Onde estão os dados da ciência de dados?

Objetivo da ciência de dados:

ciclo do data science:

O Haddop, utilizado em tecnologias de Big Data e Blockchain, pode ser definido como:

A Big Data é definida como a análise e interpretação de grandes volumes de dados, que contém também uma grande variedade de formatação e tem como característica um conjunto 5 V’s, que são:

Em se tratando de um grande volume de dados como os encontrados em Data Warehouses, pode-se definer como menor granularidade, ou granularidade fina, quando há:

O termo Ciência de dados iniciou-se na década de 1960, quando surgiu a necessidade do armazenamento em massa. Essa ciência natural trata de obter conhecimento e informação, de forma sistemática, a fim que esse conhecimento possa ser normalizado e organizado. A Ciência de dados trata de estudar o dado em seu ciclo de vida: da produção ao seu descarte, onde a etapa de conhecimento representa:

Dentre um dos 5V's do Big Data, a Variedade é um dos grandes desafios, pois há uma grande dificuldade em se padronizar os dados para uso otimizado.O Big Data escalona a variedade de informações das seguintes formas:

O armazenamento de dados apresenta uma série de premissas que devem ser atendidas, dentre as quais NÃO faz parte:

Não é um exemplo típico de aplicação de Mineração de Dados:

Em uma tarefa de classificação, a classe é um atributo especial que queremos prever ou descrever.

O agrupamento é um tipo de tarefa de Mineração de Dados...

Prever a altura de bebês a partir de sua altura aos dois anos de idade. Qual tarefa de Mineração de Dados é essa?

Seu cliente quer potencializar as vendas em seu e-commerce e lhe contrata para tentar ofertar novos produtos aos clientes à medida que eles compram. Que tipo de tarefa de Mineração de Dados é esta:

Analisando dados coletados de algas marinhas desconhecidas, buscando categoriza-lo segundo atributos em comum. Qual tarefa de mineração de dados é esta?

O conceito de informação pode ser definido, principalmente, como:

Uma informação é um dado significativo, útil e muito relevante para a empresa e para a tomada de decisões. Ela deve ser definida:

Unir conceitos de Sistemas de Informação e Tecnologia da Informação pressupõe:

Os processos de negócios também podem ser chamados como:

O OLAP é uma ferramenta bastante utilizada em Data Mining, que envolve a criação de Data Marts especialmente configurados para permitir análises multidimensionais de dados, como forma de encontrar regras e padrões.

Podemos dizer que a afirmativa acima é:

A afirmativa: "Há uma ligação bastante intima entre o Business Intelligence e Data Mining pois ambos os processos se alimentam mutualmente."

Esta afirmativa está:

Complete a afirmativa:

______________ é um banco de dados especializado cujo objetivo é unificar e organizar (normatizar) todos os dados disponíveis a uma organização.

A lacuna deve ser corretamente completada com a palavra:

As 3 partes que as regras e padrões significativos do Data Mining são:

É um repositório de dados específicos, um subconjunto dos dados mantidos no Data Warehouse. Esta afirmativa é relacionada ao:

A aplicação do ________ soluciona o problema de síntese, análise e consolidação de dados, pois é o processamento analítico online dos dados. Tem capacidade de visualizações das informações a partir de muitas perspectivas diferentes, enquanto mantém uma estrutura de dados adequada e eficiente.

É um termo usado por fornecedores de hardware e software e consultores de tecnologia da informação para descrever a infraestrutura para armazenamento, integração, elaboração de relatórios e análise de dados que vêm do ambiente empresarial.

Conjuntos de dados com volumes tão grandes que estão além da capacidade que um SGBD relacional típico tem para capturar, armazenar e analisar. São dados normalmente são não estruturados.

O __________, possibilita armazenar grandes volumes de dados coletados dos sistemas transacionais. São as chamadas séries históricas que possibilitam uma melhor análise de eventos passados, oferecendo suporte às tomadas de decisões presentes e a previsão de eventos futuros.

Pode ser considerado um subconjunto do Data WareHouse, ou seja, um datawarehouse departamental.

O __________, explora grandes quantidade de dados procurando padrões consistentes, como regras de associação ou sequencias temporais, para detectar relacionamentos sistemáticos entre variáveis, detectando assim novos subconjuntos de dados.

Um neurônio artificial é composto por: entradas, pesos, função soma e função de ativação

Nas redes neurais do tipo feed forward, não é necessário utilizar o algoritmo backpropagation para atualização dos pesos

No aprendizado não supervisionado a entrada inclui as soluções desejadas.

A técnica de clustering busca criar sistemas para detectar instâncias similares sem que seja preciso informar rótulos de cada instância de treino

A redução de dimensionalidade busca simplificar os dados sem perder muita informação, juntando características correlacionadas

Nessa técnica, o sistema é treinado para aprender um modelo capaz de prever um valor numérico dadas algumas características. Qual é essa técnica?

