Questões de Banco de Dados para Concurso

Observe o Modelo de Entidades e Relacionamentos a seguir.

Com base nos relacionamentos apresentados, está explícito que:

Documentos do Jupyter Notebook são salvos com a extensão .ipynb, mas internamente eles são documentos do tipo:

Uma certa organização gostaria de compartilhar dados com um grupo de pesquisadores de uma universidade para a condução de um estudo sobre problemas ergonômicos nos seus escritórios. Entre os dados coletados, há informações sensíveis sobre seus funcionários; portanto, o responsável pela coleta decidiu anonimizar os dados. Isso foi feito removendo-se nomes e outros campos identificadores e adicionando-se um número identificador próprio a cada funcionário. Dessa forma, a identidade dos funcionários seria preservada. Após a verificação de uma amostra, o pesquisador responsável pelo estudo recomendou medidas que deveriam ser aplicadas antes que os dados pudessem ser aceitos para o estudo.

O problema que mais provavelmente motivou a recomendação do pesquisador e uma medida que pode mitigar esse problema são, respectivamente:

Ao receber um conjunto de dados para elaborar um modelo preditivo, uma equipe de analistas de dados percebeu que havia uma quantidade significativa de dados faltantes em certos atributos. Foi então debatido o uso de duas técnicas para lidar com esse problema: (1) remoção de observações contendo dados ausentes e (2) “inputação” multivariável, sendo que apenas uma das duas seria aplicada.

Duas características do conjunto de dados que devem ser prioritariamente consideradas na escolha entre as duas técnicas são:

Para ser utilizado em um modelo neural de regressão, um conjunto de dados precisa ser tratado de tal forma que todos os atributos de entrada sejam representados como um ou mais valores numéricos no intervalo [0, 1].

Os atributos de uma observação são: idade (inteiro >= 18), escolaridade (fundamental, médio, superior, pós-graduação), estado de residência (Acre, Alagoas, …, Tocantins, incluindo Distrito Federal) e local de trabalho (empresa, home office, misto).

O número mínimo de valores necessários para representar uma observação com os atributos acima descritos para o modelo de regressão, de forma que não ocorra perda de informação ordinal nem inserção de vieses nos dados, é:

Visando a maximizar a eficiência de uma equipe de auditores fiscais, um sistema de classificação de documentação foi encomendado à equipe de ciência de dados, com o objetivo de decidir, com base nos documentos obtidos durante uma fiscalização, se um exame detalhado de documentação é ou não necessário.

Idealmente, o sistema permitiria aos auditores direcionar mais tempo às auditorias complexas e agilizar a análise dos casos mais simples, otimizando o custo de pessoal e equipamento especializado. Contudo, não examinar detalhadamente um caso complexo pode custar muito caro ao governo, a ponto de anular quaisquer ganhos obtidos usando o sistema com um pequeno número de erros.

Considerando esse cenário, e o fato de o sistema de classificação responder apenas “sim” ou “não” quanto à necessidade de exame detalhado, a métrica de classificação a ser maximizada pela equipe que irá implementar o sistema é:

Uma equipe de analistas de dados preparou um modelo preditivo cuja entrada consiste em planilhas contendo uma matriz de valores reais entre 1 e 10. Tais planilhas são obtidas de um sistema externo à equipe. O modelo foi treinado com um conjunto de planilhas que foi coletado pelos analistas, de forma a obter uma amostra representativa dos dados a serem utilizados. A média e o desvio padrão de duas colunas importantes foram calculados do conjunto de treinamento, como uma forma simples de verificar a consistência da distribuição dos dados, sendo seus valores 4,89 e 3,08, respectivamente. O modelo obteve bons resultados durante sua etapa de testes, com uma precisão de 94%.

Ao iniciar a operação do modelo com planilhas atuais, entretanto, os analistas observaram que o modelo teve um desempenho muito inferior, com precisão de apenas 72%. Investigando as planilhas recebidas, obtiveram a média e o desvio padrão para as duas colunas importantes com valores 5,34 e 3,68, respectivamente.

A explicação mais adequada à situação descrita é:

Flávia, responsável pelo setor de análise de dados de uma rede de concessionárias de carros, está realizando o pré-processamento dos dados dos clientes da rede. Entre os atributos do conjunto de dados, estão os CPFs dos clientes, o seu sexo e a quantidade de carros que eles já compraram na rede.

Esses três atributos podem ser classificados, respectivamente, como:

Considerando o texto 1, a fase do KDD em que Aline gera os vetores a partir dos textos é chamada de:

As informações são a base de toda tomada de decisão e gestão de empresas, sendo um diferencial importante o uso de grandes volumes de dados de diversas fontes.

