Baixe o app para aproveitar ainda mais
Prévia do material em texto
Simulado Criado em: 11/05/2023 às 22:14:19 1. [Q2792502] As principais plataformas de computação em nuvem, como Amazon Web Services (AWS), Microsoft Azure e Google Cloud Platform (GCP), oferecem soluções de Big Data para ajudar as empresas a coletar, armazenar, processar e analisar grandes quantidades de dados. As opções a seguir apresentam conjuntos de serviços que estão diretamente relacionados a soluções de Big Data oferecidas pelas plataformas de computação em nuvem elencadas acima, à exceção de uma. Assinale-a. a ) Armazenamento de dados: AWS S3, Azure Blob Storage e Google Cloud Storage. b ) Processamento de dados: AWS EMR, Azure HDInsight e Google Cloud DataProc. c ) Análise de Dados: AWS Athena, Azure Data Lake Analytics e Google BigQuery. d ) Streaming de Dados: AWS Kinesis, Azure Stream Analytics e Google Cloud Pub/Sub. e ) Aplicações: AWS Elastic Beanstalk, Azure App Service e Google App Engine. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data. Fonte: Fundação Getúlio Vargas - FGV 2023 / Receita Federal do Brasil RFB - BR / Auditor Fiscal / Questão: 74 2. [Q2792255] O objetivo principal do uso de técnicas de Agrupamento (Clustering) em Análise de Dados é dividir um grande conjunto de dados em subconjuntos, agrupando elementos similares em categorias distintas. Assinale a opção que indica o tipo de algoritmo que não se enquadra nessa descrição. a ) K-Means. b ) Gaussian Mixture Models (GMM). c ) DBSCAN. d ) K-Medoids. e ) Regressão Linear. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining), Agrupamento (Clustering). Estatística > Análise Multivariada, Análise de Agrupamentos (Clustering). Fonte: Fundação Getúlio Vargas - FGV 2023 / Receita Federal do Brasil RFB - BR / Analista Tributário / Questão: 57 3. [Q2792284] Assinale a opção que melhor descreve a diferença entre os frameworks Apache Spark e Apache Hadoop, no contexto do processamento de Big Data. a ) O processamento de dados no Spark é mais rápido do que no Hadoop, pois ele é baseado em memória e utiliza RDDs, enquanto o Hadoop é baseado em disco e utiliza MapReduce. b ) O processamento de dados no Hadoop é mais rápido do que no Spark, pois o Hadoop é mais escalável e utiliza clusters maiores, enquanto o Spark é limitado pelo tamanho do cluster. c ) O Spark é mais adequado para cargas de trabalho mais pesadas, enquanto o Hadoop é melhor para cargas de trabalho mais leves e interativas. d ) O Spark e o Hadoop utilizam as mesmas técnicas de processamento de dados, mas o Spark é mais adequado para casos de uso em que a latência é um fator crítico, enquanto o Hadoop é mais adequado para casos de uso em que a capacidade de processamento em lote é mais importante. e ) O Hadoop é uma tecnologia mais recente que oferece melhorias, em relação ao Spark, em termos de desempenho e velocidade de processamento. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data. Fonte: Fundação Getúlio Vargas - FGV 2023 / Receita Federal do Brasil RFB - BR / Analista Tributário / Questão: 63 4. [Q2792486] No contexto dos algoritmos utilizados em análise de dados, considere os passos a seguir: 1. recebe os dados de treinamento como entrada, que incluem atributos e categorias; 2. calcula a probabilidade de cada categoria ocorrer com base na quantidade de exemplos de cada categoria no conjunto de dados; 3. calcula a probabilidade condicional para cada atributo, ou seja, a probabilidade de um atributo dada uma categoria; 4. para uma nova entrada, calcula a probabilidade de cada categoria dada a entrada; 5. seleciona a categoria com a maior probabilidade condicional como a previsão para a nova entrada; 6. repete os passos 4 e 5 para todas as entradas desconhecidas. Assinale o algoritmo que é implementado nos passos acima. a ) Regressão Logística. b ) Naive Bayes. c ) K-Means. d ) Random Forest. e ) Regressão Linear. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Algoritmos e técnicas. Fonte: Fundação Getúlio Vargas - FGV 2023 / Receita Federal do Brasil RFB - BR / Auditor Fiscal / Questão: 71 5. [Q2340605] Com relação a noções de big data, julgue os itens que se seguem. I Como qualquer tecnologia, soluções de big data também apresentam algumas restrições. Por exemplo, elas não podem ser utilizadas na área da saúde para determinar a causa de uma doença, porque esse é um procedimento complexo que somente pode ser executado por pessoas devidamente capacitadas — nesse caso, os médicos. II Big data é qualquer tipo de fonte de dados que possui, no mínimo, as seguintes três características: volume de dados extremamente grande; velocidade de dados extremamente alta; e variedade de dados extremamente ampla. III Para que as organizações obtenham os conhecimentos corretos, a tecnologia big data não permite que elas executem as operações de armazenar e administrar as grandes quantidades de dados de si próprias. IV Big data é uma combinação de tecnologias de gestão de dados que evoluíram ao longo dos anos, razão por que não é considerado um mercado único. Estão certos apenas os itens a ) I e III. b ) I e IV. c ) II e IV. d ) II e V. e ) III e V. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Secretaria da Fazenda de Sergipe SEFAZ SE - SE / Auditor Técnico de Tributos - Tarde / Questão: 54 No que diz respeito a big data e à L ei n . º 12.527/2011 e suas alterações (Lei de Acesso à Informação), julgue os itens seguintes. 6. [Q2335259] Big data necessitam de algoritmos de computação mais robustos em comparação aos algoritmos tradicionais de banco de dados, que não são capazes de lidar com os volumes de dados representados em big data. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas de Santa Catarina TCE SC - SC / Auditor Fiscal de Controle Externo - Área Ciências da Computação / Questão: 66 Julgue os próximos itens, relativos a otimização de consultas, ETL, modelo entidade-relacionamento e bancos de dados NoSQL. 7. [Q2632261] Em um data warehousing (DW), a ETL é considerada uma das fases mais simples, pois se resume à seleção dos dados que farão parte do DW. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Data Warehouse, ETL - Extração, Transformação e Carga. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Ministério Público de Contas Santa Catarina MPC SC - SC / Analista de Contas Públicas - Área: Administração/ Contabilidade/ Economia ou Engenharia / Questão: 82 A respeito de inteligência do negócio, julgue os itens a seguir. 8. [Q2335174] Ferramentas de OLAP disponibilizam operações de drill-down e drill-across: a primeira permite visualizar um maior nível de detalhe; a segunda, mover-se lateralmente de um conjunto de dados para outro, mantendo-se no mesmo nível de detalhe. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > OLAP. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas de Santa Catarina TCE SC - SC / Auditor Fiscal de Controle Externo - Área Ciências da Computação / Questão: 51 Com referência aos conceitos e técnicas de mineração de dados, julgue os itens seguintes. 9. [Q2379764] No aprendizado não supervisionado dos dados, usa-se uma amostra para treinamento, e os registros são colocados em agrupamentos semelhantes entre si quanto aos seus padrões. c ) Certoe ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 110 Julgue os itens seguintes, referentes a arquiteturas e aplicações data warehouse, ETL e OLAP. 10. [Q2379783] Em um data warehouse que use uma arquitetura de três camadas, a mineração de dados interage diretamente com as fontes de dados. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Data Warehouse. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 126 11. [Q2379784] Uma interface OLAP pode ser utilizada tanto com dados armazenados em bases de dados relacionais quanto com bases de dados multidimensionais. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), OLAP. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 127 12. [Q2379785] No processo de ETL, na fase de transformação os dados são padronizados, sendo transformados em um formato unificado, independentemente do seu formato de origem. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > ETL - Extração, Transformação e Carga, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 128 Julgue os itens subsequentes, referentes a Big Data e visualização e análise exploratória de dados. 13. [Q2379766] Uma vez que Big Data engloba um grande volume e variedade de dados, o atributo veracidade tem sido inserido nas premissas do conceito para avaliar a confiabilidade e a consistência dos dados da solução. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Big Data, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 112 14. [Q2379767] As aplicações do Big Data exigem o uso de dados externos à organização para que as análises possam extrair valor dos dados e para viabilizar a percepção do seu significado. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Big Data, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 113 15. [Q2379768] A análise prescritiva é empregada na análise de Big Data para relatar acontecimentos e para fazer previsões de comportamentos futuros de indivíduos e processos. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Big Data, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 114 16. [Q2379769] Conhecimentos representados em banco de dados ajudam a descobrir padrões em um conjunto de regras, em equações associando diferentes variáveis ou em modelos. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Big Data, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 115 Com referência aos conceitos e técnicas de mineração de dados, julgue os itens seguintes. 17. [Q2379763] Para encontrar regras de associação negativas de interesse, como a identificação de padrões nos dados de um arquivo, a hierarquia é uma técnica usada com base no conhecimento prévio sobre um conjunto de atributos do arquivo. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining), Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 109 18. [Q2379765] Em um modelo para um aprendizado supervisionado dos dados no formato de uma árvore de decisão, um algoritmo de construção da árvore busca minimizar a informação necessária para classificar os dados nas partições da árvore. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 111 Julgue os próximos itens, a respeito da modelagem dimensional de dados. 19. [Q2379757] Um modelo dimensional que adote um esquema floco de neve permite que uma tabela de dimensão originária do esquema estrela seja decomposta de forma hierárquica. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Data Warehouse, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 103 20. [Q2379758] Uma constelação de fatos é um conjunto de conceitos que compartilham entre si as suas tabelas de fatos. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Data Warehouse. