avaliação on-line 1 (aol 1) - questionário data science

Prévia do material em texto

28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 1/8
Ocultar opções de resposta 
Pergunta 1 -- /1
Leia o trecho a seguir
“Enquanto você está preenchendo os papéis de admissão, a vice-presidente da Fraternidade chega à 
sua mesa. Ela quer estimular mais conexões entre os seus membros, e pede que você desenvolva 
sugestões de ‘Cientistas de Dados Que Você Talvez Conheça’”.
Fonte: GRUS, Joel. Data Science do zero: Primeiras regras com o Phyton. Brasil: São Paulo: Alta Books, 
2018, p. 6.
Práticas empresariais em Data Science, ligadas diretamente com Machine Learn, podem ser:
Resposta corretarecomendações com base em análises de dados.
gerar valores em CSS.
dar treinamentos para funcionários
criar páginas web em html.
criar apresentações para fornecedores.
Pergunta 2 -- /1
Leia o trecho a seguir:
“Conceitos sobre como a ciência de dados (Data Science) se encaixa na organização e no cenário 
competitivo, incluindo formas de atrair, estruturar e nutrir equipes de Data Science; maneiras de 
pensar sobre como Data Science leva uma vantagem competitiva e conceitos táticos para se sair bem 
com projetos de Data Science.” 
Fonte: FOSTER, Provost; FAWCETT, Tom. Data Science para negócios: O que você precisa saber sobre 
mineração de dados e pensamento analítico de dados? Rio de Janeiro: Altabooks, 2016, p. XVI. 
A partir dessas informações e do conteúdo estudado a respeito de vantagem competitiva, pode-se 
afirmar que:
I.   Faz parte da análise de vantagem competitiva analisar dados de ameaças de produtos substitutos.
II.   Estudar dados é uma ciência técnica e não está relacionada a negócios.
III.   Faz parte da análise de vantagem competitiva analisar dados de ameaças de concorrência.
IV.    Porter aborda análise de dados em Data Science.
28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 2/8
Ocultar opções de resposta 
Ocultar opções de resposta 
V.    Os fornecedores podem representar ameaças, segundo Porter. 
Está correto apenas o que se afirma em:
I, II e IV.
Resposta corretaI, III e V.         
II e IV.
I e IV.
III e IV.
Pergunta 3 -- /1
Leia o trecho a seguir:
“Fico receoso ao dizer que Python é minha linguagem de programação favorita. Há outras linguagens 
que considero mais agradáveis, mais bem projetadas, ou apenas mais divertidas de trabalhar. E, ainda 
assim, toda vez que eu começo um projeto novo de data science, eu acabo usando Python. Toda vez 
que preciso fazer um protótipo rápido que funcione, eu acabo usando Python.”
GRUS, Joel. Data Science do zero: primeiras regras com o Phyton. São Paulo: Alta Books, 2018, p. XV. 
Considerando essas informações e o conteúdo estudado, analise as afirmativas a seguir e assinale V 
para a(s) verdadeira(s) e F para a(s) falsa(s). 
I.   ( ) IDLE executa códigos de Python de maneira prática. 
II.   ( ) Print significa ter o código em papel impresso.
III.   ( ) Jupyter-notebook serve para executar códigos de Python no navegador.
IV.   ( )   Python pode ser instalado em Linux e Windows, mas em Mac não.
Agora, assinale a alternativa que apresenta a sequência correta:
F, V, F, F.
V, V, F, F.
28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 3/8
Ocultar opções de resposta 
, , ,
F, F, V, F.
Resposta corretaV, F, V, F.
V, F, F, V.
Pergunta 4 -- /1
Leia o trecho a seguir:
“Felizmente, com a entropia para medir o quão desordenado qualquer conjunto é, podemos definir o 
Ganho de Informação para medir quanto um atributo melhora (diminui) a entropia ao longo de toda a 
segmentação que ele cria.”
Fonte: FOSTER, Provost; FAWCETT, Tom. Data Science para negócios: O que você precisa saber sobre 
mineração de dados e pensamento analítico de dados? Rio de Janeiro: Altabooks, 2016, p. 53.
