Compartilhando | Teste 1: Big Data

#1. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Um dos desafios do Big Data é o volume de dados. Sabendo que um profissional de tecnologia da informação necessita utilizar um Big Data, assinale a alternativa que apresenta um tipo de banco de dados que é utilizado em soluções baseadas em Big Data.

Banco de dados NoSQL.

Banco de dados Extensível.

Banco de dados Relacional.

Banco de dados Multivalorados.

Banco de dados Redimensional.

#2. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) O Big Data é definido como coleções de dados cuja sua quantidade é tão grande que é difícil armazenar, gerenciar, processar e analisar esses dados por meio de bancos de dados tradicionais. Nos últimos anos, houve um crescimento exponencial nos dados estruturados e não estruturados gerados pela tecnologia da informação da indústria e saúde por meio da internet das coisas (IoT), por exemplo. Sabendo disso, assinale a alternativa que apresenta corretamente as cinco características, também conhecidas como os cinco “vês”, de um big data.

Valor, viabilidade, visiblidade, velocidade, volume.

Volume, vertente, valor, virtualidade, vitabilidade.

Viabilidade, vitalício, virtual, velocidade, valor.

Velocidade, volume, veracidade, variedade, valor.

Veracidade, viabilidade, volume, virtualidade, variedade.

#3. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Um dos desafios em se trabalhar com grandes volumes de dados de diferentes regiões do mundo é realizar o tratamento em dados do tipo data e hora. Com base nessa informação, os profissionais de tecnologia da informação que precisam trabalhar com a função SYSDATETIMEOFFSET da T-SQL sabem que o papel dessa função é

trazer data e hora atual do sistema.

trazer data e hora compatíveis com a SQLANSI.

trazer data e hora com a UTC, ou seja, Universal Time Coordinated.

trazer data e hora atual com o fuso horário.

trazer data e hora atual aplicando um deslocamento (offset) com a quantidade de horas informada pelo usuário.

#4. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Assinale a alternativa que apresenta corretamente a terminologia de ‘classificador’ para a mineração de dados.

É um conjunto de bibliotecas de um programa que realiza a classificação de dados.

É qualquer algoritmo que atribui uma classificação para instâncias invisíveis.

É toda função matemática que classifica para instâncias de uma base de dados.

É uma linguagem computacional que aprimora a classificação de dados.

É um sistema de banco de dados que realiza o tratamento e a limpeza de dados que os classifica para o uso.

#5. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) A linguagem R é uma poderosa linguagem para se trabalhar com dados. Assinale a alternativa que apresenta somente funções da Linguagem R

input(), output(), floor(), avg().

mean(), summary(), quantile(), var().

sum(), avarage(), clean(), goto().

class(), vetor(), sum(), min().

for(), loop(), data(), math().

#6. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Assinale a alternativa que apresenta o comando que informa à Linguagem R em qual pasta ela deve ler os arquivos de dados.

filter().

select().

read_fwf().

setwd().

library()

#7. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Os grafos são importantes para os modelos de BI. Sabendo disso, assinale a alternativa que apresenta corretamente a justificativa da importância no uso das estruturas de grafos pelos modelos de BI.

Os grafos são úteis para estabelecer a interação entre a tecnologia do BI e o seu usuário.

Os grafos são úteis para modelar relacionamentos em um processo de negócios.

Os grafos são úteis para montar tabelas e apresentações para os tomadores de decisão do BI.

Os grafos são úteis para estabelecer o desempenho dos dados dentro do BI.

Os grafos são úteis para dimensionar a quantidade de usuários que um ambiente de BI suporta.

#8. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Considerando que um profissional de tecnologia da informação necessita definir um argumento em T-SQL que se comporta como uma variável local para a entrada de parâmetros para uma rotina, assinale a alternativa que apresenta corretamente a forma de declaração que esse profissional deve fazer para esse argumento.