Quais dos seguintes atributos humanos a IA consegue imitar?

Quais das alternativas a seguir são cargas de trabalho comuns da IA?

Uma concessionária de automóveis deseja usar os dados históricos de vendas de carros para treinar um modelo de machine learning. O modelo deve prever o preço de um carro seminovo com base na marca, no modelo, no tamanho do motor e na quilometragem. O revendedor deve usar o machine learning automatizado para criar qual tipo de modelo de machine learning?

Um banco deseja usar registros históricos de repagamento de empréstimos para categorizar aplicações de empréstimo como de baixo risco ou alto risco com base em características como o valor do empréstimo, a renda do tomador e o período do empréstimo. O banco deve usar machine learning automatizado para criar qual tipo de modelo de machine learning?

Você usa um pipeline do designer do Azure Machine Learning para treinar e testar um modelo de classificação binária. Você examina as métricas de desempenho do modelo em um módulo Avaliar Modelo e observe que ele tem uma pontuação AUC de 0,3. O que é possível concluir sobre o modelo?

Você usa o designer do Azure Machine Learning para criar um pipeline de treinamento para um modelo de clustering. Agora, você quer usar o modelo em um pipeline de inferência. Qual módulo você deve usar para fazer inferências de previsões de cluster do modelo?

Dado o histórico de idades e alturas das crianças, você quer prever a altura das crianças em função da sua idade.

Examinar um grande conjunto de e-mails que são identificados como spam, para descobrir se existem sub-tipos de e-mails spam.

Dado um conjunto de dados genéticos (DNA) de uma pessoa, prever as chances de ele/ela desenvolver diabetes ao longo dos próximos 10 anos.

Examinar as estatísticas de dois times de futebol, e prever qual equipe vai ganhar o jogo de amanhã (dado um conjunto de dados históricos das vitórias / perdas para ser aprendido).

Através de uma coleção de 1000 textos escritos sobre a economia do Brasil, encontrar uma maneira de agrupar automaticamente estes textos que são de alguma forma "similares" ou "relacionados".

A Inteligência Aritificial (IA) é uma tecnologia que ainda não está presente no nosso dia a dia

A Inteligência Aritificial (IA) é a combinação de algoritmos projetados para criar máquinas que tenham as mesmas capacidades que o ser humano

Dos conceitos abaixo quais são aqueles que fazem parte das principais aplicações da IA. Selecione a opção que considera correta

O pressuposto inicial geral na criação da IA foi o de tornar as vidas humanas mais fáceis e o de melhorar a nossa qualidade de vida.

Contudo, e porque a IA não resolve todos os nossos problemas, selecione as opções que considera serem uma desvantagem da IA

As tarefas de aprendizado de máquina são tipicamente divididas

conforme os sinais de entrada e as respostas do aprendizado

(ZUBELLI, 2017). Marque a opção que apresenta essas tarefas corretamente.

Os sistemas de aprendizado ___________ buscam aprender

construindo representações simbólicas de um conceito, por meio da

análise de exemplos e contraexemplos dele. As representações

simbólicas estão tipicamente na forma de alguma expressão lógica,

árvore de decisão, regras ou rede semântica. Qual das alternativas preenche corretamente a lacuna?

Os sistemas de aprendizado de máquina apresentam características

peculiares, que possibilitam uma classificação não exclusiva desses

sistemas em função da linguagem de descrição, do modo de

aprendizado, do paradigma de aprendizado, das formas e da tarefa

de aprendizado (STANGE, 2011). Qual das alternativas apresenta um modo de aprendizado de máquina:

Agrupar fotos de animais similares em clusters, sem ter o

conhecimento prévio de qual animal está sendo apresentado. Qual modo de aprendizado pode ser aplicado neste exemplo?

Os sistemas de Machine learning, em português conhecidos como sis-

tema de aprendizagem automática ou sistemas de aprendizado de

máquina, podem ajudar a descobrir padrões, realizar determinadas

tarefas através da generalização de casos e na utilização de dados.

Os algoritmos de aprendizado de máquina têm um modo de

aprendizado que depende de um especialista externo para avalizar

seus resultados. Assinale a alternativa CORRETA que contenha

esse modo:

No aprendizado supervisionado, são

apresentados exemplos do que é desejado como entrada e saída, de

modo que o objetivo é aprender uma regra que mapeia a entrada na

saída.

é o treinamento de modelos de aprendizado de máquina para tomar uma sequência de decisões. O agente aprende a atingir uma meta em um ambiente incerto e potencialmente complexo. Estamos falando de:

Os sistemas de Aprendizado de Máquina podem ser classificados de acordo com

a quantidade e o tipo de supervisão que recebem durante o treinamento. Existem

cinco categorias principais de aprendizado: supervisionado, não supervisionado,

semissupervisionado, sem reforço e por reforço.

