AVS - TÓPICOS DE BIG DATA EM PYTHON

Prévia do material em texto

Disciplina: EEX0174 - TÓPICOS DE BIG DATA EM PYTHON 
	Período: 2022.1 EAD (GT) / AVS
	
	Matrícula: 
	Data: 17/06/2022 15:34:32
	Turma: 9001
	
	 ATENÇÃO
		1. Veja abaixo, todas as suas respostas gravadas no nosso banco de dados.
	2. Caso você queira voltar à prova clique no botão "Retornar à Avaliação".
	
	 1a Questão (Ref.: 202010092427)
	Selecione a opção a respeito da computação em nuvem.
		
	
	é a definição para aplicações de Big Data que utilizam os protocolos de internet
	
	é uma forma de abstrair serviços da internet das coisas em redes locais distribuídas
	
	é um conjunto de tecnologias que disponibilizam sistemas e recursos na internet
	
	é uma outra forma de denominar a internet das coisas
	
	trata-se da utilização de aplicações com finalidades específicas
	
	
	 2a Questão (Ref.: 202010092336)
	Selecione a opção correta sobre o uso de Big Data.
		
	
	Grandes volumes de dados são úteis para testar a capacidade dos servidores de gerenciamento de dados.
	
	Projetos de big de Big Data são uma forma de organizar tabelas normalizadas com grande volume de dados.
	
	O volume e diversidade dos dados podem dar uma visão realística do que está sendo observado.
	
	Com projetos de Big Data é sempre possível detectar fraudes em operações financeiras.
	
	É impossível não utilizar aplicações de Big Data para gerenciar projetos de internet das coisas.
	
	
	 3a Questão (Ref.: 202010101273)
	Em relação à fase de mapeamento do Hadoop, selecione a opção correta que apresenta o responsável pela geração de fragmento para os componentes da fase de redução.
		
	
	Combinador.
	
	Particionador.
	
	Redutor.
	
	Leitor de registros.
	
	Mapeador.
	
	
	 4a Questão (Ref.: 202010101271)
	Em relação aos RDBMS, selecione a opção que apresenta a característica que trata as transações em um banco de dados como uma unidade indivisível.
		
	
	Durabilidade.
	
	Indivisibilidade.
	
	Atomicidade.
	
	Isolamento.
	
	Consistência.
	
	
	 5a Questão (Ref.: 202010101138)
	As bibliotecas são coleções de subprogramas utilizados no desenvolvimento de softwares. Selecione a opção correta que contém o componente do ecossistema do Spark responsável por realizar operações paralelas em grafos.
		
	
	MLlib
	
	Spark Streaming
	
	RDDs
	
	Spark Core
	
	GraphX
	
	
	 6a Questão (Ref.: 202010101142)
	A biblioteca Pandas é amplamente utilizada para manipular dados heterogêneos, situação recorrente para aplicações de Big Data. Nesse sentido, selecione a opção que contém a estrutura de dados que possibilita o Cientista de dados atribuir nome para as colunas.
		
	
	SQL
	
	PySpark
	
	DataFrame
	
	RDD
	
	numpy.array
	
	
	 7a Questão (Ref.: 202010101763)
	No contexto de Coleta de Dados, o que podemos afirmar sobre Dados Primários:
I - São dados obtidos em primeira mão pelo cientista de dados ou pelo analista de dados
II - São dados que precisam ser pré-processados para análise, e serão feitos exclusivamente no primeiro momento pelo dono dos dados, o analista em questão
III - São obtidos através de softwares de monitoramento de logs, surveys, e bancos de dados
Analise as frases listadas e assinale a alternativa correta.
		
	
	Apenas as opções I e III.
	
	Apenas a opção I.
	
	Apenas as opções II e III.
	
	Apenas a opção II.
	
	As opções I, II, e III estão corretas.
	
	
	 8a Questão (Ref.: 202010101979)
	Os dados que, por alguma razão, normalmente interferência humana, não chegam com todos os atributos esperados durante a coleta de dados, são conhecidos como:
		
	
	Embaralhados.
	
	Nulos.
	
	Corrompidos.
	
	Enviesados.
	
	Faltantes.
	
	
	 9a Questão (Ref.: 202010100967)
	As redes neurais são implementadas em Python através de uma biblioteca de processamento de cálculos em paralelo baseada em grafos. Qual o nome desta biblioteca?
		
	
	Numpy
	
	Plotly
	
	Pandas
	
	Tensorflow
	
	Scipy
	
	
	 10a Questão (Ref.: 202010100963)
	O boom da IA se deve ao surgimento de novas tecnologias e dispositivos que por estarem sempre conectados produzem uma quantidade enorme de dados. Estes dados que alimentam os modelos de aprendizado de máquina também são conhecidos como:
		
	
	Conhecimento.
	
	Observações.
	
	Big Data.
	
	Dados Faltantes.
	
	Informações.
	
		Autenticação para a Prova On-line