Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir. 

Na primeira camada descrita, o funcionamento dos painéis de business intelligence fundamenta-se na estruturação multidimensional do data warehouse para viabilizar o processamento analítico de dados.

Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir. 

Na segunda camada da arquitetura, a execução de algoritmos preditivos nos processos de data analytics, em linguagens como Python e R, está subordinada ao resultado dos processos de business intelligence. 

Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir. 

No contexto do sistema de suporte à decisão da arquitetura proposta, as ferramentas de gestão de conteúdo são alocadas na primeira camada com a função técnica de estruturar e modelar os dados relacionais numéricos armazenados no data warehouse. 

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 operação de merge entre dois DataFrames da biblioteca Pandas realiza, por padrão, um inner join, descartando registros sem correspondência em ambas as chaves; quando há valores ausentes nas colunas de junção, essa biblioteca os trata como valores iguais entre si, preservando esses registros no resultado final. 

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.