A respeito da situação hipotética apresentada e da linguagem SQL a ela relacionada, julgue o item a seguir. 

A DDL permite a criação de restrições de integridade referencial entre as tabelas, como, por exemplo, a definição de uma chave estrangeira (foreign key) na tabela SINISTRO referenciando o código da APOLICE. 

A respeito da situação hipotética apresentada e da linguagem SQL a ela relacionada, julgue o item a seguir. 

Para recuperar os nomes de todos os beneficiários vinculados a apólices ativas, usa-se a DQL com cláusulas como INNER JOIN e WHERE, classificando-se tal operação como consulta de dados.

A respeito da situação hipotética apresentada e da linguagem SQL a ela relacionada, julgue o item a seguir. 

A DQL é capaz de realizar agrupamentos e agregações por meio de funções como SUM, COUNT e GROUP BY, sendo possível, por exemplo, calcular o número de apólices por cidade.  

A respeito da situação hipotética apresentada e da linguagem SQL a ela relacionada, julgue o item a seguir. 

O comando UPDATE pode ser utilizado para alterar a definição de colunas em uma tabela, como o tipo de dado de uma coluna data_nascimento, por exemplo, substituindo VARCHAR por DATE.

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.  

Em bancos NoSQL orientados a documentos, é comum o uso de estruturas aninhadas, que evitam junções e melhoram a performance de leitura. 

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.  

A modelagem em bancos de grafos segue o mesmo princípio das tabelas relacionais, sendo estruturada em tuplas fixas e normalizadas. 

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.  

Na quarta forma normal (4FN), as dependências parciais e transitivas por si só são eliminadas, ainda que a tabela não esteja previamente na FNBC. 

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.  

A primeira forma normal (1FN) será satisfeita quando todos os atributos tiverem domínio atômico, ou seja, quando não houver valores compostos ou repetitivos.

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.  

O DataMesh adota um modelo centralizado de governança e integração de dados, priorizando a consistência sobre a escalabilidade.  

Julgue o próximo item, relativo à normalização de dados, à modelagem de dados NoSQL e ao DataMesh.  

No DataMesh, os dados são tratados como produtos, e cada domínio é responsável por fornecer, manter e documentar seus próprios dados.

Julgue o próximo item, relativo a manipulação, tratamento e visualização de dados, ETL e ELT, e MLOps. 

Na implementação de MLOps, o monitoramento de modelos em produção deve centrar-se nas métricas de desempenho técnico como a latência, sendo a detecção de viés algorítmico uma preocupação restrita à fase de desenvolvimento do modelo.  

Acerca de inteligência artificial (IA), julgue o seguinte item.  

Nos modelos generativos baseados em difusão, como o stable diffusion, o processo de geração de imagens ocorre por meio da aplicação sequencial de ruído gaussiano em uma imagem inicial em branco, consoante o mesmo procedimento do treinamento, mas em escala reduzida, para otimizar o tempo de processamento.  

Acerca de inteligência artificial (IA), julgue o seguinte item.  

Em redes neurais artificiais, as funções de ativação não lineares são essenciais para que o modelo possa aprender representações complexas, uma vez que múltiplas camadas de transformações lineares equivaleriam a uma única transformação linear.  

Acerca de inteligência artificial (IA), julgue o seguinte item.  

No processamento de linguagem natural, os modelos baseados em arquitetura transformer superaram as RNN e LSTM principalmente pela capacidade de tais modelos processarem sequências mais longas com menor custo computacional.  

Acerca de inteligência artificial (IA), julgue o seguinte item.  

As redes neurais convolucionais (CNN) são fundamentais para tarefas de visão computacional porque implementam operações de convolução que permitem a extração hierárquica de características visuais, desde bordas e texturas em camadas iniciais, até estruturas mais complexas em camadas profundas. 

A respeito de aprendizagem de máquina, julgue o item que se segue.  

Em validação cruzada k-fold, cada instância do conjunto de dados é utilizada uma única vez para teste, o que garante avaliação equilibrada. 

A respeito de aprendizagem de máquina, julgue o item que se segue.  

No agrupamento hierárquico, ao contrário do k-means, não se exige especificação prévia do número de clusters. 

A respeito de aprendizagem de máquina, julgue o item que se segue.  

No algoritmo Apriori, utilizado para mineração de regras de associação, o princípio da monotonicidade estabelece que, se um itemset for frequente, então todos os seus superconjuntos também serão frequentes, o que permite uma poda eficiente do espaço de busca.