DECLARE @id_emp AS INT = 10;

INT @id_emp = 10 AS ARGUMENT;

@id_emp INT = 10;

DEFINE @id_emp AS INT;

FROM EMP CREATE @id_emp AS ARGUMENT;

#9. (AOCP - Instituto AOCP - MJ - Cientista de Dados/2020) Na mineração de dados, existem as regras de associação. Regras desse tipo representam uma associação entre os valores de certos atributos e os valores de outros atributos. Assinale a alternativa que apresenta corretamente o nome do processo de extração dessas regras de um determinado conjunto de dados.

Indução de regras (RI).

N melhores regras (N-BR).

Processamento de transações (TP).

Extração, transformação e carga (ETL).

Mineração de regras de associação (ARM).

#10. (AOCP - Instituto AOCP - MJ - Cientista de Dados/2020) Um dos desafios do Big Data é o volume de dados. Sabendo que um profissional de tecnologia da informação necessita utilizar um Big Data, assinale a alternativa que apresenta um tipo de banco de dados que é utilizado em soluções baseadas em Big Data.

Banco de dados NoSQL.

Banco de dados Extensível.

Banco de dados Relacional.

Banco de dados Multivalorados.

Banco de dados Redimensional.

#11. (AOCP - Instituto AOCP - MJ - Cientista de Dados/2020) Um cientista de dados necessita estimar a precisão preditiva de um classificador medindo essa precisão para uma amostra de dados ainda não utilizada. Quais são as três estratégias principais, comumente usadas para isso, que o cientista de dados pode utilizar?

Divisão de dados em conjunto de treino e conjunto de teste, validação cruzada k-fold e validação cruzada N-fold.

Erro padrão, divisão de dados em conjunto de treino e conjunto de teste, re-execução de testes.

Conjunto de dados permanentes, conjunto de teste e re-execução de testes.

Valid e Verbose.

#20. (AOCP - MJ/2020) O MJSP possui uma coleção de conjuntos de dados cujo volume, velocidade e variedade é grande e difícil de armazenar, gerenciar, processar e analisar. Esse conjunto de dados é definido atualmente como

Big data.

Data base.

Business analytics.

Cloud computer.

Business Intelligence.

#21. (COMPERVE UFRN - TJ-RN/2020) Big Data surgiu a partir da necessidade de manipular um grande volume de dados e, com isso, novos conceitos foram introduzidos, como o Data Lake, que

pode ser considerado um repositório de dados relacionados, sendo, portanto, um armazém de dados orientado por assunto.

pode ser considerado um conjunto de bancos de dados relacionais e com relacionamentos entre tabelas de diferentes esquemas de bancos de dados.

é o resultado de sucessivas operações de mineração de dados, sendo um ambiente no qual é possível ter relatórios e dashboards de maneira amigável para os analistas de negócio.

é projetado para armazenar dados de diversas fontes e formatos, não havendo a necessidade da definição de um esquema de dados para inserir novos itens.

#22. (CESPE - Ministério da Economia/2020) O objetivo das técnicas de pré-processamento de dados é preparar os dados brutos para serem analisados sem erros de incompletudes, inconsistências e ruídos.

CERTO

ERRADO

#23. (CESPE - Ministério da Economia/2020) O ciclo de vida da informação compreende as fases de produção, manuseio, armazenamento, transporte e descarte.

CERTO

ERRADO

#24. (CESPE - Ministério da Economia/2020) Em se tratando da técnica de correlação, utiliza-se uma escala de 1 a -1 para indicar o grau de similaridade entre duas variáveis distintas.

CERTO

ERRADO

Na técnica de correlação utiliza-se a escala de 1 a -1 em que 1 indica que as variáveis estão fortemente correlacionadas, ou seja, há uma relação linear positiva, -1 indica uma correlação linear negativa e o 0 indica que não há correlação entre as variáveis.

Dessa forma, a assertiva está correta.

