Questões de Banco de Dados para Concurso

Foram encontradas 12.811 questões

www.qconcursos.com
Q1754021
Banco de Dados Banco de Dados Relacionais , Big Data ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754021 Banco de Dados
A respeito de conceitos de NoSQL orientado a grafos, orientado a documentos e orientado a colunas, julgue o item a seguir.
Uma coleção e um documento, no MongoDB, são equivalentes à tabela e à linha, no Modelo Relacional de Dados.
Alternativas
Q1754020
Banco de Dados SQL ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754020 Banco de Dados
A respeito de conceitos de NoSQL orientado a grafos, orientado a documentos e orientado a colunas, julgue o item a seguir.
Cypher query language, linguagem de consulta de gráfico do Neo4j que possibilita aos usuários o armazenamento e a recuperação de dados do banco de dados de gráficos, permite declarar o que se deseja selecionar, inserir, atualizar ou excluir desses dados de gráficos.
Alternativas
Q1754019
Banco de Dados DW - Data Warehouse ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754019 Banco de Dados
Considerando o projeto Apache Hadoop, julgue os itens subsequentes.
Um projeto relacionado ao Hadoop e mantido pela Apache é o Hive, que é uma camada de data warehouse que roda em cima do Hadoop e que utiliza uma linguagem similar à SQL, denominada Hive SQL.
Alternativas
Q1754018
Banco de Dados DW - Data Warehouse ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754018 Banco de Dados
Considerando o projeto Apache Hadoop, julgue os itens subsequentes.
O subprojeto Sqoop atua na camada funcional de data warehouse e queries do Hadoop.
Alternativas
Q1754017
Banco de Dados Banco de Dados Paralelos e Distribuídos ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754017 Banco de Dados
Considerando o projeto Apache Hadoop, julgue os itens subsequentes.
As formas de execução do Hadoop podem ser modo local, modo pseudodistribuído ou modo completamente distribuído, e a especificação do seu modo de execução é definida na configuração dos arquivos core-site.xml, hdfs-site.xml e mapred-site.xml.
Alternativas
Q1754016
Banco de Dados Big Data ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754016 Banco de Dados
Considerando o projeto Apache Hadoop, julgue os itens subsequentes.
Ao serem armazenados no HDFS (Hadoop Distributed File System), os dados do Hadoop são divididos em blocos e distribuídos em discos distintos de um mesmo servidor, o que acelera o seu processamento, já que são pesquisados de forma simultânea, e não de forma sequencial.
Alternativas
Q1754015
Banco de Dados Big Data ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754015 Banco de Dados
Com relação aos fundamentos do big data, julgue os itens que se seguem.
Big data caracteriza-se, principalmente, por volume, variedade e velocidade, o que se justifica devido ao fato de os dados serem provenientes de sistemas estruturados, que são maioria, e de sistemas não estruturados, os quais, embora ainda sejam minoria, vêm, ao longo dos anos, crescendo consideravelmente.
Alternativas
Q1754014
Banco de Dados Big Data ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754014 Banco de Dados
Com relação aos fundamentos do big data, julgue os itens que se seguem.
No que se refere aos três Vs do big data, o termo volume refere-se a dados que, atualmente, não são estruturados nem armazenados em tabelas relacionais, o que torna sua análise mais complexa.
Alternativas
Q1754012
Banco de Dados Modelagem de dados , Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1754012 Banco de Dados
Em uma organização, foram elencadas as necessidades a seguir.
I Aplicação de modelo de gerenciamento com base no Six Sigma, de modo a gerenciar as etapas da Mineração de Dados do setor responsável.
II Implantação do processo Sequenciar Atividades, no desenvolvimento do cronograma do projeto, com base no PMBOK.
III Implantação de abordagem ágil em relação à criação do backlog do projeto — lista ordenada de todo o trabalho, apresentado em forma de história.
Tendo como referência essa situação hipotética e a gestão de projetos em ciência de dados, julgue o item a seguir
Para o atendimento à necessidade I, deve-se implantar a CRISP-DM, cujas etapas são Entendimento do Negócio, Entendimento dos Dados, Preparação dos Dados, Modelagem, Avaliação e Aplicação.
Alternativas
Q1753999
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753999 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
Em cada iteração na estimação do parâmetro β, o método do gradiente descendente requer n observações da base de treinamento, ao passo que o método do gradiente descendente estocástico utiliza uma observação selecionada aleatoriamente dessa base de treinamento.
Alternativas
Q1753998
