av TÓPICOS DE BIG DATA EM PYTHON

Prévia do material em texto

Disciplina: TÓPICOS DE BIG DATA EM PYTHON AV 
 
 
 
 
 
 1. Pontos: 0,00 / 1,00 
 
A coleta e preparação dos dados para análise no Python são de extrema importância. 
Os dados secundários são assim definidos devido: 
 
 
O fato de virem de uma fonte alternativa não convencional. 
 
A sua baixa qualidade. 
 
O fato de terem sido obtidos a partir de terceiros. 
 
O fato de ocuparem menos espaço de memória. 
 
O fato de requererem muito mais pré-processamento. 
 
 
 2. Pontos: 1,00 / 1,00 
 
A biblioteca pandas é poderosa e de grande valia para a vida de um cientista de 
dados. Sobre ela podemos afirmar que: 
I - O nome Pandas se refere a dados em painel ou panel data 
II - O DataFrame é o coletivo de listas (lists) 
III - É possível criarmos DataFrames a partir de praticamente qualquer estrutura de 
dados, principalmente CSVs, Excels, e JSONsAnalise as frases listadas e assinale a 
alternativa correta. 
 
 
Apenas I e II. 
 
Apenas I e III. 
 
Apenas II. 
 
Apenas II e III. 
 
Apenas I. 
 
 
 
 
 
 3. Pontos: 1,00 / 1,00 
 
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? 
 
 
Tensorflow 
javascript:alert('Código%20da%20questão:%206076913.');
javascript:alert('Código%20da%20questão:%206076764.');
javascript:alert('Código%20da%20questão:%206075834.');
 
Scipy 
 
Pandas 
 
Numpy 
 
Plotly 
 
 
 4. Pontos: 1,00 / 1,00 
 
Luís foi contratado recentemente para trabalhar em uma empresa de consultoria de 
análise de dados. O projeto no qual foi alocado já havia começado, e os colegas de 
Luís lhe disseram que estavam preparando o conjunto de dados para poder passar os 
mesmos por um modelo de árvore de decisão. Já que especificamente os colegas de 
Luís estão removendo dados faltantes, em qual etapa do processo de KDD, Luís se 
encontra: 
 
 
Transformação de Dados. 
 
Avaliação. 
 
Coleta de Dados. 
 
Pré-Processamento . 
 
Descoberta de Padrões. 
 
 
 
 
 
 
 5. Pontos: 1,00 / 1,00 
 
A respeito dos componentes do ecossistema do Hadoop, selecione a opção correta 
que apresenta o componente responsável pelo gerenciamento dos clusters. 
 
 
HBase 
 
Flume 
 
Zookeeper 
 
HCluster 
 
Spark 
 
 
 6. Pontos: 1,00 / 1,00 
 
Ser capaz de gerenciar uma infraestrutura complexa é uma habilidade fundamental 
para o profissional de Tecnologia da Informação. Sendo assim, analise as alternativas 
e selecione a opção que apresenta o componente responsável por desempenhar o 
papel de mestre na arquitetura do Hadoop. 
 
 
HServerMap 
 
Replicador 
javascript:alert('Código%20da%20questão:%206075832.');
javascript:alert('Código%20da%20questão:%206076197.');
javascript:alert('Código%20da%20questão:%206075861.');
 
Bloco de dados 
 
NameNode 
 
DataNode 
 
 7. Pontos: 0,00 / 1,00 
 
Existem diversos motivos que justificam o uso da computação em nuvem, apesar 
disso, existe um conceito que é essencial para computação em nuvem. Selecione a 
opção correta que contenha esse conceito. 
 
 
segurança 
 
produtividade 
 
confiabilidade 
 
abstração 
 
disponibilidade 
 
 
 8. Pontos: 1,00 / 1,00 
 
Em relação aos formatos que os dados de Big Data, selecione a opção que 
corresponde a quantidade de formas que podem ser encontrados. 
 
 
5 
 
2 
 
4 
 
3 
 
6 
 
 
 
 
 
 9. Pontos: 0,00 / 1,00 
 
Observe o trecho de código abaixo 
import numpy as np 
x = np.array([1, 5, 1, 6, 4, 7, 7]) 
função_teste = lambda x: x+x 
print(função_teste(x)) 
Selecione a opção correta a respeito dele. 
 
 
O programa vai gerar um erro. 
 
O programa ficará sintaticamente correto se for acrescentado o "SparkContext" 
para executar o MapReduce. 
 
O programa produz a saída 31. 
javascript:alert('Código%20da%20questão:%206067459.');
javascript:alert('Código%20da%20questão:%206067386.');
javascript:alert('Código%20da%20questão:%206082364.');
 
O programa vai gerar e imprimir [2 10 2 12 8 14 14]. 
 
A saída do programa é [2]. 
 
 
 10. Pontos: 1,00 / 1,00 
 
O Spark é um framework de alto desempenho usado para aplicações de Big Data. 
Em relação à arquitetura do Spark, selecione a opção correta. 
 
 
O Executor corresponde ao conjunto de máquina que executam como 
escravos. 
 
O Executor e os Worker Nodes desempenham papeis equivalentes na 
arquitetura do Spark. 
 
O gerenciador de cluster do Spark faz o gerenciamento da execução das 
tarefas. 
 
Os Worker Nodes da arquitetura Spark são responsáveis pelo gerenciamento 
das máquinas que executarão como escravos. 
 
O gerenciador de cluster do Spark oferece suporte a Hadoop YARN. 
 
 
javascript:alert('Código%20da%20questão:%206075911.');