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 104 Julgue os itens a seguir, referentes à informação e a dados, estruturados e não estruturados. 21. [Q2379753] No contexto de Big Data, os dados em formato de textos longos, de vídeos ou de imagens são considerados dados estruturados, quando armazenados em um campo de um banco de dados relacional. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Big Data, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área Organizacional - Tecnologia da Informação / Questão: 101 A respeito de inteligência do negócio, julgue os itens a seguir. 22. [Q2335178] Os conceitos de data warehouse (DW) e data mining (DM) são relacionados à inteligência de negócios; a principal diferença entre eles é que o DW atua na análise dos eventos do passado, enquanto o DM limita-se na predição dos eventos futuros. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Data Warehouse, Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Tribunal de Contas de Santa CatarinaTCE SC - SC / Auditor Fiscal de Controle Externo - Área Ciências da Computação / Questão: 52 23. [Q2340606] No aprendizado de máquina, o algoritmo de classificação considerado mais rudimentar e simples, que cria o modelo simplesmente baseado na moda da classe, ou seja, classifica todas as instâncias de acordo com a classe dominante, é conhecido como a ) ZeroR. b ) validação cruzada. c ) K-means. d ) DBSCAN. e ) florestas aleatórias. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Aprendizado de Máquina. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Secretaria da Fazenda de Sergipe SEFAZ SE - SE / Auditor Técnico de Tributos - Tarde / Questão: 55 24. [Q2340607] Na mineração de texto, o processo utilizado para remover os prefixos e sufixos de palavras, de modo a permanecer somente a raiz delas, com a finalidade de melhorar o armazenamento, é conhecido como a ) stemming. b ) análise léxica. c ) remoção de stop-words. d ) criação de tesauros. e ) determinação de pesos. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining), Business Intelligence (Análise de dados), Mineração de Texto. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2022 / Secretaria da Fazenda de Sergipe SEFAZ SE - SE / Auditor Técnico de Tributos - Tarde / Questão: 56 25. [Q2543314] Os data warehouses existem para facilitar que analista e tomadores de decisão executem as consultas complexas e ocasionais, fazendo uso intensivo de dados por meio de processamento OLAP. A operação analítica que se caracteriza por analisar dados em níveis de agregação progressivamente mais detalhados e de menor granularidade, é denominada a ) pivot. b ) roll-up. c ) drill-down. d ) drill-across. e ) slice and disse. Disciplinas/Assuntos vinculados: Tecnologia da Informação > OLAP, Business Intelligence (Análise de dados). Fonte: Fundação Getúlio Vargas - FGV 2022 / Secretaria de Estado da Fazenda do Amazonas SEFAZ AM - AM / Auditor Fiscal de Tributos Estaduais / Questão: 28 26. [Q2543316] O tipo de aprendizado máquina, que consiste em treinar um sistema a partir de dados que não estão rotulados e/ou classificados e utilizar algoritmos que buscam descobrir padrões ocultos que agrupam as informações de acordo com semelhanças ou diferenças, é denominado a ) dinâmico. b ) sistêmico. c ) por reforço. d ) supervisionado. e ) não supervisionado. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Aprendizado de Máquina. Fonte: Fundação Getúlio Vargas - FGV 2022 / Secretaria de Estado da Fazenda do Amazonas SEFAZ AM - AM / Auditor Fiscal de Tributos Estaduais / Questão: 30 27. [Q2460404] Considerando os conceitos e características próprios de um Data Warehouse, julgue verdadeira (V) ou falsa (F) cada uma das afirmativas a seguir. I. Os Data Warehouses existem como armazenamento persistente em vez de serem materializados por demandas. II. Os Data Warehouses podem ser indexados para otimizar o desempenho e, caracteristicamente, oferecem suporte específico de funcionalidades. III. Os Data Warehouses oferecem uma grande quantidade de dados integrados e são livres das restrições do ambiente transacional, permitindo uma eficiência aumentada no processamento da consulta. A sequência correta é a ) I - F; II - F; III - F. b ) I - V; II - F; III - V. c ) I - V; II - V; III - F. d ) I - F; II - V; III - V. e ) I - V; II - V; III - V. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Data Warehouse, Business Intelligence (Análise de dados). Fonte: Fundação de Amparo e Desenvolvimento da Pesquisa - FADESP 2022 / Secretaria de Estado da Fazenda do Pará SEFAZ PA - PA / Auditor Fiscal / Questão: 98 28. [Q2315410] Considerando os conceitos e características próprios de um Data Warehouse, julgue verdadeira (V) ou falsa (F) cada uma das afirmativas a seguir. I. Os Data Warehouses existem como armazenamento persistente em vez de serem materializados por demandas. II. Os Data Warehouses podem ser indexados para otimizar o desempenho e, caracteristicamente, oferecem suporte específico de funcionalidades. III. Os Data Warehouses oferecem uma grande quantidade de dados integrados e são livres das restrições do ambiente transacional, permitindo uma eficiência aumentada no processamento da consulta. A sequência correta é a ) I - F; II - F; III - F. b ) I - V; II - F; III - V. c ) I - V; II - V; III - F. d ) I - F; II - V; III - V. e ) I - V; II - V; III - V. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Data Warehouse. Fonte: Fundação de Amparo e Desenvolvimento da Pesquisa - FADESP 2022 / Secretaria Executiva da Fazenda do Pará SEFA - PA / Auditor Fiscal de Receitas Estaduais - Geral / Questão: 98 29. [Q2543319] Com relação ao algoritmo de K-Means, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa. ( ) Consiste em fixar k centroides de modo quadrático, sendo um para cada novo cluster. ( ) Associa cada indivíduo ao centroide do seu vizinho, obtido pelo cálculo da minimização da soma quadrática das distâncias entre os dados e os centroides mais próximos. ( ) Recalcula os centroides com base nos indivíduos classificados. As afirmativas são, na ordem apresentada, respectivamente, a) V – F – F. b) V – V – F. c) V – F – V. d) F – F – V. e) F – V – F. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining), Agrupamento (Clustering). Fonte: Fundação Getúlio Vargas - FGV 2022 / Secretaria de Estado da Fazenda do Amazonas SEFAZ AM - AM / Auditor Fiscal de Tributos Estaduais / Questão: 33 30. [Q2543315] Leia o fragmento a seguir. “CRISP-DM é um modelo de referência não proprietário, neutro, documentado e disponível na Internet, sendo amplamente utilizado para descrever o ciclo de vida de projetos de Ciência de Dados. O modelo é composto por seis fases: 1. entendimento do negócio; 2. _____; 3. _____; 4. Modelagem; 5. _____ ; e 6. implantação”. Assinale a opção cujos itens completam corretamente as lacunas do fragmento acima, na ordem apresentada. a) modelagem do negócio – limpeza de dados – testagem. b) modelagem de requisitos – raspagem de dados – execução. c) modelagem do negócio – mineração de dados – reexecução. d) compreensão dos dados – preparação dos dados – avaliação. e) mapeamento de metadados – mineração de dados – testagem. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining). Fonte: Fundação Getúlio Vargas - FGV 2022 / Secretaria de Estado da Fazenda do Amazonas SEFAZ AM - AM / Auditor Fiscal de Tributos Estaduais / Questão: 29 Em relação a big data e analytics, julgue os próximos itens. 31. [Q1922000] Um dos três Vs de big data refere-se à variedade, que está relacionada a métodos para identificar se um conjunto de dados pode ser considerado big data. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria da Fazenda do Estado do Ceará SEFAZ CE - CE / Auditor Fiscal da Receita Estadual - Área Tecnologia da Informação / Questão: 77 A respeito de inteligência artificial, julgue os itens seguintes. 32. [Q1922092] Uma das vantagens da técnica de árvore de decisão para regressão é evitar a propagação de erros, mesmo que uma divisão ocorra indevidamente. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Aprendizado de Máquina. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria da Fazenda do Estado do Ceará SEFAZ CE - CE / Auditor Fiscalda Receita Estadual - Área Tecnologia da Informação / Questão: 109 Com relação a noções de mineração de dados e Big Data, julgue os itens que se seguem. 33. [Q1586777] Na mineração de dados preditiva, ocorre a geração de um conhecimento obtido de experiências anteriores para ser aplicado em situações futuras. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Fundamentos de TI, Sistemas numéricos, Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo – Área: Controle Externo – Especialidade: Controle Externo / Questão: 198 34. [Q1586774] A descoberta de conhecimento em bases de dados, ou KDD (knowledge-discovery), é a etapa principal do processo de mineração de dados. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Fundamentos de TI, Mineração de Dados (Data Mining), Novos sistemas de armazenamento. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo – Área: Controle Externo – Especialidade: Controle Externo / Questão: 197 35. [Q1586772] A fase de implantação do CRISP-DM (cross industry standard process for data mining) só deve ocorrer após a avaliação do modelo construído para atingir os objetivos do negócio. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Novos sistemas de armazenamento, Fundamentos de TI, Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo – Área: Controle Externo – Especialidade: Controle Externo / Questão: 196 36. [Q1586770] Na primeira fase do CRISP-DM (cross industry standard process for data mining), há o entendimento dos dados para que se analise a qualidade destes. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo – Área: Controle Externo – Especialidade: Controle Externo / Questão: 195 37. [Q1586778] As regras de associação adotadas em mineração de dados buscam padrões frequentes entre conjuntos de dados e podem ser úteis para caracterizar, por exemplo, hábitos de consumo de clientes: suas preferências são identificadas e em seguida associadas a outros potenciais produtos de seu interesse. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Fundamentos de TI, Sistemas numéricos, Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo – Área: Controle Externo – Especialidade: Controle Externo / Questão: 199 A respeito de bancos de dados relacionais e de modelagem dimensional, julgue os itens subsequentes. 38. [Q1585186] Nas operações do OLAP, o drill-down aumenta o nível de detalhamento, ao passo que o drill-up diminui o nível de granularidade das dimensões em um data warehouse. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > OLAP. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área: Controle Externo - Ciências Contábeis / Questão: 97 39. [Q1585189] O data warehouse empresarial, ou EDW (enterprise data warehouse), é uma das aplicações do data warehouse que permite a integração em larga escala de dados oriundos de diversas fontes em formato padronizado, para subsidiar a inteligência de negócios. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Data Warehouse. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Tribunal de Contas do Rio de Janeiro TCE RJ - RJ / Analista de Controle Externo - Área: Controle Externo - Ciências Contábeis / Questão: 99 40. [Q2364586] Big data ajudou a sedimentar o cargo de cientista de dados. Entre as funções desse cargo inclui-se a ) a modelagem estruturada. b ) a modelagem não estruturada. c ) a análise retrospectiva. d ) a modelagem relacional. e ) o processamento comparativo. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Prefeitura de Aracaju - SE / Auditor de Tributos Municipais - Especialidade: Abrangência Geral / Questão: 70 41. [Q2364572] Em um projeto de data mining, a coleta do dado que será garimpado ocorre no processo de a ) preparação. b ) mineração. c ) aplicação. d ) associação. e ) classificação. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Prefeitura de Aracaju - SE / Auditor de Tributos Municipais - Especialidade: Abrangência Geral / Questão: 65 Julgue os itens subsecutivos, a respeito de análise de agrupamentos (clusterização) e detecção de anomalias. 42. [Q2018596] A distância de Hamming possui a propriedade de representar, em um espaço bidimensional, a distância entre duas dimensões, em bits. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Aprendizado de Máquina. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria de Estado da Fazenda do Alagoas SEFAZ AL - AL / Auditor de Finanças e Controle de Arrecadação da Fazenda Estadual / Questão: 147 43. [Q2018598] Uma anomalia em um conjunto de dados é sempre o valor resultante de um erro do sistema de coleta de dados. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Agrupamento (Clustering), Mineração de Dados (Data Mining), Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria de Estado da Fazenda do Alagoas SEFAZ AL - AL / Auditor de Finanças e Controle de Arrecadação da Fazenda Estadual / Questão: 148 Em relação a big data e analytics, julgue os próximos itens. 44. [Q1921994] A coleta de dados por inferência ocorre quando uma nova informação é gerada a partir de uma informação já existente, através de dispositivos eletrônicos. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Big Data, Business Intelligence (Análise de dados). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria da Fazenda do Estado do Ceará SEFAZ CE - CE / Auditor Fiscal da Receita Estadual - Área Tecnologia da Informação / Questão: 72 45. [Q1921996] Comparado ao ETL, o ELT apresenta vantagens como tempos menores de carregamento e de transformação de dados, e, consequentemente, menor custo de manutenção. c ) Certo e ) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), ETL - Extração, Transformação e Carga. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria da Fazenda do Estado do Ceará SEFAZ CE - CE / Auditor Fiscal da Receita Estadual - Área Tecnologia da Informação / Questão: 74 46. [Q1888276] Maria está preparando um relatório sobre as empresas de serviços de um município, de modo a identificar e estudar o porte dessas empresas com vistas ao estabelecimento de políticas públicas e previsões de arrecadação. Maria pretende criar nove grupos de empresas, de acordo com os valores de faturamento, e recorreu às técnicas usualmente empregadas em procedimentosde data mining para estabelecer as faixas de valores de cada grupo. Assinale a opção que apresenta a técnica diretamente aplicável a esse tipo de classificação. a ) Algoritmos de associação. b ) Algoritmos de clusterização. c ) Árvores de decisão. d ) Modelagem de dados. e ) Regressão linear. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining). Fonte: Fundação Getúlio Vargas - FGV 2021 / Secretaria de Estado da Fazenda do Espírito Santo SEFAZ ES - ES / Auditor Fiscal - Manhã / Questão: 44 47. [Q2364583] O enriquecimento de dados da etapa de pré-processamento e preparação do data mining tem como objetivo a ) a deduplicidade de registros. b ) a integração de bases diferentes. c ) o tratamento de valores nulos. d ) a seleção de amostras. e ) o acréscimo de dados à base já existente. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Prefeitura de Aracaju - SE / Auditor de Tributos Municipais - Especialidade: Abrangência Geral / Questão: 68 Acerca de conceitos de modelagem preditiva e algoritmos de classificação, julgue os itens a seguir. 48. [Q2018595] O método k-NN (k-nearest neighbors) é um dos classificadores não paramétricos baseados em distância. c) Certo e) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining), Modelagempreditiva. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria de Estado da Fazenda do Alagoas SEFAZ AL - AL / Auditor de Finanças e Controle de Arrecadação da Fazenda Estadual / Questão: 146 Quanto a ferramentas de análise e mineração de texto, julgue os próximos itens. 49. [Q2018664] DAX (data analysis expressions) é uma linguagem utilizada pelo PowerBI para criar as medidas e consultas visualizadas em relatórios e painéis. c) Certo e) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining), Mineração de Texto. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria de Estado da Fazenda do Alagoas SEFAZ AL - AL / Auditor de Finanças e Controle de Arrecadação da Fazenda Estadual / Questão: 151 Julgue o item subsequente, referente ao OLAP. 50. [Q2018584] Em um sistema OLAP, pivoteamento é a operação de mudar as dimensões utilizadas em uma tabulação cruzada em um cubo de dados multidimensional. c) Certo e) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), OLAP. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria de Estado da Fazenda do Alagoas SEFAZ AL - AL / Auditor de Finanças e Controle de Arrecadação da Fazenda Estadual / Questão: 138 Nas questões que avaliem conhecimentos de informática, a menos que seja explicitamente informado o contrário, considere que: todos os programas mencionados estejam em configuração- padrão, em português; o mouse esteja configurado para pessoas destras; expressões como clicar, clique simples e clique duplo refiram-se a cliques com o botão esquerdo do mouse; e teclar corresponda à operação de pressionar uma tecla e, rapidamente, liberá-la, acionando-a apenas uma vez. Considere também que não haja restrições de proteção, de funcionamento e de uso em relação aos programas, arquivos, diretórios, recursos e equipamentos mencionados. 51. [Q1993773] Em Data Warehouse, as representações multidimensionais de dados, que normalmente representam um único fato, em que o usuário pode aumentar ou diminuir o nível de detalhamento da informação, recebe o nome de a) cubos. b) grãos. c) fatos. d) dimensões. e) medidas. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Data Warehouse. Fonte: Instituto Quadrix - Quadrix 2021 / Conselho Regional de Psicologia da 4ª Região CRP 4 - MG / Analista de Desenvolvimento de Sistemas da Informação / Questão: 47 A respeito de inteligência artificial, julgue os itens seguintes. 52. [Q1922090] A classificação Naive Bayes parte da suposição de que as variáveis envolvidas em machine learning são independentes entre si. c) Certo e) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Aprendizado de Máquina. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria da Fazenda do Estado do Ceará SEFAZ CE - CE / Auditor Fiscal da Receita Estadual - Área Tecnologia da Informação / Questão: 108 Julgue os próximos itens, relativos ao business intelligence (BI). 53. [Q1922004] Um data warehouse (DW), ainda que seja não volátil — ou seja, após os dados serem inseridos nele os usuários não podem alterá-los — é variável no tempo, pois mantém um conjunto de dados históricos que oferecem suporte à tomada de decisões. c) Certo e) Errado Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Data Warehouse. Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2021 / Secretaria da Fazenda do Estado do Ceará SEFAZ CE - CE / Auditor Fiscal da Receita Estadual - Área Tecnologia da Informação / Questão: 79 54. [Q1066666] Ao ler esta notícia, uma Auditora Fiscal da área de TI concluiu, corretamente, que o cruzamento e a análise simultânea de diversas informações, como Nota Fiscal Eletrônica (NF-e), inadimplência, regularidade no cumprimento de obrigações, porte da empresa, composição do quadro societário, autos de infração anteriores, localização geográfica e atividade econômica, entre outras, a) caracterizam-se como operações MOLAP, que usam a base de dados relacional para acessar os dados do cubo. b) caracterizam-se como operações HOLAP, que não usam a base de dados relacional para acessar os dados do cubo. c) podem ter sido realizados com a ajuda de ferramentas de Data Marts integrados, que não requerem a construção de um DW. d) podem ter sido realizados com ferramentas de Data Mining em tempo real, uma vez que os dados do DW são constantemente atualizados a partir da chave de tempo que indica o dia no qual os dados foram extraídos dos sistemas transacionais. e) podem ter sido realizados com a ajuda de ferramentas de Data Mining, que permitem a exploração de grandes volumes de dados para identificar padrões de comportamento e relacionamentos. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining). Fonte: Fundação Carlos Chagas - FCC 2019 / Secretaria da Fazenda do Estado da Bahia SEFAZ BA - BA / Auditor Fiscal - Área Tecnologia da Informação / Questão: 15 55. [Q1066664] Um Auditor da SEFAZ-BA, observando as necessidades da organização, propôs um Data Warehouse (DW) com as seguintes características: - na camada de dados resumidos ficam os dados que fluem do armazenamento operacional, que são resumidos na forma de campos que possam ser utilizados pelos gestores de forma apropriada. - na segunda camada, ou no nível de dados históricos, ficam todos os detalhes vindos do ambiente operacional, em que se concentram grandes volumes de dados. Com esta organização, os tipos de consulta analítica de maior frequência acessariam os dados resumidos, mais compactos e de mais fácil acesso e, em situações em que seja necessário um maior nível de detalhe, utilizar-se-iam os dados históricos. O Auditor propôs um DW a) que oferece maior nível de detalhes, ou seja, alto nível de granularidade. b) que oferece menor nível de detalhes, ou seja, baixo nível de granularidade. c) com nível duplo de granularidade. d) com OLAP integrado. e) com data marts geminados. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Data Warehouse. Fonte: Fundação Carlos Chagas - FCC 2019 / Secretariada Fazenda do Estado da Bahia SEFAZ BA - BA / Auditor Fiscal - Área Tecnologia da Informação / Questão: 13 56. [Q1066711] O texto se refere à técnica de a) data mart. b) data warehousing. c) big data. d) OLAP. e) data mining. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining). Fonte: Fundação Carlos Chagas - FCC 2019 / Secretaria da Fazenda do Estado da Bahia SEFAZ BA - BA / Auditor Fiscal - Área Administração Tributária - Parte Específica / Questão: 5 57. [Q2102344] Como não existe um modelo de armazenamento de dados único adequado para atender a todos os cenários e necessidades das aplicações de Big Data, em complemento ao modelo relacional, foram criados quatro novos tipos de armazenamento NoSQL (Not only SQL). Dentre esses, aqueles que modelam os dados usando o formato de linhas e colunas são APENAS os tipos de bancos de dados orientados a colunas, a ) chave-valor e grafos. b ) chave-valor e documentos. c ) documentos e grafos. d ) chave-valor. e ) grafos. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data, NoSQL. Fonte: Fundação Carlos Chagas - FCC 2018 / Secretaria da Fazenda do Estado de Santa Catarina SEFAZ SC - SC / Auditor Fiscal da Receita Estadual - Área: Tecnologia da Informação -Específica / Questão: 35 58. [Q2102479] No âmbito da ciência de dados na definição de Big Data, utilizam-se características ou atributos que alguns pesquisadores adotam como sendo os cinco Vs. Porém, a base necessária para o reconhecimento de Big Data é formada por três propriedades: a ) valor, velocidade e volume. b ) valor, veracidade e volume. c ) variedade, velocidade e volume. d ) variedade, valor e volume. e ) velocidade, veracidade e volume. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Big Data. Informática > Internet, Big Data. Fonte: Fundação Carlos Chagas - FCC 2018 / Secretaria da Fazenda do Estado de Santa Catarina SEFAZ SC - SC / Auditor Fiscal da Receita Estadual - Área: Tecnologia da Informação -Específica / Questão: 57 59. [Q959718] “A etapa de Mineração de Dados compreende a busca efetiva por conhecimentos úteis no contexto da aplicação de KDD (Knowledge Discovery in Database), ou Descoberta do Conhecimento em Bases de Dados. É a principal etapa do processo de KDD.” Acerca de algumas das tarefas do KDD, analise a assertiva a seguir: “compreende a busca por uma função que mapeie os registros de um banco de dados em um intervalo de valores reais”. Assinale a alternativa que apresenta esta tarefa. a ) Regressão. b ) Classificação. c ) Sumarização. d ) Agrupamento. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining). Fonte: Instituto de Desenvolvimento Educacional, Cultural e Assistencial Nacional - IDECAN 2018 / Conselho Regional de Farmácia de São Paulo CRF SP - SP / Analista de Sistemas / Questão: 38 60. [Q959719] Acerca dos métodos tradicionais de Mineração de Dados, um desses métodos “produz Árvores de Decisão a partir de uma abordagem recursiva de particionamento de um conjunto de dados, e utiliza conceitos e medidas da Teoria da Informação”. Trata-se do método: a ) C4.5. b ) Apriori. c ) Máquinas de Vetores Suporte. d ) Classificador Bayesiano Ingênuo. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining). Fonte: Instituto de Desenvolvimento Educacional, Cultural e Assistencial Nacional - IDECAN 2018 / Conselho Regional de Farmácia de São Paulo CRF SP - SP / Analista de Sistemas / Questão: 39 61. [Q2102481] As aplicações de Business Intelligence, nas últimas décadas, se utilizam de dados multidimensionais, armazenados em Data Warehouse, para gerar visões de negócios baseados em análises a) descritivas, diagnósticas, preditivas e prescritivas. b) prescritivas, preditivas e diagnósticas, apenas. c) preditivas, prescritivas e descritivas, apenas. d) diagnósticas, descritivas e preditivas, apenas. e) descritivas, diagnósticas e prescritivas, apenas. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Data Warehouse. Fonte: Fundação Carlos Chagas - FCC 2018 / Secretaria da Fazenda do Estado de Santa Catarina SEFAZ SC - SC / Auditor Fiscal da Receita Estadual - Área: Tecnologia da Informação -Específica / Questão: 58 62. [Q2102340] As soluções em Big Data Analytics, usadas, por exemplo, pela Fazenda Pública principalmente para evitar sonegações de tributos, trabalham com algoritmos complexos, agregando dados de origens diversas, relacionando-os e gerando conclusões fundamentais para a tomada de decisões. Na execução dessas análises pelos auditores, considere: I. Dados estruturados. II. Dados semiestruturados. III. Dados não estruturados. IV. Dados brutos, não processados. V. Esquemas de dados gerados no momento da gravação. Sobre um repositório de armazenamento, que contenha uma grande quantidade de dados a ser examinada, deverão ser utilizados APENAS os que constam de a) I, III e IV. b) I, II, III e V. c) III, IV e V. d) I, II, III e IV. e) I, II, IV e V. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Dados estruturados e não estruturados, Conceitos básicos, Big Data. Fonte: Fundação Carlos Chagas - FCC 2018 / Secretaria da Fazenda do Estado de Santa Catarina SEFAZ SC - SC / Auditor Fiscal da Receita Estadual - Área: Tecnologia da Informação -Específica / Questão: 33 Atenção: Para responder às questões de números 70 a 72, considere o seguinte caso hipotético: Um Auditor da Receita Estadual pretende descobrir, após denúncia, elementos que possam caracterizar e fundamentar a possível existência de fraudes, tipificadas como sonegação tributária, que vêm ocorrendo sistematicamente na arrecadação do ICMS. A denúncia é que, frequentemente, caminhões das empresas Org1, Org2 e Org3 não são adequadamente fiscalizados nos postos de fronteiras. Inobservâncias de procedimentos podem ser avaliadas pelo curto período de permanência dos caminhões dessas empresas na operação de pesagem, em relação ao período médio registrado para demais caminhões. Para caracterizar e fundamentar a existência de possíveis fraudes, o Auditor deverá coletar os registros diários dos postos por, pelo menos, 1 ano e elaborar demonstrativos para análises mensais, trimestrais e anuais. 