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753998 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
Entre as condições ideais relativas à função objetivo g(β) para a aplicação do método do gradiente descendente incluem-se convexidade, continuidade e diferenciabilidade.
Alternativas
Q1753997
Banco de Dados Banco de Dados ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753997 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
O método do gradiente descendente é equivalente ao método de Newton-Raphson, no qual o incremento, para a estimação do parâmetro β, depende da primeira e da segunda derivada da função objetivo g(β).
Alternativas
Q1753996
Banco de Dados Banco de Dados , Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753996 Banco de Dados
    Determinado parâmetro β será estimado recursivamente com a ajuda de um método de otimização matemática com base em uma função objetivo g(β). Para essa estimação, a base de dados de treinamento consistirá de n observações.
Considerando essa situação hipotética, julgue os itens que se seguem.
O gradiente descendente em lote é um método probabilístico de otimização no qual, para cada iteração, encontram-se L × n observações geradas mediante amostragem (com reposição) da base de dados de treinamento (em que L representa o número de lotes, com L > 1).
Alternativas
Q1753995
Banco de Dados Metadados e Metainformação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753995 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Para o tratamento estatístico de valores ausentes do tipo MCAR, é suficiente preencher com zeros as lacunas existentes em um conjunto de dados.
Alternativas
Q1753994
Banco de Dados Metadados e Metainformação ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753994 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Os dados ausentes do tipo MAR são aqueles que dependem de fatores — ou variáveis — observáveis, como, por exemplo, o horário de preenchimento de um formulário.
Alternativas
Q1753993
Banco de Dados Big Data ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753993 Banco de Dados
    Dados ausentes são muito comuns em aplicações que envolvem preenchimentos de formulários. Para o seu tratamento estatístico, encontra-se, na literatura, uma taxonomia para o mecanismo gerador de dados ausentes que os classifica em tipos como MAR (missing at random), MCAR (missing completely at random) e MNAR (missing not at random).
Considerando essas informações, julgue os itens subsequentes, relativos ao tratamento de dados ausentes.  
Geralmente, os dados ausentes do tipo MNAR são ignoráveis por não haver relação entre o processo gerador de dados ausentes e os parâmetros que são objeto de estudo estatístico.
Alternativas
Q1753992
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753992 Banco de Dados
No que se refere a técnicas de regressão, técnicas de agrupamento e aprendizado profundo, julgue os item seguinte. 
O modelo de regressão linear é suscetível à multicolinearidade, a qual diz respeito ao fato de o erro da predição permanecer estável, dentro de um intervalo de confiança aceitável, à medida que os valores de entrada mudam.
Alternativas
Q1753988
Banco de Dados BI (Business Intelligence) ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753988 Banco de Dados
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.
Devido ao fato de pressupor independência entre atributos, o algoritmo Naive Bayes é capaz de realizar, com precisão, o treinamento de um modelo com uma quantidade reduzida de amostras.
Alternativas
Q1753987
Banco de Dados Data Mining ,
Ano: 2021 Banca: CESPE / CEBRASPE Órgão: SERPRO Prova: CESPE / CEBRASPE - 2021 - SERPRO - Analista - Especialização: Ciência de Dados |
Q1753987 Banco de Dados
Sobre as técnicas de classificação em aprendizado de máquina, julgue o item a seguir.
As árvores de decisão apresentam significativa independência dos dados de treinamento, o que garante forte estabilidade dos caminhos em caso de mudanças nos dados.
Alternativas
Q1753771
Banco de Dados SQL ,
Ano: 2021 Banca: Quadrix Órgão: CRBM - 4 Prova: Quadrix - 2021 - CRBM - 4 - Técnico em Informática |
Q1753771 Banco de Dados

Quanto aos sistemas de bancos de dados e à linguagem de consulta estruturada (SQL), julgue o item.


Suponha-se que se deseje remover os privilégios do usuário “suporte” no banco de dados dbEmpresa. Nesse caso, para se remover todas as permissões do usuário, é suficiente executar os comandos seguintes. SELECT DATABASE dbEmpresa; REVOKE ALL PRIVILEGES ON dbEmpresa.* from ‘suporte’@’localhost’;


Alternativas
Respostas
4241: C
4242: C
4243: C
4244: C
4245: C
4246: E
4247: E
4248: E
4249: E
4250: C
4251: C
4252: E
4253: E
4254: E
4255: C
4256: E
4257: E
4258: C
4259: E
4260: E
www.qconcursos.com