Questões de Noções de Informática - Banco de Dados para Concurso

Modelagem de Predição: Uma técnica que utiliza algoritmos de aprendizado de máquina para construir modelos que preveem eventos futuros, como a probabilidade de um cliente realizar uma nova compra.

Análise de Séries Temporais: Uma técnica que analisa dados sequenciais ao longo do tempo para identificar padrões, tendências e anomalias.

Mineração de Texto: Uma técnica que extrai informações e padrões de textos não estruturados, como descrições de produtos, avaliações de clientes e comentários nas redes sociais. O código não produzirá saída.

Análise de Agrupamentos: Uma técnica que agrupa dados em clusters com base em suas características, permitindo identificar grupos de clientes com perfis e comportamentos semelhantes.

Aprendizagem por Reforço: Uma técnica que utiliza recompensas e penalidades para treinar agentes a tomar decisões em ambientes complexos e dinâmicos.

Suporte a blockchain: permite a criação e o gerenciamento de bancos de dados blockchain seguros e confiáveis para diversas aplicações.

Suporte a banco de dados em nuvem (Oracle Cloud Infrastructure): oferece a opção de implantar e gerenciar o banco de dados em ambientes de nuvem pública ou privada, com escalabilidade e flexibilidade.

Suporte a machine learning: integra recursos de machine learning para automatizar tarefas, otimizar consultas e extrair insights dos dados.

Suporte a banco de dados distribuído (Oracle Multi-Tenant Database Architecture): permite o gerenciamento de múltiplos bancos de dados em um único servidor, otimizando recursos e simplificando a administração.

Suporte a armazenamento em memória (In-Memory Option): armazena dados na memória principal para acesso rápido e desempenho aprimorado, ideal para cargas de trabalho com alta demanda por performance.

Graph databases.

Document stores.

Key-value stores.

Time-series databases.

Wide-column stores.

JOIN.

Triggers.

Procedures.

Bootstrap.

Functions.

Underfitting.

Overfitting.

Oversampling.

Tuning.

Triggers.

JSON.

OLAP.

Data mining.

Banco de Dados No SQL.

Big Data.

2, 1, 4, 3

1, 2, 3, 4

4, 3, 2, 1

1, 3, 2, 4

3, 2, 1, 4

Melhor gerenciamento centralizado de recursos e segurança.

Maior dificuldade na manutenção e atualização de software.

Dependência direta da conexão com a internet.

Complexidade aumentada na distribuição de software para clientes.

Escalabilidade limitada devido à centralização.

A normalização é um processo estático, realizado apenas uma vez durante a criação inicial do banco de dados, e não precisa ser revisado posteriormente.

A normalização é um processo que sempre resulta na eliminação de todas as chaves estrangeiras para evitar redundâncias.

A principal finalidade da normalização é reduzir a complexidade das consultas SQL, tornando-as mais rápidas e fáceis de escrever.

Na terceira forma normal (3FN), todas as tabelas devem estar livres de dependências parciais e transitivas, mas ainda podem conter dependências funcionais.

A normalização elimina a redundância de dados e garante a integridade destes dados através de várias formas normais, cada uma abordando diferentes tipos de anomalias.

No modelo ER, uma entidade representa uma instância específica de um objeto, como um cliente específico ou um produto específico.

O modelo ER é uma ferramenta visual que ajuda a representar as entidades, atributos e relacionamentos de maneira clara e organizada.

Relacionamentos no modelo ER são usados para conectar entidades, mas não podem ter atributos próprios.

Um atributo em uma entidade ER deve ser único para cada instância dessa entidade.

Em um diagrama ER, uma entidade fraca é aquela que não possui atributos próprios e depende inteiramente de outra entidade.

O dicionário de dados é uma coleção de dados brutos provenientes de várias fontes, armazenados de forma não organizada.

O depósito de dados é usado exclusivamente para o armazenamento de documentos e arquivos não estruturados.

O dicionário de dados é uma ferramenta que descreve a estrutura dos dados, como tipos de dados, relações entre tabelas e restrições, facilitando a compreensão e o uso correto dos dados.

O depósito de dados é um sistema que documenta e descreve a estrutura dos dados de uma organização, similar a um glossário.

