No que se refere a Big Data, julgue o seguinte item.
Value, pilar fundamental do Big Data, está relacionado à qualidade, à confiabilidade e à precisão dos dados, assim como à garantia de que esses dados não se tornem ruído.
Questões de certo/errado e de múltipla escolha das provas anteriores, com o gabarito definitivo da banca. Responda de graça com uma conta: até 10 por dia.
No que se refere a Big Data, julgue o seguinte item.
Value, pilar fundamental do Big Data, está relacionado à qualidade, à confiabilidade e à precisão dos dados, assim como à garantia de que esses dados não se tornem ruído.
Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue os itens subsequentes.
Em pipelines de dados, a etapa de transformação pode incluir limpeza, padronização e enriquecimento dos dados processados.
Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue os itens subsequentes.
Data lake é uma arquitetura destinada ao armazenamento exclusivo de dados estruturados, previamente organizados em tabelas relacionais.
Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue os itens subsequentes.
Em ambientes de Big Data, sistemas distribuídos de armazenamento permitem o processamento de grandes volumes de dados em múltiplos nós computacionais.
Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue os itens subsequentes.
Em pipelines de dados, a etapa de ingestão corresponde ao processo de eliminação permanente dos dados de origem após o carregamento no ambiente analítico.
Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue os itens subsequentes.
O armazenamento orientado a objetos é incompatível com data lakes devido à natureza dos dados armazenados.
No âmbito do aprendizado de máquina não supervisionado, os algoritmos de agrupamento (clustering) apresentam diferentes abordagens para a organização de dados sem rótulos. Considerando as propriedades operacionais dos algoritmos k-means, DBSCAN e SOM (self-organizing maps), assinale a opção correta.
No que concerne aos fundamentos conceituais e operacionais do aprendizado de máquina, julgue os itens a seguir.
I O algoritmo de aprendizado constitui o procedimento
lógico-matemático (ou processo de otimização) aplicado ao
conjunto de dados para a indução de um modelo; este último
representa a generalização ou hipótese final capaz de realizar
inferências sobre dados não observados durante o
treinamento.
II Os parâmetros são variáveis internas ao modelo cujos valores
são aprendidos ou estimados a partir dos dados (ex.: pesos em
redes neurais ou coeficientes de regressão); por outro lado, os
hiperparâmetros são configurações externas ao modelo,
definidas antes do processo de treinamento, que controlam o
comportamento do algoritmo e a complexidade do modelo
(ex.: número de vizinhos no KNN ou a taxa de aprendizado).
III No aprendizado supervisionado, o objetivo é a indução de
uma função de mapeamento entre variáveis de entrada e uma
variável alvo predestinada (rótulo); já no aprendizado não
supervisionado, o processo foca a descoberta de padrões
intrínsecos, estruturas latentes ou distribuições em dados que
não possuem anotações ou supervisão externa. Assinale a opção correta.
No desenvolvimento de soluções para problemas complexos fundamentados em evidências, é imperativo distinguir as competências e os objetivos de cada domínio. A respeito da relação técnica entre Big Data, ciência de dados (data science) e análise de dados (data analytics), assinale a opção correta.
No contexto de arquiteturas modernas para o ecossistema de Big Data, a organização funcional visa gerenciar o ciclo de vida do dado sob os pilares de volume, velocidade e variedade. Considerando as camadas funcionais e os princípios de processamento distribuído, assinale a opção correta.
Os enunciados são das provas públicas do Cebraspe; o gabarito é o definitivo, publicado pela banca. Achou algo estranho num item? Escreva para o suporte.