Questões de Concurso sobre Outras Métricas (COCOMO, LOC, etc.)

Diferentes métricas de desempenho devem ser observadas no gerenciamento de servidores e no gerenciamento de estações de trabalho. Nesse sentido, são métricas que devem ser observadas em cada caso (servidores e estações de trabalho):

Em um conjunto de dados sobre renda familiar, um valor extremamente alto pode representar uma pessoa com renda muito superior à média, e, portanto, deve sempre ser removido, independentemente de sua relevância para a análise.

Método utilizado para coletar insights sobre comportamentos, atividades e experiências dos usuários ao longo do tempo e em contexto. Ao longo deste método, os participantes relatam suas interações e experiências à medida que ocorrem, em um período que pode variar de alguns dias, semanas, a um mês ou mais. A coleta de insights contextuais e relatados pelos participantes ao longo do tempo torna este método excelente para entender como os usuários se comportam no contexto de suas vidas cotidianas. O texto refere-se a qual método?

Local outlier factor é uma técnica de detecção de outliers que mede a anomalia de um dado com base na densidade local dos seus vizinhos.

A similaridade de cosseno é uma métrica pela qual se avalia a similaridade entre dois vetores com base no ângulo entre eles em um espaço vetorial, de forma que, à medida que os vetores se aproximarem, aumentará a similaridade de cosseno.

Você é um analista de tecnologia da informação do Ministério Público do Estado do Paraná e está analisando um conjunto de dados de desempenho de servidores (computadores). Após a coleta dos dados, você percebeu que alguns valores estão muito distantes dos demais. Para garantir a integridade da análise, você decide avaliar esses outliers. Para avaliar e tratar outliers, qual abordagem é mais adequada nesse contexto?

O analista Jeferson está configurando um projeto no SonarQube. Ao configurar as métricas de código que devem ser monitoradas, Jefferson adicionou ao projeto a métrica que indica o tempo necessário para corrigir todos os code smells presentes no código. Jefferson adicionou ao projeto no SonarQube a métrica:

Modelos de aprendizagem de máquina são, em geral, avaliados com métricas que indicam os quão poderosos e relevantes eles são. Entre exemplos de métricas de avaliação utilizadas para modelos de classificação binária, podemos citar:

• Taxa de precisão (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos positivos);

• Taxa de sensibilidade (razão entre verdadeiros positivos e o total dos verdadeiros positivos e falsos negativos, também conhecida por recall); e

• Escore F1 (F1-score, também chamado de F-measure), que relaciona as taxas de precisão e de sensibilidade.

Suponha a existência de um modelo de classificação binária cuja taxa de precisão é de 90,00% e cuja taxa de sensibilidade é de 75,00%. Utilize aproximação de duas casas decimais.

O escore F1 referente a esse modelo é

As métricas de segurança são estabelecidas a partir de análises quantitativas realizadas sobre dados relacionados à segurança da informação coletados em diversos departamentos da organização. Para mensurar por quanto tempo as ameaças à segurança estão passando despercebidas por sua organização, deve ser utilizada a métrica:

Para a mensuração de esforço de desenvolvimento em contratação de TIC no governo, é vedada a adoção de métrica homem-hora ou equivalente, salvo mediante justificativa e vinculação à entrega de produtos de acordo com os prazos e qualidade previamente definidos.

Métricas são essenciais para fornecer insights quantificáveis sobre o desempenho e a eficácia de estratégias em diversos contextos. Elas permitem avaliações objetivas que orientam decisões informadas, otimizações contínuas e aprimoramento direcionado, essenciais para o sucesso e a melhoria contínua. Taxa de conversão se relaciona com as métricas de UX, à medida que

Na monitoração e otimização de desempenho de bancos de dados relacionais, uma métrica importante é o número de blocos que contêm tuplas de uma relação r (br), calculado como: br = nr/ fr, sendo nr o número de

No modelo COCOMO II (constructive cost model II), os pontos de objeto correspondem a características das classes resultantes de uma análise preliminar orientada a objetos do software a ser desenvolvido.

Observe que "Outros fatores fundamentais são o planejamento e o controle da execução do projeto na razão dos riscos, custos, recursos e prazos que devem ser rigorosamente acompanhados em função do orçamento governamental". Está inserido nesse contexto o método

No processo de engenharia de software, utiliza-se o modelo empírico de estimativa (estático e de valor simples) que computa o esforço e custo de desenvolvimento de software como uma função do tamanho de programa expresso em linhas de código estimadas. Este modelo é conhecido por

E a_b (KLOC) exp (b_b) é uma equação típica do modelo COCOMO básico, onde "E" é o esforço aplicado em pessoas-mês, KLOC é o número estimado de linhas de código do projeto. O coeficiente ab e o expoente bb referem-se a valores extraídos da tabela de classes de projetos, de acordo com sua classificação em modo

Analise os quadros abaixo, relativos às categorias de atributos direcionadores de custo do modelo básico do COCOMO:

A correta associação entre os elementos das duas tabelas é