TÓPICOS DE BIG DATA EM PYTHON - av

Prévia do material em texto

Avaliação:
2,0
	Nota Partic.:
	Av. Parcial.:
2,0
	Nota SIA:
2,0 pts
	
Dispositivo liberado pela Matrícula 202109155652 com o token 352266 em 07/06/2022 16:06:24.
	O aproveitamento da Avaliação Parcial será considerado apenas para as provas com nota maior ou igual a 4,0.
	 
		
	02260 - ANÁLISE DE DADOS EM PYTHON COM PANDAS
	 
	 
	 1.
	Ref.: 6076913
	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 ocuparem menos espaço de memória.
	
	O fato de requererem muito mais pré-processamento.
	 
	O fato de virem de uma fonte alternativa não convencional.
	 
	O fato de terem sido obtidos a partir de terceiros.
	
	A sua baixa qualidade.
	
	
	 2.
	Ref.: 6076846
	Pontos: 0,00  / 1,00
	
	Os dados que, por alguma razão, normalmente interferência humana, não chegam com todos os atributos esperados durante a coleta de dados, são conhecidos como:
		
	 
	Nulos.
	
	Embaralhados.
	 
	Faltantes.
	
	Enviesados.
	
	Corrompidos.
	
	
	 
		
	02318 - BIG DATA ANALYTICS
	 
	 
	 3.
	Ref.: 6075834
	Pontos: 0,00  / 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
	 
	Scipy
	
	Plotly
	
	Numpy
	
	Pandas
	
	
	 4.
	Ref.: 6076113
	Pontos: 0,00  / 1,00
	
	Qual o tipo de método nos permite visualizar a árvore de decisão na biblioteca Scikit-Learn?
		
	 
	console.log
	 
	plot_tree
	
	print
	
	cout
	
	printf
	
	
	 
		
	02508 - HADOOP E ARMAZENAMENTO DE DADOS
	 
	 
	 5.
	Ref.: 6076140
	Pontos: 0,00  / 1,00
	
	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.
		
	 
	Redutor.
	
	Leitor de registros.
	 
	Particionador.
	
	Mapeador.
	
	Combinador.
	
	
	 6.
	Ref.: 6076199
	Pontos: 1,00  / 1,00
	
	O sistema de arquivos distribuídos do Hadoop, conhecido como HDFS, foi idealizado para trabalhar com grandes volumes de dados. Selecione a opção correta que apresenta o paradigma como o HDFS funciona.
		
	
	Centralizado e distribuído.
	 
	Mestre e escravo.
	
	Distribuído e centralizado.
	
	Distribuído e distribuído.
	
	Centralizado e centralizado.
	
	
	 
		
	02727 - PRINCÍPIOS DE BIG DATA
	 
	 
	 7.
	Ref.: 6067205
	Pontos: 0,00  / 1,00
	
	Em relação aos modelos de serviço de nuvem, selecione a opção correta com o modelo de serviço focado no hardware.
		
	 
	CaaS
	
	PaaS
	
	HaaS
	 
	IaaS
	
	MaaS
	
	
	 8.
	Ref.: 6067203
	Pontos: 1,00  / 1,00
	
	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.
	
	É impossível não utilizar aplicações de Big Data para gerenciar projetos de internet das coisas.
	
	Com projetos de Big Data é sempre possível detectar fraudes em operações financeiras.
	 
	O volume e diversidade dos dados podem dar uma visão realística do que está sendo observado.
	
	Projetos de big de Big Data são uma forma de organizar tabelas normalizadas com grande volume de dados.
	
	
	 
		
	02729 - PRINCIPIOS DE DESENVOLVIMENTO DE SPARK COM PYTHON
	 
	 
	 9.
	Ref.: 6082368
	Pontos: 0,00  / 1,00
	
	O Apache Spark é um framework de código aberto aplicado para projetos de Big Data. Selecione a opção correta que contenha apenas funções que podem ser categorizadas como ações no Spark.
		
	 
	collect, flatMap e sample.
	
	count, collect e map.
	 
	first, take e reduce.
	
	take, filter e sample.
	
	reduce, map e filter.
	
	
	 10.
	Ref.: 6076003
	Pontos: 0,00  / 1,00
	
	Compreender os conceitos e princípios do framework Apache Spark é fundamental para o cientista de dados. Selecione a opção correta que contém o componente do ecossistema  Spark responsável por dar suporte para tratar fluxo de dados típicos de aplicações de tempo real.
		
	 
	Spark SQL
	
	Spark Hadoop
	 
	Spark Streaming
	
	Spark Core
	
	RDDs