Conceitos de IoT e Machine Learning

Prévia do material em texto

“O conceito de IoT é baseado na ideia de fusão do mundo real com o mundo digital, fazendo 
com que os indivíduos estejam em constante comunicação e interação com outras pessoas e 
objetos. A IoT possui funções de reconhecimento inteligente, localização, rastreamento e 
gerenciamento de diversos dispositivos, trocando informações a todo momento”.
Analise as alternativas a seguir e assinale a correta. 
a. A tecnologia IoT permite que seja criada uma união entre o mundo real e o mundo digital. 
b. A tecnologia IoT dificulta a criação de uma união entre o mundo real e o mundo digital.
c. A tecnologia IoT bloqueia a criação de uma união entre o mundo real e o mundo digital. 
d. A tecnologia IoT permite que seja criado um único caminho para o uso da tecnologia no mundo digital.
e. A tecnologia IoT permite que seja criada uma união entre o mundo virtual e o mundo digital.
“A estrutura da Pandas é ainda bastante flexível para admitir o uso 
das funções matemáticas de numpy[...] Pode se elevar todos os preços 
dos produtos ao quadrado, calcular o logaritmo natural dos preços, 
enfim, as operações matemáticas são admitidas pelas tabelas na 
Pandas”
Analise as alternativas a seguir e assinale a correta:
a. O data frame é comparado a uma planilha ou tabela dinâmica
b. O data frame é comparado a um arquivo JPG e JPEG de dados
c. O data frame é comparado a um arquivo PDF e JPG de dados
d. O data frame é comparado a um PDF para leitura de dados
e. O data frame é comparado a uma planilha ou arquivo PDF
Leia o trecho a seguir. 
“[...] conceitos relativos à gravação e à leitura de arquivos usando 
Python. Operações envolvendo arquivos são importantes porque eles 
representam uma das possíveis maneiras de armazenar dados 
permanentemente, gravando-os em disco”.
Em relação à busca de informações em arquivos, analise as alternativas a seguir e 
assinale a correta. 
a. Os dados podem ser buscados no modo texto ou no modo ternário. 
b. Os dados podem ser buscados no modo texto ou no modo binário. 
c. Os dados podem ser buscados no modo fixo ou no modo binário. 
d. Os dados podem ser buscados no modo físico ou no modo binário.
e. Os dados podem ser buscados no modo ternário ou no modo físico
“Os atributos quantitativos ou numéricos podem assumir valores binários, inteiros ou reais. Por 
outro lado, atributos qualitativos são, geralmente número finito de símbolos ou nomes. Entretanto, 
algumas vezes, atributos categóricos são representados por números, mas nesse caso não faz 
operadores aritméticos sobre os seus valores. Por exemplo, qual seria o sentido de calculara média dos 
valores de um atributo categórico representado identificação de um paciente?”
Analise as alternativas a seguir e assinale a correta.
a. Os atributos em relação a escala podem ser classificados como gerais, intervalares e racionais.
b. Os atributos em relação a escala podem ser classificados como escalares, intervalares e racionais.
c. Os atributos em relação a escala podem ser classificados como ordinais, intervalares e racionais
d. Os atributos em relação a escala podem ser classificados como ordinais, intervalares e integrais
e. Os atributos em relação a escala podem ser classificados como ordinais, gerais e racionais.
O aprendizado engloba alguma experiência ou prática sobre algum assunto. 
Nesse caso, especificamente, o aprendizado de máquina remete à inserção desse 
conceito em máquinas computacionais. Sempre, porém, a um propósito, e aqui 
veremos a relação do aprendizado de máquina com os dados. 
Em relação aos recursos que estão ligados ao Machine Learning, assinale a 
alternativa correta. 
a. O aprendizado de máquina é composto por um conjunto de recursos, processos 
manuais e servidores
b. O aprendizado de máquina é composto por um conjunto de recursos off-line e 
investimento financeiro
c. O aprendizado de máquina é composto por um conjunto de recursos de 
inteligência artificial e dados.
d. O aprendizado de máquina é composto por um conjunto de recursos 
computacionais off-line e processos
e. O aprendizado de máquina é composto por um conjunto de recursos de 
inteligência natural e computação
Provavelmente, o modelo das receitas se baseia em tentativa e erro – alguém experimentou 
combinações de ingredientes na cozinha até encontrar as misturas certas. Ademais, o modelo de 
pôquer se baseia na teoria da probabilidade, nas regras do jogo e em hipóteses razoavelmente 
inócuas sobre o processo aleatório de distribuição das cartas.
Com base no exposto, analise as versões a seguir e as relações propostas entre elas. 
