A respeito de Big Data, julgue o próximo item.

O processo de ELT, devido às suas etapas, exige maior definição de regras, estruturas e relações do que a abordagem ETL.

A respeito de Big Data, julgue o próximo item.

Subconjunto de um data warehouse, o data mart é especializado em uma área específica de uma organização.

A respeito de Big Data, julgue o próximo item.

Em um data lake, os dados são depositados em estado bruto, sem terem passado por qualquer análise e mesmo sem terem uma governança.

A respeito de Big Data, julgue o próximo item.

Projetos de Big Data, quando necessário, crescem horizontalmente, com a inclusão de novos nodos, e verticalmente, com o acréscimo de mais memória. 

A respeito de Big Data, julgue o próximo item.

No modelo SaaS (software as a service) da computação em nuvem utilizado para Big Data, a aplicação e os dados são gerenciados pelo provedor da nuvem.  

A respeito de Big Data, julgue o próximo item.

O YARN (Yet Another Resource Negotiator) é um sistema de arquivos distribuídos que faz parte do framework Hadoop.

A respeito de Big Data, julgue o próximo item.

A coleta de dados por meio de aplicativos é considerada explícita, porque o usuário a autoriza.

A respeito de Big Data, julgue o próximo item.

Em Big Data, ruídos consistem em informações extras que acabam deturpando as análises, enquanto overfitting designa a interpretação equivocada dos ruídos como dados legítimos.

A respeito de Big Data, julgue o próximo item.

Pipelines de dados apresentam uma única estrutura para o recebimento dos dados originados de uma fonte não confiável. 

Julgue o próximo item, referente ao processamento de linguagem natural.

Na redução de palavras ao radical, ocorre under-stemming quando duas palavras separadas são reduzidas erroneamente à mesma raiz e, com isso, ocorre a perda de distinção semântica entre palavras com significados diferentes.

Julgue o próximo item, referente ao processamento de linguagem natural.

A lematização prescinde do POS tagging para que as palavras sejam reduzidas corretamente, pois todas as palavras são reduzidas ao mesmo lemma, independentemente de sua classe gramatical. 

Julgue o próximo item, referente ao processamento de linguagem natural.

A similaridade de cosseno é uma métrica pela qual se avalia a similaridade entre dois vetores com base no ângulo entre eles em um espaço vetorial, de forma que, à medida que os vetores se aproximarem, aumentará a similaridade de cosseno. 

Julgue o próximo item, referente ao processamento de linguagem natural.

A saída do Word2Vec consiste em vetores densos de baixa dimensão que representam palavras em um espaço contínuo, onde cada palavra é mapeada para um vetor numérico no qual cada dimensão captura uma característica da palavra.

A respeito de técnicas de redução de dimensionalidade, julgue o item subsecutivo.

Para utilizar de forma adequada a análise de componentes principais (PCA, na sigla em inglês), é essencial normalizar os dados; se as variáveis não estiverem na mesma escala, aquelas com maior variância terão maior impacto, distorcendo o resultado da PCA.

A respeito de técnicas de redução de dimensionalidade, julgue o item subsecutivo.

Quando da configuração dos parâmetros do autoencoder, o tamanho do espaço latente é uma informação crucial, pois determina o tamanho do espaço onde os dados de entrada serão comprimidos.

Acerca da avaliação de modelos de classificação, julgue o item que se segue.

A área sob a curva ROC (receiver operating characteristic) é uma métrica de qualidade útil para avaliar um modelo: quanto mais próxima a curva estiver do canto superior direito do gráfico, melhor será a predição do modelo. 

Acerca da avaliação de modelos de classificação, julgue o item que se segue.

Um modelo de classificação que apresenta alta revocação é útil em contextos em que seja crucial identificar a maior quantidade possível de casos positivos, mesmo que isso resulte em um número maior de falsos positivos.

Acerca da avaliação de modelos de classificação, julgue o item que se segue.

A matriz de confusão, em problemas de classificação multiclasses, é uma tabela com duas linhas e duas colunas; na diagonal principal dessa matriz quadrada, estão os valores corretos e, na matriz secundária, os erros cometidos pelo modelo.

Acerca da avaliação de modelos de classificação, julgue o item que se segue.

A acurácia é uma métrica adequada para a avaliação de modelos quando não há desbalanceamento de classes, pois reflete com precisão a capacidade geral do modelo de fazer previsões corretas em todas as classes.

A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.

O SVM classifica os dados encontrando uma linha ou hiperplano ideal; essa linha de separação é encontrada entre duas classes distintas pela análise dos dois pontos, um de cada grupo, mais próximos da outra classe.