Cebraspe 2024 · Informática

Question

Julgue os itens a seguir, a respeito de ETL e técnicas de redução de dimensionalidade. A redução de dimensionalidade acrescenta variáveis nos modelos de inteligência artificial para torná-los mais específicos e objetivos.

C) Certo
E) Errado

Accepted Answer

Gabarito oficial: Errado. # Comentário — Redução de Dimensionalidade

A assertiva está **errada** porque inverte completamente o conceito fundamental de redução de dimensionalidade. Essa técnica **remove ou sintetiza variáveis**, não as acrescenta. O objetivo é justamente o oposto: diminuir o número de features (dimensões) para simplificar modelos, reduzir ruído e melhorar performance computacional.

**Por que reduzir dimensionalidade?** Quando um dataset possui muitas variáveis, ocorre o fenômeno da "maldição da dimensionalidade" — o modelo fica overfitting, computacionalmente pesado e menos generalizável. Técnicas como PCA (Principal Component Analysis), análise de componentes principais e seleção de features eliminam redundâncias e mantêm apenas as informações mais relevantes.

O resultado é um modelo **mais simples, mais rápido e frequentemente mais robusto**, não "mais específico". Embora possa haver ganho em objetivo (focar nas features importantes), a estratégia é **redutiva, não aditiva**. Um modelo com poucas variáveis bem-selecionadas é melhor que um com todas as variáveis originais — este último tende ao overfitting.

A Cebraspe cobra esse conceito porque é central em pipelines de ETL e pré-processamento de dados para IA. Confun

Informática — Cebraspe 2024

Mais questões de Informática

Fonte