#25. (FCC - ALE-AP/2020) Atualmente, diversos dados são coletados pelos sistemas digitais de empresas na internet para constituir Big Data com conteúdo sobre os resultados alcançados por seus produtos e serviços, prestígio da imagem da organização e seus representantes. Porém, parte desses dados pode ser falsa ou manipulada por internautas. O tratamento dos dados, a fim de qualificá-los antes de disponibilizá-los para a tomada de decisão na empresa, segundo o conceito das cinco dimensões “V” de avaliação de um Big Data, se refere

ao valor.

à variedade.

à veracidade.

à velocidade.

ao volume.

O V de Veracidade corresponde à capacidade do big data selecionar dados que sejam úteis e verídicos para serem utilizados. Com a quantidade enorme de diferentes estruturas, é importante identificar quais dos dados recebidos são úteis e confiáveis. Portanto, dados falsos ou manipulados serão filtrados.

#26. (AOCP - MJ/2020) O Big Data é definido como coleções de dados cuja sua quantidade é tão grande que é difícil armazenar, gerenciar, processar e analisar esses dados por meio de bancos de dados tradicionais. Nos últimos anos, houve um crescimento exponencial nos dados estruturados e não estruturados gerados pela tecnologia da informação da indústria e saúde por meio da internet das coisas (IoT), por exemplo. Sabendo disso, assinale a alternativa que apresenta corretamente as cinco características, também conhecidas como os cinco “vês”, de um big data.

Valor, viabilidade, visiblidade, velocidade, volume.

Volume, vertente, valor, virtualidade, vitabilidade.

Viabilidade, vitalício, virtual, velocidade, valor.

Velocidade, volume, veracidade, variedade, valor.

Veracidade, viabilidade, volume, virtualidade, variedade.

#27. (CESPE - TCE-RO/2019) Com relação a fundamentos e conceitos de Big Data, julgue os itens a seguir. I O volume de dados é uma característica importante de Big Data. II Em Big Data, a qualidade do dado não tem importância, porque a transformação dos dados não impacta os negócios. III A característica de velocidade de entrada dos dados impacta o modelo de processamento e armazenamento. IV A variedade dos dados não é característica intrínseca nos fundamentos de Big Data. Estão certos apenas os itens

I e II.

I e III.

II e IV.

I, III e IV.

II, III e IV.

#28. (FCC - TCE-RS/2018) Um sistema de Big Data costuma ser caracterizado pelos chamados 3 Vs, ou seja, volume, variedade e velocidade. Por variedade entende-se que

há um grande número de tipos de dados suportados pelo sistema.

há um grande número de usuários distintos acessando o sistema.

os tempos de acesso ao sistema apresentam grande variação.

há um grande número de tipos de máquinas acessando o sistema.

os tamanhos das tabelas que compõem o sistema são muito variáveis.

#29. (CESGRANRIO - Petrobras/2018) O termo Big Data é bastante conhecido pelos profissionais de tecnologia da informação, especialmente aqueles envolvidos com bancos de dados, inteligência de negócios, sistemas de informações e sistemas de apoio à decisão. Uma característica inerente a esse conceito é a da

complexidade das suas fontes de informação, o que demanda a necessidade de sua prévia limpeza, integração e transformação.

estabilidade da taxa de geração desses dados, o que garante sua utilização confiável na geração analítica de informação com independência temporal.

heterogeneidade do conjunto de dados, empregada em dados originalmente estruturados ou semiestruturados.

qualidade das fontes de dados, por conta dos padrões de expansão e de retenção reveladores da ordem existente nos dados.

escalabilidade, que, na sua forma original, possui alto valor granular quando comparado ao de seu volume.

#30. (AOCP - PRODEB/2018) A ciência dos dados é um campo emergente. A demanda é elevada, e encontrar pessoal qualificado é um dos principais desafios associados à análise de Big Data. Sobre conhecimento técnico em administração de dados, é correto afirmar que o cientista de dados agrega ao trabalho, EXCETO

habilidade para integrar e preparar grandes e variados conjuntos de dados.

habilidades de comunicação para apresentar resultados.

conhecimento empresarial para aplicar um contexto.

conhecimento e habilidades para recrutamento e seleção de pessoas por competências.

habilidade avançada de análise e modelagem para revelar e compreender relacionamentos obscuros.

