Questões de Concurso

Considerando os conceitos principais de ciência de dados, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Em um sistema BigData, o pipeline de dados implementa as etapas necessárias para mover dados de sistemas de origem, transformar esses dados com base nos requisitos e armazenar os dados em um sistema de destino, incluindo todos os processos necessários para transformar dados brutos em dados preparados que os usuários podem consumir.
( ) Dentre os métodos de manipulação de valores ausentes, em processamento massivo e paralelo, consta a normalização numérica, que se refere ao processo de ajustar os dados para que estejam em uma escala comparável, geralmente entre 0 e 1.
( ) A demanda crescente por medidas de criptografia ponta a ponta (da produção ao backup) tornam menos eficazes e relevantes tecnologias legadas, como a deduplicação de dados (data deduplication), que busca ajudar a otimizar o armazenamento e melhorar o desempenho de um sistema ao estabelecer processo de identificar e eliminar dados duplicados em um sistema.

As afirmativas são, respectivamente,

A arquitetura medalhão é um exemplo de data lakes. Ela é multicamadas, sendo considerada uma ótima opção para data warehouses, data marts e outros sistemas analíticos.
Sobre o tema, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Este padrão arquitetônico é composto por três camadas, Ouro, Platina e Diamante. A camada Ouro é onde estão armazenados os dados brutos, previamente ingeridos dos sistemas externos de origem. Os dados desta camada são normalmente são recebidos “no estado em que se encontram”, mas podem ser enriquecidos com metadados adicionais, como por exemplo, data de carregamento.
( ) Na camada Platina, os dados da camada anterior são filtrados, limpos, normalizados e mesclados com outros dados. Nesta camada há visão empresarial dos dados nas diferentes áreas temáticas e principais entidades de negócios, conceitos e transações.
( ) Os dados na camada Diamante são dados “prontos para consumo”. Esses dados enriquecidos e curados podem estar no formato de um esquema em estrela clássico, contendo dimensões e tabelas de fatos, ou podem estar em qualquer modelo de dados adequado ao caso de uso de consumo.

As afirmativas são, respectivamente,

Atualmente, existem vários modelos arquiteturais de data warehousing, comumente chamados de arquiteturas de n camadas. As mais comuns são as arquiteturas de duas e três camadas.
Com relação ao modelo arquitetural de três camadas, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) O servidor que executa o sistema operacional e o banco de dados é a terceira camada, que mantém os dados e demais softwares.
( ) O data warehouse é uma segunda camada; trata-se de um front-end cujo software de ETL computam os dados e metadados de sistemas legados e de fontes externas, consolidando, resumindo e carregando-os no servidor de banco de dados operacional.
( ) A primeira camada inclui todos os softwares do cliente, os mecanismos do business intelligence, sistemas de suporte a decisão e business analytics do back-end; ela permite que os analistas, por meio de processamento OLAP, analisem os dados históricos consolidados nos data warehouses ou data lakes.

As afirmativas são, respectivamente,

Analise a afirmativa abaixo e assinale a alternativa que apresenta a qual conceito ela se refere.
É um repositório centralizado de dados que integra informações de várias fontes, transformando e armazenando esses dados de maneira otimizada para análise e geração de relatórios, possibilitando a tomada de decisões estratégicas fundamentadas dentro de uma organização.

Nas últimas décadas, a automatização e a inserção de máquinas agrícolas transformaram profundamente o panorama do trabalho nas áreas rurais [...] e, em menos de 50 anos, a produtividade do agronegócio brasileiro aumentou 400%. [...]
Esses resultados vieram com a adoção da tecnologia nos processos cotidianos, e também com o investimento em pesquisas [...]. Agora, o agronegócio pode estar diante de um novo salto de produtividade; big data e machine learning são ferramentas que estão ganhando espaço e que podem, novamente, transformar o cenário do campo.
Disponível em: https://summitagro.estadao.com.br/tendencias-e- -tecnologia/como-big-data-e-machine-learning-sao-aplicados-no- -agronegocio/. Acesso em: 5 jan. 2024. Adaptado.

A utilização da plataforma paralela de processamento MapReduce aplica-se adequadamente como um framework de processamento de Big Data, visando à escalabilidade para as aplicações.
Nesse contexto, uma característica inerente à MapReduce é a