I. O aprendizado de máquina se refere ao uso de modelos que aprendem com os dados pesquisados.
Porque
II. Os dados existentes podem ser utilizados para conduzir uma nova busca de dados. 
Analisando essas asserções anteriores, conclui-se que: 
a. as asserções I e II são proposições verdadeiras, e a II é uma justificativa a I. 
b. a asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
c. a asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
d. as asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I.
e. as asserções I e II são falsas
A análise preditiva é uma ciência. Para garantir que obtenha os melhores resultados 
possíveis, você precisa do talento e das habilidades da equipe de engenharia. A equipe de TI 
desempenha um papel fundamental no sucesso de seus projetos de análise preditiva.
Concernente ao exposto, analise as versões a seguir e as relações propostas entre elas. 
I. Para implementar a análise preditiva dentro de uma empresa será necessário um funcionário da 
área de TI
Porque 
II. Um funcionário da área de TI poderá auxiliar na implementação de funcionalidades para que seja 
executada a análise preditiva de acordo com a sua necessidade.
Analisando essas asserções anteriores, conclui-se que: 
a. as asserções I e II são proposições verdadeiras, e a II é uma justificativa a I. 
b. a asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
c. a asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
d. as asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I.
e. as asserções I e II são falsas
Leia o trecho a seguir. 
“Para ver os valores de determinada coluna, basta usar, por exemplo, para a tabela 
de preços criadas anteriormente, preço[]; nos colchetes, coloca-se, entre aspas ou 
apóstrofes, o nome da coluna desejada. 
Analise as alternativas a seguir e assinale a correta. 
a. Para ordenar os dados em uma coluna pela ordem alfabética, basta utilizar o comando 
<nome>tinint_values(by=‘ xxxxx’)
b. Para ordenar os dados em uma coluna pela ordem alfabética, basta utilizar o comando 
<nome>short_values(by=‘ xxxxx’)
c. Para ordenar os dados em uma coluna pela ordem alfabética, basta utilizar o comando 
<nome>long_values(by=‘ xxxxx’)
d. Para ordenar os dados em uma coluna pela ordem alfabética, basta utilizar o comando 
<nome>string_values(by=‘ xxxxx’)
e. Para ordenar os dados em uma coluna pela ordem alfabética, basta utilizar o comando 
<nome>sort_values(by=‘ xxxxx’)
Sem resposta assinalada pelo sistema
“E o atributo representa continentes do planeta, é possível apenas ver se dois valores são 
iguais ou diferentes, a menos que se queira ordenar os continentes, por ordem alfabética. Mas 
nesse caso, o atributo seria do tipo original. São exemplos de atributos com escala nominal, 
nome do paciente, RG, CPF, número da conta, no banco, CEP, cores, com as categorias verde, 
amarelo, branco, etc, sexo, com as categorias feminino e masculino.” 
Considerando este tema, analise as asserções a seguir e as relações propostas entre elas. 
I. No uso da escala nominal, os valores quantitativos são desconsiderados e são utilizados nomes 
diferenciados. 
Porque
II. Os valores são representados por nomes que os descrevem. 
A respeito destas asserções, assinale a alternativa correta.
a. as asserçõesI e II são proposições verdadeiras, e a II é uma justificativa da I. 
b. a asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
c. a asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
d. as asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I.
e. as asserções I e II são falsas
Sem resposta assinalada pelo sistema
Antigamente, adquirimos conhecimento por meio de livros, pesquisas, 
entrevistas, dentre outros meios. Esses conhecimentos eram aplicados ao 
desenvolvimento de métricas voltadas ao uso dos recursos computacionais. 
Considerando o cenário apresentado, analise as versões a seguir e a relação proposta entre elas. 
I. A tecnologia Machine Learning se baseia no crescimento do conhecimento por meio da 
prática. 
Porque
II. De acordo com as atividades já executadas, os computadores aprendem formas de processar 
e buscar informações. 
Analisando as versões anteriores, conclui-se que: 
a. as asserções I e II são proposições verdadeiras, e a II é uma justificativa a I. 
b. a asserção I é uma proposição verdadeira, e a II é uma proposição falsa. 
c. a asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
d. as asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I.
e. as asserções I e II são falsas
Sem resposta assinalada pelo sistema
Nós, seres humanos, temos a capacidade de raciocinar ao contrário de uma máquina. 
Apesar de, atualmente, podermos contar com esses artefatos para quase tudo, eles ainda 
desempenham apenas funcionalidades pré-programadas. É aí que entra a inteligência 
artificial, a qual, como o nome já expõe, proporciona o conhecimento a esses mecanismos 
por meio de dados. 