No Aprendizado Não-Supervisionado, destacam-se duas técnicas:

Acerca dos conceitos de mineração de dados, aprendizado de máquina e bigdata, julgue o próximo item. A análise de classificação é uma tarefa que consiste em agrupar um conjunto de objetos de tal forma que estes, juntos no mesmo grupo, sejam mais semelhantes entre si que em outros grupos.

É um modelo matemático de inteligência artificial

que simula o comportamento do cérebro humano, tendo um papel

importante na história e na atualidade do desenvolvimento de

algoritmos inteligentes. Esta afirmação refere-se a:

Os algoritmos não incrementais são frequentemente aplicados a fluxos

de dados ou big data , abordando problemas de disponibilidade de

dados e escassez de recursos, respectivamente.

No método de classificação para mineração de dados, a filiação dos objetos é obtida por meio de um processo não supervisionado de aprendizado, em que somente as variáveis de entrada são apresentadas para o algoritmo.

Estimar um modelo que utilize a idade e os anos de

escolaridade de um indivíduo não-observado anteriormente para

tentar prever seu salário. Utiliza-se como base desse modelo: idades,

anos de escolaridades e salários de diversos indivíduos já observados

anteriormente. Este exemplo pode ser aplicado em qual modo de aprendizado?

Esse tipo de sistema de aprendizado é denominado lazy (preguiçoso)

e necessita manter os exemplos na memória para classificar novos

exemplos, em oposição aos sistemas eager (gulosos), que utilizam os

exemplos para induzir o modelo, descartando-os logo após. A qual sistema de aprendizado a assertiva refere-se:

O aprendizado supervisionado é baseado no aprendizado incremental e

classificação. O humano fornece um banco de dados e ensina a

máquina a reconhecer o que é uma bicicleta, por exemplo, entre

padrões e semelhanças.

Os algoritmos de Machine learning têm seu aprendizado baseado em dados

históricos e diversas aplicações: agricultura de precisão, reconhecimento

de imagem, classificação de textos, desenvolvimento de chatbots. Torna-se

difícil um setor do novo modelo tecnológico que não utilize suas técnicas.

Sobre Machine learning, assinale a alternativa CORRETA que contenha as

tarefas de aprendizado:

São benefícios do aprendizado de máquina, exceto:

As grandes empresas têm tudo a ver com a segmentação e personalização dos seus produtos. Fazem-no analisando as características particulares das pessoas e partilhando programas para as atrair. Infelizmente, algumas empresas são mal sucedidas nos seus esforços de vendas e marketing. Os algoritmos de ___________ podem agrupar indivíduos com características semelhantes e analisar se eles irão comprar o seu produto. Qual das alternativas preenche a lacuna corretamente?

aprendizado não supervisionado é a forma menos utilizada pelas

empresas. Isso porque a máquina começa a analisar, sozinha, os

dados e a identificar os padrões — aprendendo a separar o que é

uma lata de uma garrafa, por exemplo. Como é a máquina

aprendendo por si só conceitos que nunca viu antes, o processo é

mais demorado e, portanto, não tão popular.

/

Os algoritmos de Machine Learning (ML) são baseados em diferentes conceitos matemáticos que influenciam na escolha de determinado algoritmo

para resolver um problema. Cada algoritmo faz parte de um tipo de ML (supervisionado, não supervisionado ou por reforço). Sobre as tarefas de

Machine Learning e seus modos de aprendizado, classifique V para as sentenças verdadeiras e F para as falsas:

( ) Classificação é uma tarefa supervisionada.

( ) Regressão é uma tarefa não supervisionada.

( ) Agrupamento é uma tarefa supervisionada.

( ) Regressão é uma tarefa supervisionada.

Um desenvolvedor de uma instituição bancária foi designado para tentar usar técnicas de aprendizado de máquina para, dado o saldo diário durante um ano de um cliente, classificá-lo como BOM ou MAU candidato a receber um cartão de crédito VIP. Para isso, a única informação que pode usar — e que ele recebeu — é um conjunto de treinamento com 50.000 clientes pré- classificados pelos seus gerentes, contendo 365 campos com os saldos diários e um campo com o número 1, caso o cliente fosse um BOM candidato, ou o número 0 (zero), caso fosse um MAU candidato. Essas respostas são consideradas corretas. Considerando as práticas tradicionais de aprendizado de máquina, o desenvolvedor deve escolher um algoritmo:

Uma tarefa comum não supervisionada é o aprendizado de regras de associação, cujo objetivo é se aprofundar em grandes quantidades de dados e classificar atributos atributos.

Robôs podem substituir os humanos em algumas funções.

A Netflix o Spotify são tipos de Inteligência Artificial?