Em relação à manipulação e à limpeza de dados para fins de análise quantitativa e às linguagens de programação adequadas para essa tarefa, julgue o item que se segue. 

Em Python, a biblioteca Plotly gera visualizações baseadas em HTML e JavaScript, o que permite interatividade nativa no navegador, sem dependência de servidor ativo, diferentemente de dashboards construídos com Dash, que requerem um processo servidor em execução para processar as interações do usuário e atualizar componentes reativamente

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.

Algoritmos não supervisionados identificam agrupamentos ou estruturas ocultas nos dados sem a necessidade de rótulos prévios, operando exclusivamente sobre as observações.

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.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

O uso de slowly changing dimensions do tipo 2 em um esquema estrela permite rastrear o histórico de alterações em uma dimensão, inserindo uma nova linha a cada mudança e mantendo as linhas antigas para preservar a consistência das análises históricas.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em um esquema estrela, alterar o grão da tabela-fato implica redefinir o nível de detalhe de cada linha, o que pode exigir revisão das dimensões associadas e impactar a granularidade das análises.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em um esquema estrela, toda tabela-fato deve conter pelo menos uma medida numérica, pois sem ela não há como estabelecer relacionamento com as dimensões.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em um esquema estrela, a tabela-fato contém, predominantemente, descrições textuais detalhadas dos clientes, enquanto as dimensões armazenam métricas numéricas agregadas.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

O esquema snowflake apresenta melhor desempenho que o esquema estrela em ambientes OLAP, porque a normalização das dimensões reduz redundância e diminui o tempo de resposta das consultas analíticas.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em modelagem de dados, a terceira forma normal exige que todo atributo não-chave seja dependente apenas da chave primária, o que a torna igualmente adequada tanto para sistemas transacionais quanto para ambientes analíticos.

Acerca da modelagem estatística de dados, julgue o item a seguir.

Em regressões múltiplas, a presença de multicolinearidade perfeita melhora a precisão dos coeficientes, pois aumenta a informação disponível ao modelo.

Acerca da modelagem estatística de dados, julgue o item a seguir.

Na regressão linear simples estimada pelo método dos mínimos quadrados ordinários, o coeficiente β1 minimiza a soma dos quadrados dos resíduos.

Acerca da modelagem estatística de dados, julgue o item a seguir.

Testes t e F em regressão linear dependem, em sua formação clássica, da validade da estrutura de variância assumida pelo modelo.

Acerca da modelagem estatística de dados, julgue o item a seguir.

A normalização pode ser útil em etapas de preparação de dados, especialmente quando variáveis estão em escalas muito diferentes.

Acerca da modelagem estatística de dados, julgue o item a seguir.

Em séries temporais, a ordem temporal dos dados pode ser ignorada sem prejuízo para a modelagem, desde que a amostra seja grande.

A respeito do Plano JusMP-Prev, administrado pela FUNPRESP-JUD, julgue o seguinte item.  

O participante autopatrocinado, para transitar às categorias de participante patrocinado, vinculado ou remido, prescinde de desistência formal do autopatrocínio, bastando que ocorra aumento da base de contribuição, novo vínculo efetivo com patrocinador ou cessação do vínculo efetivo. 

A respeito do Plano JusMP-Prev, administrado pela FUNPRESP-JUD, julgue o seguinte item.  

O Plano JusMP-Prev é estruturado na modalidade de contribuição definida e seu público potencial abrange membros e servidores públicos titulares de cargo efetivo do Poder Judiciário da União e do Ministério Público da União. 

À luz do disposto no Estatuto Social da FUNPRESP-JUD, julgue o próximo item. 

Os patrimônios dos planos de benefícios administrados pela FUNPRESP-JUD são comunicáveis entre si, podendo as reservas de um plano ser utilizadas para cobrir insuficiências de outro, desde que mediante autorização da diretoria executiva da fundação.  

Com base nas Leis Complementares n.º 108/2001 e n.º 109/2001, que disciplinam o regime de previdência complementar e a relação entre entes públicos patrocinadores e suas EFPC, julgue o item a seguir. 

Nas entidades de previdência complementar patrocinadas pelo poder público e por suas empresas, o conselho fiscal, órgão máximo da estrutura organizacional, é responsável pela definição da política geral de administração da entidade, enquanto o conselho deliberativo, por ser órgão de controle interno, limita-se à fiscalização contábil e atuarial da entidade.