Questões

CERTO

ERRADO

CERTO

ERRADO

CERTO

ERRADO

Independência conceitual é a capacidade de se alterar o esquema conceitual sem ter de se alterar a aplicação.

Uma “view” é uma tabela e, por isso, também existe fisicamente como as tabelas base.

No modelo relacional duas tuplas nunca podem ter a mesma combinação de valores em uma mesma relação.

Uma chave primária não pode ser formada pela união de vários atributos em uma relação.

Entidades fracas possuem um atributo chamado chave estrangeira.

V – F – V.

F – F – F. 

V – V – V.

V – V – F. 

F – F – V.

CERTO

ERRADO

ERRADO

CERTO

DDL, SSD e modelagem virtual.

SQL, DDL e SSD.

SQL, modelagem conceitual e projeto físico.

Projeto físico, SQL e SSD.

Modelagem conceitual, projeto lógico e projeto físico.

Média da coluna, interpolação de vizinhos mais próximos, moda da coluna, vizinhos mais próximos (KNN) e valor aleatório são métodos para tratamento de dados faltantes, ou seja, atributos não preenchidos na base de dados.

O método de divisão de dados leave-one-out (deixando um de fora) aproveita o máximo dos dados, pois todos os dados, com exceção de um item, são utilizados para treinar a cada execução; essa configuração é a mais utilizada para algoritmos custosos de aprendizado de máquina como as redes neurais profundas. 

Os dados coletados podem ser de três tipos: numéricos, texto e imagem; assim, os algoritmos de aprendizagem de máquina são capazes de lidar com todos os tipos de dados, bastando que os dados sejam transformados para dados contínuos utilizando técnicas como interpolação. 

A divisão dos dados em 3 conjuntos (treino, validação e teste) é bastante comum para avaliação de algoritmos com muitos parâmetros, como as redes neurais; o conjunto de validação funciona como um conjunto de avaliação de parâmetros e é utilizado para confirmar se o algoritmo encontrou o máximo global.

Validação cruzada é um método de divisão dos dados em que os dados são divididos por k partes em que, a cada rodada, uma das partes é o conjunto de teste e o restante é utilizado para treino; a divisão dos conjuntos estratificada para validação cruzada não é aconselhada caso o valor de k seja igual a 10.

índices B-tree melhoram a eficiência das consultas e suportam a escalabilidade do banco de dados.

índices B-tree melhoram a eficiência das consultas, mas reduzem significativamente a escalabilidade do banco de dados.

a utilização de índices B-tree não influencia o desempenho das consultas.

índices B-tree são menos eficientes para bancos de dados com poucos dados.