A respeito das características de um time Scrum, julgue o item subsequente.

O time Scrum é fixo e consiste em um Scrum master, dois product owners e três desenvolvedores.

Julgue o próximo item, a respeito do Scrum.

O time Scrum transforma uma seleção do trabalho em um incremento de valor durante uma daily.

Julgue o próximo item, a respeito do Scrum.

O Scrum master promove um ambiente em que um product owner ordena o trabalho de um problema complexo em um product backlog.  

Julgue o seguinte item, acerca de Scrum.

O propósito da sprint review é planejar modos de aumentar a eficácia do Scrum team por meio da inspeção de como foi executada a sprint mais recente em relação às interações e aos processos, avaliando-se o que funcionou corretamente e os problemas encontrados durante a sprint. 

Julgue o seguinte item, acerca de Scrum.

O compromisso do product backlog é a definição de pronto, que serve como alvo para o Scrum team planejar a dimensão da solução, sendo um objetivo a longo prazo para o Scrum team cumprir antes de assumir o próximo.

Julgue o seguinte item, acerca de Scrum.

Daily Scrum, evento de 15 minutos, cujo objetivo é inspecionar o progresso em direção à meta da sprint, é o único momento em que é permitido que os developers ajustem seu plano após o início da sprint.  

Julgue o seguinte item, acerca de Scrum.

Na sprint planning, para cada item do product backlog selecionado, o product owner planeja o trabalho necessário para criar um incremento que atenda à definição de pronto. 

Julgue o seguinte item, acerca de Scrum.

Ainda que a meta da sprint se torne obsoleta, ela não pode ser cancelada; nesse caso, a sprint planning pode ser renegociada com o product owner para a adaptação do progresso em direção à meta do produto.

Julgue o seguinte item, acerca de Scrum.

O product owner pode delegar o ordenamento de itens do product backlog.

Julgue o seguinte item, acerca de Scrum.

Um Scrum team consiste em um Scrum master, um product owner e developers, sendo multifuncional e autogerenciável, com tamanho pequeno o suficiente para permanecer ágil normalmente com dez ou menos pessoas.

Julgue o seguinte item, acerca de Scrum.

Todo trabalho no contexto de um incremento da sprint deve ser considerado, uma vez que o incremento pode ser entregue aos stakeholders antes do final da sprint.

Julgue o próximo item, relativo a extração e representação de conhecimento, ontologias, tecnologias semânticas e OWL (Ontology Web Language).

A OWL pode ser utilizada por aplicações que precisam processar o conteúdo da informação, ao invés de apenas disponibilizar conteúdo. 

Julgue o próximo item, relativo a aprendizado de máquina.

Clustering é uma técnica de mineração de dados que agrupa dados não rotulados com base em suas semelhanças ou diferenças; os algoritmos de cluster podem ser categorizados em sobrepostos, hierárquicos ou probabilísticos. 

Julgue o próximo item, relativo a aprendizado de máquina.

Naive bayes é um algoritmo de machine learning supervisionado que realiza classificação com base no princípio da independência condicional de classe a partir do teorema de Bayes, em que o algoritmo avalia o quanto ele contribuiu para classificar a instância como boa ou ruim, construindo uma tabela de probabilidades.

Julgue o próximo item, relativo a aprendizado de máquina.

A regressão é um tipo de aprendizado não supervisionado cujo objetivo é entender a relação entre variáveis dependentes. 

Julgue o próximo item, relativo a aprendizado de máquina.

No aprendizado de máquinas, o aprendizado supervisionado compreende um conjunto de dados de treinamento para ensinar modelos a mostrar a saída desejada.

Julgue o próximo item, relativo a aprendizado de máquina.

As tarefas de aprendizado de máquina podem ser divididas em três grandes grupos: classificação, agrupamento e associação, devendo o primeiro grupo possuir uma classe que se pretenda prever.

Julgue o próximo item, relativo a aprendizado de máquina.

Overfitting é um comportamento esperado e desejável de aprendizado de máquina, uma vez que descreve assertividade e acurácia altas quando o modelo de aprendizado de máquina fornece previsões precisas para novos dados com base nos dados de treinamento. 

Julgue o próximo item, relativo a aprendizado de máquina.

Ocorre sobreajuste quando o modelo não pode determinar uma relação significativa entre os dados de entrada e saída, ou seja, quando o modelo não é treinado pelo período apropriado em relação à quantidade de dados.

Julgue o próximo item, relativo a aprendizado de máquina.

Em aprendizado de máquina, um modelo de bom desempenho com dados já treinados, mas que não lide muito bem com novos dados é denominado subajuste, ou seja, no subajuste se aprende com base no ruído dos dados.