ed TTI - III

Prévia do material em texto

1- Durante os últimos 50 anos o crescimento dos sistemas de informação, no que se refere a sua capacidade para capturar, tratar, armazenar, compartilhar, transferir, analisar e visualizar dados aumentou de forma exponencial. Além disso, pessoas e organizações dependem cada vez mais de dispositivos informatizados e das fontes de informação provenientes da Internet. A maioria dos dados armazenados não são estruturados e as organizações frequentemente têm enfrentado desafios para capturá-los, selecioná-los e analisá-los. Uma das tarefas mais desafiadoras para as organizações atualmente é extrair. Esses dados, que são altamente complexos e muito volumosos se tornaram uma área da computação responsável por esse tratamento massivo de dados. Qual é o nome dado para essa área?
	C
	Big Data. 
2- A Big data é um termo definido para um conjunto de dados que, de tão grande e sofisticado, se torna problemático processá-los utilizando ferramentas de gerenciamento de banco de dados disponíveis ou aplicativos de processamento contemporâneos tradicionais. Recentemente, algumas tendências são aplicadas no emprego de análises do comportamento do usuário, análises preditivas ou alguns métodos de análise de dados que extraem valor desses novos dados analíticos do ecossistema. A Big data apresenta algumas características (V’s), entre elas uma que trata da validade e exatidão dos dados. Qual é o nome dado para essa característica do Big data?
	B
	Veracidade. 
3- Aplicações tradicionais de computadores utilizam dados estruturados, organizados em linhas e colunas, em formato de tabela, e são encontrados em banco de dados relacionais, sendo muito eficientes quanto à recuperação e processamento. Também utilizam dados não estruturados que são dados de vídeo, áudio, e-mails, documentos de textos em geral ou gerados por aplicativos de redes sociais como mensagens do WhatsApp, por exemplo. Alguns tipos de dados possuem uma organização diferenciada, normalmente proveniente da Web nos formatos XML e JSON, que precisam de uma prévia análise dos dados para identificação de sua estrutura. Esses dados são:
	E
	Semiestruturados. 
4- O RDBMS (Sistema de gerenciamento de banco de dados relacional) vem sobrevivendo como uma ferramenta para armazenamento e processamento de dados. A escala de RDBMS tradicional, quando comparado no seu poder de computação esperado para processar uma grande quantidade de dados com baixa latência teve um preço muito alto. Isso levou ao surgimento de novas tecnologias de baixo custo, baixa latência e altamente escalonáveis e de código aberto. Hoje, lidamos com clusters Hadoop com milhares de nós tratando
milhares de terabytes de dados. Entre as principais características que tornaram o Hadoop interessante para aplicações que envolvem um grande volume de dados podemos citar:
	C
	Escalabilidade.  
5- O NoSQL (abreviação de Not only SQL, ou “não somente SQL”) foi um termo cunhado para definir os novos modelos de armazenamento de dados. Ele foi criado para atender necessidades de flexibilidade, disponibilidade, escalabilidade e desempenho das aplicações inseridas no contexto da Big Data. Uma das suas principais diferenças, se comparada ao banco de dados relacional, destaca-se o foco principal voltado a integridade dos dados. Os modelos existentes de NoSQL podem ser qualificados em 4 tipos. O NoSQL apresenta quatro categorias, onde a mais popular, oferece simplicidade e flexibilidade no gerenciamento dos dados além de meios de criação de índices sobre os valores dos dados armazenados, enriquecendo as possibilidades de consultas. Qual é o nome dado a essa caracterísitca NoSQL? 
	D
	Modelo orientado a documentos. 
6- O primeiro registro do termo Ciência de Dados remonta a 1960 por Peter Naur, que supostamente usou o termo Ciência de Dados como um substituto da ciência da computação e, eventualmente, introduziu o termo “Datalogia”. Em 1974, Naur lançou um livro intitulado: “Concise Survey of Computer Methods”, com uso liberal do termo Ciência de Dados em seu livro. A Ciência de Dados possui um ciclo de vida de projetos, que é uma metodologia amplamente usada para projetos que requerem a implantação de aplicativos baseados em inteligência artificial e/ou algoritmos de aprendizado de máquina. Esse ciclo de vida foi projetado como uma iteração ágil e sequencial de etapas que servem como orientação sobre as tarefas necessárias, para o uso de modelos preditivos. Qual é o nome dado para esse tipo de ciclo de vida?
	A
	TDSP-Team Data Science Process.  
7- O ciclo de vida do TDSP (Team Data Science Process ou ciclo de vida para projetos de ciência de dados) serve como um modelo padronizado, bem definido, com conjuntos de artefatos, que podem ser usados para angariar colaboração da equipe de forma eficaz em toda linha de produção do software. Esse ciclo de vida é composto por uma seleção das melhores práticas e estruturas que facilitam o sucesso da entrega de soluções de análise preditiva e aplicativos inteligentes. Dentre os cinco estágios do TDSP, um é responsável por encontrar recursos de dados ideais para a modelo de aprendizagem de máquina, o qual possui informações suficiente para prever as variáveis alvo, com precisão e pode ser implantado no ambiente de produção. Esse estágio é:
	D
	Estágio 3 – Modelagem.