Analise as alternativas a seguir e assinale a correta. 
a. O Machine Learning é a aplicação de técnicas de processamentos operacionais, buscando padrões 
ocultos em dados. 
b. O Machine Learning é a aplicação de técnicas de processamentos computacionais, buscando padrões 
ocultos em dados. 
c. O Machine Learning é a aplicação de técnicas de processamentos processuais de busca por dados em 
várias fontes de dados.
d. O Machine Learning é a aplicação de técnicas de processamentos opcionais, de modo a utilizar 
padrões conhecidos em dados
e. O Machine Learning é a aplicação de técnicas estabelecidas e fixas em um código fonte que contém 
padrões ocultos em dados.
Sem resposta assinalada pelo sistema
O desempenho de um sistema de RBC depende da estrutura e conteúdo de 
sua base de casos. Para a construção de uma base de casos, é necessário decidir o 
que armazenar em um caso, encontrar uma estrutura apropriada para descrever o 
conteúdo dos casos e definir como os casos devem ser organizados e indexados, a 
fim de possibilitar a recuperação rápida e a reutilização eficaz de soluções 
anteriores. FATELI ET AL 2021 
Analise as afirmações a seguir e assinale a correta. 
a. Um caso é representado por um único atributo-valor. 
b. Um caso pode representar diferentes tipos de conhecimento. 
c. Um caso é representado somente por outro caso representado. 
d. Um caso necessariamente representa um tipo de conhecimento por vez.
e. Um caso é uma única forma distinta de formas de dados
Sem resposta assinalada pelo sistema
A implementação de soluções para IoT é constituída por redes heterogêneas e amplamente 
distribuídas. Uma importante característica dessas redes é a identificação por radiofrequências, tecnologias 
inteligentes e nanotecnologias, que são importantes para que exista uma grande variedade de serviços. 
Considerando esse tema, analise as versões a seguir e as relações propostas entre elas. 
I. A tecnologia IoT está presente nos mais variados setores atualmente. Podemos observar exemplos nos 
cartões de crédito e nas etiquetas de supermercados, tecnologia esta denominada RFID. 
Porque 
II. Ela funciona de forma simples, pois permite que os dados gravados em um chip sejam lidos por 
equipamentos de radiofrequência. Além disso, pode ser atualizada a distância, no caso de valores dos 
produtos, em gôndolas de supermercado, etc..
Analisando essas asserções, conclui-se que: 
a. as duas asserções são verdadeiras, e a segunda justifica a primeira. 
b. a primeira asserção é verdadeira, e a segunda é falsa. 
c. a primeira asserção é falsa, e a segunda é verdadeira.
d. . as duas asserções são verdadeiras, mas a segunda não justifica a primeira.
e. as duas asserções são falsas
Sem resposta assinalada pelo sistema
“As etiquetas contém informações eletrônicas e não necessitam estar visualmente alinhadas com um 
equipamento leitor, além disso...... Ser divididas em etiquetas passivas, que recebem energia a partir das 
ondas de rádio de um leitor RFID próximo. As etiquetas ativas .... Fonte de energia local, como uma 
bateria, e podem operar a centenas de metros do leitor RFID”
Analise as alternativas a seguir e assinale a correta.
a. O uso de atuadores e sensores de forma independente, sem a necessidade de internet, gera dados 
automaticamente.
b. O uso de atuadores e sensores de forma independente gera dados automaticamente e tomadas de 
decisão automáticas.
c. O uso de atuadores e sensores interligados sem a necessidade de internet, gera dados 
automaticamente.
d. O uso de atuadores e sensores de forma dependente, necessita de leituras manuais para auxiliar a 
decisão de forma manual.
e. O funcionamento da tecnologia IoT baseia-se no uso de dispositivos desconectados em uma rede fora 
da internet.
Esta pergunta esta faltando algumas palavras. Foi cortada quando tiraram o print. Segue.
Sem resposta assinalada pelo sistema
Considerando esse tema, analise as asserções a seguir e a relação proposta entre elas. 
I. A função data frame utiliza critérios lógicos para a seleção de dados
Porque
II. O filtro de dados utiliza operadores lógicos, como >, >=, <, <=, & permitindo assim a união e a intersecção 
de dados. 
Analisando essas asserções anteriores, conclui-se que: 
a. as duas asserções são verdadeiras, e a segunda justifica a primeira. 
b. a primeira asserção é verdadeira, e a segunda é falsa. 
c. a primeira asserção é falsa, e a segunda é verdadeira.
d. . as duas asserções são verdadeiras, mas a segunda não justifica a primeira.
e. as duas asserções são falsas
Esta pergunta esta faltando o inicio. Sem resposta assinalada pelo sistema
	Slide 1
	Slide 2
	Slide 3
	Slide 4
	Slide 5
	Slide 6
	Slide 7
	Slide 8
	Slide 9
	Slide 10
	Slide 11
	Slide 12
	Slide 13
	Slide 14
	Slide 15