Nesse contexto, as soluções de Big Data para análise de dados devem ter a capacidade de:

Para tomar decisões diárias, o analista João precisa consultar o preço de diversas ações do mercado financeiro, bem como outros dados da CVM. Contudo, ao acessar o ambiente de BigData da CVM, João verificou que os preços das ações desse ambiente demoravam para ser atualizados.

João procurou o arquiteto de BigData da CVM para tratar a dimensão da qualidade de dados denominada:

O analista João desenvolveu diversos dashboards na plataforma Microsoft Power BI e solicitou ao programador web Pedro que disponibilizasse aquelas análises no portal de acesso à informação da CVM.

Para inserir os dashboards desenvolvidos por João na página web da CVM, o recurso do Power BI que Pedro deve usar é o(a):

Observe os conjuntos de dados a seguir.

Para desidentificar o Conjunto de Dados Sensíveis A e gerar o Conjunto de Dados B, a técnica de anonimização que deve ser aplicada é o(a):

SQL (Structured Query Language) é uma linguagem usada para interagir com bancos de dados relacionais.

Relativamente a SQL, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) A cláusula WHERE só é utilizada associada ao comando SELECT.

( ) O comando CREATE TABLE cria uma nova tabela no banco de dados e o comando INSERT INTO permite popular essa tabela por meio da inserção de registros.

( ) O comando INNER JOIN é utilizado para unir os resultados de duas ou mais consultas SELECT e o seu resultado é um conjunto de linhas provenientes das tabelas envolvidas.

( ) Os comandos ALTER TABLE e UPDATE são comandos usados para atualizar registros em tabelas de um banco de dados.

( ) SQL suporta o conceito de chaves primárias e chaves estrangeiras para manter a integridade dos dados e as relações entre as tabelas.

As afirmativas são, respectivamente, 

Relativamente a Bancos de Dados Relacionais, analise os itens a seguir.

I. As tabelas são os componentes fundamentais de um banco de dados relacional e são usadas para organizar e armazenar dados de forma estruturada.

II. As tabelas podem estar relacionadas entre si por meio de chaves estrangeiras.

III. Os relacionamentos em um banco de dados relacional são conexões lógicas entre diferentes tabelas que permitem combinar dados e estão restritos a relacionamentos um-para-um entre tabelas.

IV. SQL (Structured Query Language) é uma linguagem usada exclusivamente para definir a estrutura dos dados, o que inclui a criação, alteração da estrutura e deleção de tabelas. Para manipular dados em um banco de dados relacional (consultar, inserir, deletar e alterar registros) é necessário utilizar outra linguagem.

V. A chave primária é uma coluna (ou conjunto de colunas) com valor único para cada linha de uma tabela e é usada para identificar registros de forma única.

Está correto o que se afirma em 

A criação de índices espaciais otimiza o armazenamento e a busca por dados de interesse do usuário, em comparação com a busca sequencial. Algumas heurísticas foram propostas e implementadas com essa finalidade, com destaque naquelas que se baseiam em árvores.
Assinale a opção que melhor descreve uma R-Tree.

O desenvolvimento de ferramentas para manipulação de arquivos com estrutura multidimensional viabiliza a realização de operações aritméticas e lógicas sobre os valores armazenados. Neste contexto, a iniciativa netCDF Operators (NCO) disponibiliza um conjunto de programas com algumas funcionalidades úteis.
Os formatos suportados pelo NCO, além do netCDF, para entrada de dados em seus programas, são

NetCDF (Network Common Data Form) é um formato de arquivo adotado como padrão pela comunidade científica internacional para o compartilhamento de dados científicos especializados, de natureza multidimensional (multivariáveis).
Além do formato NetCDF, outro formato matricial que pode ser empregado para criar, acessar e compartilhar dados multidimensionais é o

O analista Igor está explorando diversos dados sobre transações financeiras disponíveis no ambiente de big data da CVM. Para apoiar suas análises, Igor quer visualizar os dados em gráficos. Para analisar tendências, Igor deve usar o gráfico do tipo: 

Maria, analista de mercado da CVM, precisa analisar milhares de negociações financeiras para obter insights e tomar decisões ao longo do dia. Maria apresentou a demanda para Tiago, o arquiteto de big data da CVM.
Para processar as negociações financeiras como uma sequência de eventos no tempo, agrupando e filtrando os dados à medida que são capturados, o componente da arquitetura de big data que Tiago deve desenvolver é o: