57461 Q1077310
Engenharia de Software Qualidade de Software
Ano: 2025
Banca: CESPE / CEBRASPE

Julgue o item a seguir, a respeito dos conceitos de qualidade de software.  


De acordo com o modelo de referência MPS para software MR-MPS-SW:2024, o propósito do processo de gerência de projetos é estabelecer e manter atualizados os planos que definam atividades, recursos, riscos, prazos e responsabilidades do projeto.  

57462 Q1077309
Engenharia de Software Qualidade de Software
Ano: 2025
Banca: CESPE / CEBRASPE

Julgue o item a seguir, a respeito dos conceitos de qualidade de software.  


O modelo de referência MPS para software MR-MPS-SW:2024 determina que técnicas estatísticas e outras técnicas quantitativas devem ser utilizadas para determinar ou prever o alcance dos objetivos de qualidade e de desempenho dos processos.  

57463 Q1077308
Banco de Dados Big Data BI (Business Intelligence)
Ano: 2025
Banca: CESPE / CEBRASPE

Julgue o seguinte item, relativo a técnicas de visualização de dados em business intelligence, a data lakes e a regras de associação em mineração de dados.


Embora os data lakes possam armazenar dados estruturados, como tabelas de bancos relacionais, eles não oferecem suporte para dados semiestruturados e não estruturados, tais como arquivos JSON, XML, imagens e vídeos.

57464 Q1077307
Banco de Dados Data Mining Big Data BI (Business Intelligence)
Ano: 2025
Banca: CESPE / CEBRASPE

Julgue o seguinte item, relativo a técnicas de visualização de dados em business intelligence, a data lakes e a regras de associação em mineração de dados.


Em mineração de dados, as regras de associação podem ser utilizadas para identificar combinações recorrentes entre argumentos jurídicos e decisões judiciais, revelar padrões entre tipos de ação e desfechos processuais, e auxiliar na recomendação de precedentes com base em casos semelhantes.

57465 Q1077306
Sistemas de Informação Sistemas de Informação
Ano: 2025
Banca: CESPE / CEBRASPE

Julgue o seguinte item, relativo a técnicas de visualização de dados em business intelligence, a data lakes e a regras de associação em mineração de dados.


A utilização de gráficos de dispersão e histogramas em grandes conjuntos de dados permite visualizar a distribuição das variáveis e a correlação entre elas; a escolha das variáveis independentes e dependentes influencia a percepção de tendências e padrões. 

57466 Q1077305
Banco de Dados Banco de Dados Relacionais SQL
Ano: 2025
Banca: CESPE / CEBRASPE
        A seguir, são apresentadas as tabelas Pessoas, Processos e Partes que existem em um banco de dados: a primeira armazena dados acerca das pessoas envolvidas nos processos; a segunda armazena dados dos processos; e a terceira relaciona pessoas aos processos, com indicação do papel de cada uma (autor, réu, testemunha, etc.). Por fim, uma mesma pessoa pode estar envolvida em mais de um processo, e assumir diferentes papéis em cada um deles.  
...
57467 Q1077304
Banco de Dados DW - Data Warehouse BI (Business Intelligence)
Ano: 2025
Banca: CESPE / CEBRASPE

Acerca dos conceitos relacionados a business intelligence, julgue o item que se segue. 


Na implementação do slowly changing dimension tipo 2, o valor antigo é sobrescrito pelo valor novo.  

57468 Q1077303
Banco de Dados DW - Data Warehouse BI (Business Intelligence)
Ano: 2025
Banca: CESPE / CEBRASPE

Acerca dos conceitos relacionados a business intelligence, julgue o item que se segue. 


Dimensões degeneradas são atributos de evento inseridos diretamente na tabela de fatos, de modo que se dispensa a criação de uma tabela de dimensão dedicada.

57469 Q1077302
Sistemas de Informação Sistemas de Informação
Ano: 2025
Banca: CESPE / CEBRASPE

Acerca dos conceitos relacionados a business intelligence, julgue o item que se segue. 


Na abordagem bottom-up, deve-se, primeiro, criar data marts específicos para cada área de negócio, que serão posteriormente integrados em um data warehouse corporativo. 

57470 Q1077301
Estatística Conhecimentos de estatística Modelos lineares
Ano: 2025
Banca: CESPE / CEBRASPE

A respeito de máquinas de vetores de suporte e de avaliação de modelos de regressão, julgue o próximo item.  


MSE (mean squared error) é uma medida usada para a avaliação da acurácia de modelos de classificação e representa a métrica de fidelidade de acerto de um modelo em relação ao atributo alvo (target attributes), portanto, pode ser utilizada para avaliar o desempenho de assertividade do modelo.