Julgue o item subsequente, relativo a metodologias ágeis, a ferramentas de gestão de projetos, e a estratégias de comunicação e marketing em ambientes digitais.

Na gestão ágil, a metodologia Kanban transcende a gestão visual de tarefas, operando como um sistema para projetar o fluxo de valor, controlar o trabalho em progresso e medir a eficiência técnica.

Julgue o item subsequente, relativo a metodologias ágeis, a ferramentas de gestão de projetos, e a estratégias de comunicação e marketing em ambientes digitais.

Na aplicação do método Kanban, a limitação do trabalho em progresso (WIP – work in progress) é uma prática fundamental que visa evitar a sobrecarga da equipe e evidenciar gargalos, promovendo a melhoria contínua do fluxo de entrega de valor.

Julgue o item subsequente, relativo a metodologias ágeis, a ferramentas de gestão de projetos, e a estratégias de comunicação e marketing em ambientes digitais.

No âmbito do framework Scrum, o scrum master atua como a autoridade responsável por distribuir as tarefas técnicas entre os desenvolvedores e monitorar o cumprimento do cronograma diário para garantir o atingimento da meta da sprint.

No que se refere às metodologias de inovação e ao desenvolvimento de soluções centradas no usuário, julgue o item subsequente.

No design de produto, a pesquisa em UX foca em questionar diretamente os usuários acerca das funcionalidades e o projeto das interfaces desejadas.

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em validação cruzada k-fold, o modelo é treinado k vezes, cada vez usando uma partição diferente como conjunto de teste, o que produz uma estimativa mais robusta do erro de generalização do que uma única divisão treino-teste.

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em projetos digitais, o escopo pode ser definido integralmente após a implementação, pois a fase de planejamento é dispensável em metodologias ágeis.

A respeito do desenvolvimento de projetos digitais e do machine learning, julgue o item subsecutivo.

Em regra, em algoritmos de gradient boosting, quanto maior o número de estimadores usados, menor o erro de generalização do modelo, pois cada árvore adicionada corrige os erros residuais da anterior.