Simulado Tópicos de Big Data em Python

Prévia do material em texto

02727PRINCÍPIOS DE BIG DATA
	 
		
	
		1.
		A respeito das aplicações de fluxos de dados, selecione a opção correta.
	
	
	
	Transações bancárias, como o serviço de PIX.
	
	
	Serviços de compras online
	
	
	Reapresentação de programas de televisão.
	
	
	Serviço de correio eletrônico
	
	
	Serviços sob demanda, como serviços de filme online.
	
		Explicação:
Os serviços de fluxo de dado de aplicações de mídia de streaming são arquivos enviados em partes por serviço e reproduzidos por um cliente conforme a entrega continua. As demais opções estão erradas, pois são exemplos de serviços em que os dados já foram gerados, ou que são usados apenas esporadicamente.
	
	
	 
		
	
		2.
		Em relação aos V's que caracterizam os projetos de Big Data, selecione a opção que trata do processamento dos dados.
	
	
	
	valor
	
	
	velocidade
	
	
	variedade
	
	
	volume
	
	
	veracidade
	
		Explicação:
A característica velocidade trata da rapidez de geração e processamento dos dados. Variedade diz respeito ao formato dos dados, valor está relacionado ao resultado útil da análise dos dados, volume significa a quantidade de dados disponíveis para tratamento e a veracidade diz respeito à confiabilidade da origem dos dados.
	
	
	02508HADOOP E ARMAZENAMENTO DE DADOS
	 
		
	
		3.
		A respeito do HDFS, selecione a opção correta cujo componente lógico mantém os dados do usuário na forma de blocos de dados.
	
	
	
	NameNode
	
	
	Bloco de dados
	
	
	DataNode
	
	
	YARN
	
	
	Replicação
	
		Explicação:
O DataNode é componente da arquitetura do HDFS responsável pelo armazenamento dos dados na forma de blocos de dados.
	
	
	 
		
	
		4.
		Em relação ao Data Lake, selecione a opção correta que contenha o(s) formato(s) de dados que pode(m) ser armazenado(s) nele.
	
	
	
	apenas não estruturado
	
	
	estruturado, não estruturado e semiestruturado
	
	
	apenas estruturado
	
	
	apenas tabelas relacionais
	
	
	estruturado e semiestruturado
	
		Explicação:
O Data Lake pode armazenar dados estruturados, semiestruturados e não estruturados que correspondem a característica de variedade dos dados que é bem típica de aplicações de Big Data.
	
	
	02729PRINCIPIOS DE DESENVOLVIMENTO DE SPARK COM PYTHON
	 
		
	
		5.
		O paradigma MapReduce é uma estratégia de computação com capacidade de processar grandes conjuntos de dados de maneira distribuída em várias máquinas. Em relação à técnica MapReduce, selecione a opção que é responsável por consolidar os resultados produzidos ao longo do processamento.
	
	
	
	Agregação
	
	
	Separação
	
	
	Processamento
	
	
	Mapeamento
	
	
	Redução
	
		Explicação:
Gabarito: Redução
Justificativa: A função de redução agrupa os pares após a fase de embaralhamento concluindo o processamento dos dados. O MapReduce é uma técnica clássica de programação distribuída e é bastante utilizada por diversos frameworks como o Spark, por exemplo.
	
	
	 
		
	
		6.
		O Spark é uma ferramenta computacional voltada para aplicações de Big Data. Selecione a opção correta a respeito do componente que pode ser tratado com o Spark SQL.
	
	
	
	DAG
	
	
	RDD
	
	
	Work Node
	
	
	Executor
	
	
	Tasks
	
		Explicação:
Gabarito: RDD
Justificativa: O componente Spark SQL do ecossistema do Spark fornece suporte à linguagem SQL para manipular RDDs. DAGs correspondem a abstrações sobre as execuções dos processos. O Executor é responsável pela execução de tarefas individuais, enquanto o Work Node corresponde ao conjunto de máquinas que executam as tarefas que são as Tasks, ou seja, subdivisões do processo.
	
	
	02260ANÁLISE DE DADOS EM PYTHON COM PANDAS
	 
		
	
		7.
		No mundo de Big Data, temos dados os mais variados possíveis, e sua classificação é fundamental para um cientista de dados. As notas que compõem o histórico escolar de um aluno são classificadas como  que tipo de dados?
	
	
	
	Atemporais
	
	
	Temporais
	
	
	Numéricos
	
	
	Categóricos
	
	
	Semi-Estruturados
	
		Explicação:
O correto é classificar como dados categóricos, pois a nota de um aluno mesmo que possa ser operada por funções de soma, média etc., representa um conceito ou extrato/proporção de aprendizado de um aluno, um 8 muitas das vezes significa que o aluno aprendeu 80% da matéria por exemplo, ou implica na condição de apto, ou reprovado. O tipo numérico seria correto se não tivesse o contexto implícito de categoria, por isso devemos ter cuidado ao modelarmos nossos dados.
	
	
	 
		
	
		8.
		A visualização dos dados é fundamental no processo de análise, interpretação e obtenção de conhecimento. Dentre as visualizações mais adequadas para dados numéricos estão:
I - Histograma
II - Gráfico de Dispersão
III - Gráfico de Pizza
Analise as alternativas listadas e assinale a correta.
	
	
	
	Apenas III
	
	
	As alternativas I, II e III
	
	
	Apenas I e III
	
	
	Apenas I e II
	
	
	Apenas II e III
	
		Explicação:
Os gráficos de histograma e de dispersão respectivamente expressam a distribuição das variáveis e a sua correlação. A alternativa III está incorreta, pois o gráfico de pizza é para dados categóricos, quando queremos mostrar proporção e valores distintos de categorias possíveis.
	
	
	02318BIG DATA ANALYTICS
	 
		
	
		9.
		As redes neurais são modelos poderosos cujo principal componente onde estão armazenados seus conhecimentos é(são) 
	
	
	
	Camada de Saída
	
	
	Vieses
	
	
	Camadas Escondidas
	
	
	Pesos
	
	
	Função de Ativação
	
		Explicação:
O conhecimento dos modelos conexionistas é localizado em suas camadas internas ocultas ou escondidas (hidden), pois é lá que se encontram as matrizes de pesos, vieses e funções de ativação que, ao trabalharem juntas, produzem o conhecimento necessário para discriminar novas observações com base em registros passados.
	
	
	 
		
	
		10.
		As técnicas de aprendizado de máquina para aprendizado supervisionado são:
 
I - Classificação
II - Agrupamento
III - Regressão
	
	
	
	Apenas I e III
	
	
	Apenas I e II
	
	
	Apenas I
	
	
	Apenas II e III
	
	
	Apenas II
	
		Explicação:
O aprendizado supervisionado contempla duas técnicas que são a de classificação, em que o modelo tenta aprender a categorizar observações, e a regressão, que tenta aferir um valor numérico para novos registros, baseado no registro histórico e suas características.