No que concerne a inovação e design thinking, julgue o item a seguir. 

A técnica de brainstorming, ou tempestade de ideias, tem sido evitada nos processos relacionados à inovação, visto que favorece a diminuição dos níveis criativos das propostas de solução. 

No que concerne a inovação e design thinking, julgue o item a seguir. 

Sendo concebido como abordagem ou metodologia, o design thinking serve à inovação, no atendimento às necessidades das pessoas. 

No que concerne a inovação e design thinking, julgue o item a seguir. 

O design thinking pode ser realizado conforme preceitos e procedimentos previamente definidos, a partir de processos e sistemáticas próprios. 

No que concerne a inovação e design thinking, julgue o item a seguir. 

Em uma organização, o processo de inovação é uma metodologia de implantação de novidades já existentes e não de produção de novas soluções. 

No que concerne a inovação e design thinking, julgue o item a seguir. 

Dada a segurança do processo de design thinking, nele os testes de premissa são desnecessários.

Julgue o item subsequente, relativo à visualização de dados.

Gráfico de pizza é a melhor escolha para a visualização de grandes conjuntos de dados complexos. 

Julgue o item subsequente, relativo à visualização de dados.

Gráficos de barras são adequados para comparar diferentes categorias de dados.

Julgue o item subsequente, relativo à visualização de dados.

Dashboards interativos permitem aos usuários explorar os dados em diferentes níveis de detalhe, facilitando a análise e a tomada de decisões. 

Julgue o item subsequente, relativo à visualização de dados.

A escolha das cores em um gráfico tem pouca influência na interpretação dos dados. 

Em relação a manipulação e limpeza de dados, julgue o item a seguir. 

A transformação de dados categóricos utilizando codificação one-hot sempre reduz a dimensionalidade do conjunto de dados. 

Em relação a manipulação e limpeza de dados, julgue o item a seguir. 

A normalização dos dados é importante na preparação de dados para modelos de aprendizado de máquina, pois garante que todas as variáveis estejam na mesma escala, independentemente de sua importância no modelo. 

Em relação a manipulação e limpeza de dados, julgue o item a seguir. 

Local outlier factor é uma técnica de detecção de outliers que mede a anomalia de um dado com base na densidade local dos seus vizinhos. 

Acerca de análise quantitativa, julgue o item que se segue. 

A utilização de técnicas de análise quantitativa, como análise de séries temporais, pode revelar informações relevantes e tendências futuras acerca de determinado conjunto de dados. 

Acerca de análise quantitativa, julgue o item que se segue. 

No que se refere à compreensão de conceitos subjetivos, a análise quantitativa é mais adequada que a qualitativa.

Acerca de análise quantitativa, julgue o item que se segue. 

Amostras maiores tendem a fornecer estimativas mais precisas dos parâmetros de determinada população.

Julgue o próximo item, a respeito de machine leaning. 

A biblioteca Scikit-learn é amplamente utilizada para aprendizado de máquina em Python, mas não é especializada em processamento de linguagem natural nem oferece suporte robusto para redes neurais profundas.  

Julgue o próximo item, a respeito de machine leaning. 

Árvores de decisão são técnicas de modelagem preditiva que particionam iterativamente os dados em subconjuntos homogêneos baseados em variáveis explicativas.

Julgue o próximo item, a respeito de machine leaning. 

Os algoritmos de regressão linear, por minimizarem a soma dos resíduos quadrados para ajustar os coeficientes, são sensíveis a outliers, que podem distorcer os coeficientes e comprometer a previsão do modelo. 

Julgue o próximo item, a respeito de machine leaning. 

Grandes volumes de dados frequentemente revelam padrões e tendências que são valiosos para análises preditivas e tomadas de decisão, facilitando a antecipação de comportamentos futuros e permitindo melhor alocação de recursos e planejamento. 

Julgue o item a seguir, no que se refere à modelagem de banco de dados. 

A forma normal de Boyce-Codd assegura que qualquer atributo ou conjunto de atributos que determina outro em uma tabela (determinante) seja uma chave candidata, eliminando possíveis anomalias causadas por dependências funcionais inadequadas.