Considerando a citação apresentada e os conteúdos abordados na unidade, analise as asserções a 
seguir e a relação proposta entre elas.
I. O Ganho de Informação (GI) compara a capacidade que atributos distintos possuem de retomar a 
pureza, com base nas entropias.
Porque:
II. O GI analisa os atributos com mais capacidade para determinar um comportamento, através de 
cálculos de subtração e, depois, de comparação.
A seguir, assinale a alternativa correta:
Resposta correta
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta 
da I.
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
As asserções I e II são proposições falsas.
As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
A asserção II é uma proposição falsa, e a I é uma proposição verdadeira.
28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 4/8
Ocultar opções de resposta 
Pergunta 5
--
Leia o trecho a seguir:
“O furacão Francês estava a caminho, avançando pelo Caribe, ameaçando atingir a costa atlântica da 
Flórida. Os residentes se mudaram para terrenos mais elevados, porém distantes, em Bentonville, 
Arkansas. Executivos das lojas Walmart decidiram que a situação oferecia uma grande oportunidade 
para uma de suas mais recentes armas orientadas em dados: a tecnologia preditiva.”
Fonte: FOSTER, Provost e FAWCETT, Tom. Data Science para negócios: O que você precisa saber sobre 
mineração de dados e pensamento analítico de dados? Rio de Janeiro: Altabooks, 2016, p. 3.
Considerando essas informações e o conteúdo estudado, analise as afirmativas a seguir e assinale V 
para a(s) verdadeira(s) e F para a(s) falsa(s). 
I.   ( ) Ganhos de Informação mostram quais análises são mais confiáveis.
II.   ( ) Através da entropia, descobre-se o nível de mistura dos dados, o que pode torná-los mais ou 
menos confusos. 
III.   ( ) Árvores de decisão refletem uma predição do futuro.
IV.   ( ) O log é dispensável em um cálculo de entropia.
Agora, assinale a alternativa que apresenta a sequência correta:
F, V, V, F.
Resposta corretaV, V, V, F.
V, F, F, F.
V, V, F, V.
V, F, V, V.
Pergunta 6 -- /1
Leia o trecho a seguir:
28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 5/8
Ocultar opções de resposta 
“Então quando você pede ao computador para segmentar seus clientes para você, isso é chamado de 
aprendizado de máquina não supervisionado, porque você não está ‘supervisionando', e dizendo ao 
computador como fazer seu trabalho. Isso é um contraste com aprendizado de máquina 
supervisionado, que geralmente aparece quando a inteligência artificial tem o papel principal.”
Fonte: FOREMAN. Jonh. Data Smart: Usando Data Science para transformar informação em insight. 
Brasil, São Paulo: Alta books, 2016, p. 29.
A partir dessas informações e do conteúdo estudado a respeito dos tipos de aprendizado, pode-se 
dizer que, quando o programador monta o script, que a propaganda de esmalte será enviada 
automaticamente ao público feminino, isso é um aprendizado:
Resposta correta
Supervisionado, pois o computador não segmentará quem é mulher sozinho, 
ele apenas receberá os dados booleanos com sexo feminino marcado.
Racional, pois os sistemas têm a capacidade de pensar como humanos, decidindo essas 
variações.
Inexistente, pois o usuário é o responsável por decidir as variações em todas as ocasiões.
Misto, pois o aprendizado supervisionado é aquele que possui uma observação após a criação 
do código.
Não supervisionado, pois o programador não pode criar palavras-chave para descobrir se o 
público é feminino ou masculino.
Pergunta 7 -- /1
Leia o trecho a seguir:
“Algumas das áreas de aplicação da Inteligência Artificial e Machine Learn são, por exemplo:
– jogos e brinquedos eletrônicos; 
– robótica e automação industrial;
– verificação automática desoftware;
– otimização e controle de processos;
– processamento de linguagem natural;
– bancos de dados dedutivos e mineração de dados;
– aprendizagem, planejamento e escalonamento de tarefas;
– reconhecimento de faces, de voz, de cheiros e de sabores.”