O dicionário de dados é usado para armazenar grandes volumes de dados históricos e realizar análises complexas.

Integridade dos dados: O SGBD garante a integridade dos dados, o que significa que os dados são precisos, consistentes e confiáveis. Isso é importante para o "Hospital NV", pois os dados dos pacientes são usados para tomar decisões críticas sobre o tratamento médico.

Armazenamento centralizado de dados: O SGBD fornece um local centralizado para armazenar todos os dados dos pacientes, o que facilita o acesso e a recuperação dos dados. Isso elimina a necessidade de armazenar dados em diferentes locais, o que pode levar à redundância e inconsistência de dados.

Segurança aprimorada: O SGBD oferece recursos de segurança para proteger os dados dos pacientes contra acesso não autorizado, modificação ou destruição. Isso é crucial para o "Hospital NV", pois os dados dos pacientes são confidenciais e protegidos por lei.

Redução de custos: O SGBD pode ajudar a reduzir custos de TI, pois elimina a necessidade de duplicação de dados e hardware, e pode reduzir o tempo e o custo de manutenção de dados.

Compartilhamento de dados facilitado: O SGBD facilita o compartilhamento de dados entre diferentes departamentos do hospital, o que pode melhorar a colaboração e o atendimento ao paciente.

Adotar um data warehouse: Um data warehouse centralizado pode armazenar e analisar dados históricos de vendas, mas não é ideal para processamento em tempo real e grandes volumes de dados não estruturados.

Otimizar o banco de dados relacional existente: Implementar técnicas de otimização como normalização, indexação e particionamento pode melhorar o desempenho, mas pode ser insuficiente para lidar com o crescimento exponencial de dados.

Adotar um banco de dados NoSQL orientado a documentos: Bancos de dados NoSQL orientados a documentos como MongoDB ou CouchDB podem armazenar, consultar e analisar grandes volumes de dados de vendas e transações de forma eficiente e escalável.

Implementar um lago de dados: Um lago de dados pode armazenar todos os dados brutos de vendas e transações em formato nativo, mas requer ferramentas e expertise para análise e visualização dos dados.

Utilizar um banco de dados NoSQL chave-valor: Bancos de dados chave-valor como Redis ou Memcached oferecem alto desempenho para consultas simples, mas não são adequados para armazenar e analisar dados estruturados complexos.

Manter senhas padrão para facilitar o acesso ao banco de dados.

Criptografar os dados sensíveis armazenados no banco de dados.

Permitir acesso total a todos os usuários do banco de dados.

Não realizar backups regulares dos dados do banco de dados.

Armazenar todos os dados do banco de dados em um servidor público.

Um Data Warehouse armazena dados históricos, OLAP realiza análise multidimensional dos dados e Data Mining descobre padrões ocultos nos dados.

Um Data Warehouse realiza análise multidimensional dos dados, OLAP armazena dados históricos e Data Mining gerencia transações diárias.

Um Data Warehouse gerencia transações diárias, OLAP descobre padrões ocultos nos dados e Data Mining armazena dados históricos.

Um Data Warehouse descobre padrões ocultos nos dados, OLAP gerencia transações diárias e Data Mining realiza análise multidimensional dos dados.

Um Data Warehouse realiza a análise de dados em tempo real, OLAP armazena dados em formato bruto e Data Mining organiza dados para relatórios operacionais.

herança.

polimorfismo.

classe.

interface.

assinatura.

show dbs

show collections

use dbs

echo db

echo collections

está na segunda forma normal.

está na primeira forma normal.

não está normalizada.

está na terceira forma normal.

está na forma normal de Boyce-Codd.

O conceito de integridade se refere à proteção contra atualizações de dados inválidas.

Uma chave primária pode ser repetida em diferentes linhas de uma mesma tabela.

Uma chave primária referenciada em outra tabela é chamada de chave estrangeira. Por essa razão, uma chave estrangeira deve aparecer apenas uma vez em cada tabela.

Um conjunto de múltiplos atributos de uma mesma tabela não pode ser utilizado como chave primária.

O modelo relacional é um tipo de modelo físico.