Teste 1: Big Data

Materiais de Estudo disponíveis

Teste 1: Big Data

Results

#4. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Assinale a alternativa que apresenta corretamente a terminologia de ‘classificador’ para a mineração de dados.

#5. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) A linguagem R é uma poderosa linguagem para se trabalhar com dados. Assinale a alternativa que apresenta somente funções da Linguagem R

#6. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Assinale a alternativa que apresenta o comando que informa à Linguagem R em qual pasta ela deve ler os arquivos de dados.

#7. (Instituto AOCP – Instituto AOCP – MJ – Cientista de Dados – Big Data/2020) Os grafos são importantes para os modelos de BI. Sabendo disso, assinale a alternativa que apresenta corretamente a justificativa da importância no uso das estruturas de grafos pelos modelos de BI.

#12. (CESPE - TCE/RJ/2021) A descoberta de conhecimento em bases de dados, ou KDD (knowledge-discovery), é a etapa principal do processo de mineração de dados.

#13. (CESPE - TCE/RJ/2021) Volume, variedade e visualização são as três características, conhecidas como 3 Vs, utilizadas para definir Big Data.

#14. (CESPE - TCE/RJ/2021) Em Big Data, a premissa volume refere-se à capacidade de processar, em um ambiente computacional, diferentes tipos e formatos de dados, como fotos, vídeos e geolocalização.

#15. (CESPE - TCE/RJ/2021) Os fatores críticos de sucesso da análise de Big Data incluem uma sólida infraestrutura de dados, além de ferramentas analíticas e pessoal habilitado para lidar com elas.

#16. (CESPE - TCE/RJ/2021) A fase de implantação do CRISP-DM (cross industry standard process for data mining) só deve ocorrer após a avaliação do modelo construído para atingir os objetivos do negócio.

#17. (AOCP - MJ/2020) José está enfrentando problemas relacionados ao armazenamento em vários formatos, com estrutura de dados geralmente inconsistente, e à dificuldade de integração. Esses problemas, conhecidos em Qualidade de Dados para Big Data, podem ser respectivamente classificados como

#18. (CESPE - Ministério da Economia/2020) O objetivo da técnica de sequência de tempo é identificar a ocorrência de dois eventos diferentes no mesmo momento.

#19. (COMPERVE UFRN - TJ-RN/2020) Embora Big Data tenha diferentes definições, há um consenso sobre o modelo dos 3 V’s que correspondem a 3 características. Duas dessas características são:

#20. (AOCP - MJ/2020) O MJSP possui uma coleção de conjuntos de dados cujo volume, velocidade e variedade é grande e difícil de armazenar, gerenciar, processar e analisar. Esse conjunto de dados é definido atualmente como

#21. (COMPERVE UFRN - TJ-RN/2020) Big Data surgiu a partir da necessidade de manipular um grande volume de dados e, com isso, novos conceitos foram introduzidos, como o Data Lake, que

#22. (CESPE - Ministério da Economia/2020) O objetivo das técnicas de pré-processamento de dados é preparar os dados brutos para serem analisados sem erros de incompletudes, inconsistências e ruídos.

#23. (CESPE - Ministério da Economia/2020) O ciclo de vida da informação compreende as fases de produção, manuseio, armazenamento, transporte e descarte.

#24. (CESPE - Ministério da Economia/2020) Em se tratando da técnica de correlação, utiliza-se uma escala de 1 a -1 para indicar o grau de similaridade entre duas variáveis distintas.

#28. (FCC - TCE-RS/2018) Um sistema de Big Data costuma ser caracterizado pelos chamados 3 Vs, ou seja, volume, variedade e velocidade. Por variedade entende-se que