Fonte: PEREIRA, Silvio L. Introdução à Inteligência Artificial. Brasil, São Paulo: IME. 2014. Disponível em: 
<https://www.ime.usp.br/~slago/IA-introducao.pdf>. Acesso em: 20 dez. 2018.
28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 6/8
Ocultar opções de resposta 
Ocultar opções de resposta 
A partir dessas informações e do conteúdo estudado a respeito de inteligência artificial e Machine 
Learn, pode-se afirmar que:
I. Capacidade de aprendizado, de reconhecimento de voz e corretores são exemplos de Machine 
Learn.
II. Um sistema de Machine Learn pensa como máquina, pois o raciocínio humano atrapalha a 
inteligência artificial.
III. Machine Learn é mesma coisa que dataset.
IV. Um sistema de Machine Learn usa lógica racional. 
V. Recomendações semelhantes são exemplos de Machine Learn.
Está correto apenas o que se afirma em:
III e IV.
Resposta corretaI, IV e V.         
I, II e V.
II e IV.
III, IV e V.
Pergunta 8 -- /1
Leia o trecho abaixo:
“Uma questão que invariavelmente cria um debate é: O computador pode pensar? Adicionalmente, 
nós devemos discutir o papel da matemática quando lidamos com estas questões.”
Fonte: BELLMAN, Richard E. An introduction to artificial intelligence - Can computers think? San 
Francisco: Boyd and Fraser Publishing Company, 1978.
A diferença entre o pensar automático ou calculado e o pensar humano, em Machine Learn, é:
Que o lado automático é antiquado, a tecnologia e a programação são mais importantes nos 
tempos atuais.
Resposta correta
Que o lado humano torna a automatização mais comprovada e dinâmica, já o 
lado automático torna mais certeiro e eficaz.
28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 7/8
Ocultar opções de resposta 
Que o pensamento humano e racional são a mesma coisa, pois ambos executam análise de 
sentimento e respostas prontas, segundo os autores.
Que o lado humano está focado nas respostas inteligentes dadas pelo sistema.
Que o lado humano é duvidoso e dispensável em Machine Learn, pois sentimentos atrapalham 
os negócios virtuais.
Pergunta 9 -- /1
Leia o trecho a seguir:
“Por exemplo, um conceito fundamental é o de determinar a similaridade de duas entidades descritas 
pelos dados. Essa capacidade forma a base de várias tarefas específicas. Ela pode ser usada 
diretamente para encontrar clientes semelhantes em uma base de dados.”
FOSTER, Provost e FAWCETT, Tom. Data Science para negócios: O que você precisa saber sobre 
mineração de dados e pensamento analítico de dados? Rio de Janeiro: Altabooks, 2016, p. XIV.
A partir dessas informações e do conteúdo estudado a respeito das técnicas de correlações para 
análises de dados, pode-se afirmar que, além das semelhanças, uma outra correlação utilizada em 
análise supervisionada é:
Resposta corretaregressão
sumarização
filtro automático
cluster
agrupamento
Pergunta 10 -- /1
28/06/2021 Comentários
https://sereduc.blackboard.com/ultra/courses/_50304_1/outline/assessment/_3440438_1/overview/attempt/_13191785_1/revie… 8/8
Ocultar opções de resposta 
Leia o trecho a seguir:
“Python possui diversos recursos que o tornam mais adequado para o aprendizado (e prática) de Data 
Science:
• É gratuito. 
• É relativamente simples de codificar (e, o principal, de entender).
• Possui muitas bibliotecas úteis relacionadas ao data science.”
Fonte: GRUS, Joel. Data Science do zero: primeiras regras com o Phyton. Brasil: São Paulo: Alta Books, 
2018, p. XIII.
Existem diversas linguagens com várias características, porém a linguagem Python é:
produtiva e orientada e baseada na linguagem S.
baseada em linguagem java.
amigável e indicada para eventos.
Resposta corretasimples, orientada a objetos, criada com base na linguagem C.
originada na linguagem PHP, com base em linguagem C, com aplicação em SQL.