máquina e BI (Business Intelligence).

A arquitetura de BI que utiliza ROLAP (processamento analítico online relacional) implementa as consultas por meio de um banco de dados em cubos de forma consolidada; nessa estrutura ROLAP, os dados são armazenados de forma multidimensional, permitindo que os usuários finais realizem drill up ou drill down na hierarquia (por exemplo, que eles vejam os lucros das vendas por ano, depois por trimestre).

Julgue os próximos itens, relativos à análise de dados.

Considere o código a seguir, que utiliza NumPy.

import numpy as np
data = np.array([1, 5, 3, 4, 2, 6, 7])
print(data[::2])

Após a execução desse código, o resultado será o seguinte.

[1 3 2 7]

Julgue os próximos itens, relativos à análise de dados.

Considere o código a seguir, que utiliza Pandas.

import pandas as pd
Nome = ['João-', 'Paulo-']
Sobrenome = ['Lucas', 'Matheus']
list_of_tuples = list(zip(Nome, Sobrenome))
df = pd.DataFrame(list_of_tuples)
print(df)

Após a execução desse código, o resultado será o seguinte.

         0    1 
0    João-Lucas
1 Paulo-Matheus

Acerca de sensores, de processamento de imagens e de aprendizado de máquina, julgue os próximos itens.

A aplicação de técnicas de equalização de histograma em imagens melhora a uniformidade do contraste, o que facilita a extração de características para reconhecimento de padrões.

Acerca de sensores, de processamento de imagens e de aprendizado de máquina, julgue os próximos itens.

A utilização de técnicas de aprendizado não supervisionado, como clustering, pode identificar padrões em dados visuais sem a necessidade de grandes conjuntos de dados rotulados.

Com relação a processos de banco de dados ETL (extração, transformação e carga), julgue os itens subsequentes.

Na extração incremental, apenas os dados alterados desde a última carga são extraídos, tornando o processo mais eficiente que a extração full, que recupera todos os dados da fonte.

Acerca de inteligência artificial e machine learning, julgue os itens que se seguem.

O aprendizado não supervisionado se caracteriza pela utilização de dados previamente rotulados para treinar um modelo de machine learning, permitindo que ele aprenda padrões automaticamente a partir dos rótulos desses dados.

Acerca de inteligência artificial e machine learning, julgue os itens que se seguem.

Diferentemente do aprendizado supervisionado e não supervisionado, o aprendizado por reforço baseia-se em um agente que interage com um ambiente e recebe recompensas ou penalidades conforme suas ações, buscando maximizar um retorno cumulativo ao longo do tempo.