63. [Q2093292] A aplicação de técnicas de mineração de dados (data mining) pode ser de grande valia para o Auditor. No caso das pesagens, por exemplo, uma ação típica de mining, que é passível de ser tomada com o auxílio de instrumentos preditivos, é a) quantificar as ocorrências de possíveis pesagens fraudulentas ocorridas durante todo o trimestre que antecede a data da análise, em alguns postos selecionados, mediante parâmetros comparativos preestabelecidos. b) analisar o percentual de ocorrências das menores permanências de caminhões nos postos, no último ano, em relação ao movimento total. c) relacionar os postos onde ocorreram, nos últimos seis meses, as menores permanências das empresas suspeitas e informar o escalão superior para a tomada de decisão. d) realizar uma abordagem surpresa em determinado posto, com probabilidade significativa de constatar ocorrência fraudulenta. e) reportar ao escalão superior as características gerais das pesagens e permanências de todos os caminhões, nos cinco maiores postos do Estado, no mês que antecede a data de análise. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Mineração de Dados (Data Mining). Fonte: Fundação Carlos Chagas - FCC 2018 / Secretaria de Estado da Fazenda de Santa Catarina SEF - SC / Auditor Fiscal da Receita Estadual - Área: Auditoria e Fiscalização / Questão: 72 64. [Q2093288] O Auditor poderá fazer análises de pesagens diversas a partir de operações feitas sobre o cubo de dados multidimensionaldo Data Warehouse, por exemplo, trocar a ordem, ou aumentar ou diminuir a granularidade dos dados em análise, entre outras, como é o caso do uso da operação OLAP a) drill down, que permite ao Auditor aumentar o nível de detalhe de análise das informações de pesagens. b) drill off, que permite ao Auditor mudar o foco dimensional de análise das informações de pesagens. c) pivot, que permite ao Auditor pular um intervalo dimensional de análise das informações de pesagens. d) drill accross, que permite ao Auditor mudar o escopo de análise das informações de pesagens, filtrando e rearranjando determinadas partes do cubo de dados. e) roll out, que permite ao Auditor diminuir o nível de detalhe de análise das informações de pesagens. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), OLAP, Data Warehouse. Fonte: Fundação Carlos Chagas - FCC 2018 / Secretaria de Estado da Fazenda de Santa Catarina SEF - SC / Auditor Fiscal da Receita Estadual - Área: Auditoria e Fiscalização / Questão: 71 65. [Q2093285] Para permitir uma análise coerente, após a denúncia, a concepção de um modelo de dados multidimensional do tipo esquema estrela (star schema), em um Data Warehouse, deve registrar os elementos de dados: identificação do posto, empresa, data da pesagem e tempo de permanência. Considerando os conceitos fatos e dimensões, os elementos de dados classificados como dimensões são, apenas, a) identificação do posto, data da pesagem e tempo de permanência. b) empresa, data da pesagem e tempo de permanência. c) identificação do posto e empresa. d) identificação do posto, empresa e data da pesagem. e) empresa e data da pesagem. Disciplinas/Assuntos vinculados: Tecnologia da Informação > Business Intelligence (Análise de dados), Data Warehouse. Fonte: Fundação Carlos Chagas - FCC 2018 / Secretaria de Estado da Fazenda de Santa Catarina SEF - SC / Auditor Fiscal da Receita Estadual - Área: Auditoria e Fiscalização / Questão: 70 66. [Q966974] A respeito das técnicas e(ou) métodos de mineração de dados, assinale a opção correta. a) O agrupamento (ou clustering) realiza identificação de grupos de dados que apresentam coocorrência. b) A classificação realiza o aprendizado de uma função que pode ser usada para mapear os valores associados aos dados em um ou mais valores reais. c) A regressão ou predição promove o aprendizado de uma função que pode ser usada para mapear dados em uma de várias classes discretas definidas previamente, bem como encontrar tendências que possam ser usadas para entender e explorar padrões de comportamento dos dados. d) As regras de associação identificam grupos de dados, em que os dados têm características semelhantes aos do mesmo grupo e os grupos têm características diferentes entre si. e) Os métodos de classificação supervisionada podem ser embasados em separabilidade (entropia), utilizando árvores de decisão e variantes, e em particionamento, utilizando SVM (support vector machines). Disciplinas/Assuntos vinculados: Tecnologia da Informação > Mineração de Dados (Data Mining). Fonte: Centro de Seleção e de Promoção de Eventos UnB - CESPE/CEBRASPE 2018 / Tribunal de Contas dos Municípios da Bahia TCM BA - BA / Auditor Estadual de Controle Externo / Questão: 13 Gabarito Criado em: 11/05/2023 às 22:14:19 (1 = e ) (2 = e ) (3 = a ) (4 = b ) (5 = c ) (6 = c ) (7 = e ) (8 = c ) (9 = e ) (10 = e ) (11 = c ) (12 = e ) (13 = c ) (14 = e ) (15 = e ) (16 = c ) (17 = c ) (18 = c ) (19 = c ) (20 = e ) (21 = e ) (22 = e ) (23 = a ) (24 = a ) (25 = c ) (26 = e ) (27 = e ) (28 = e ) (29 = d) (30 = d) (31 = e ) (32 = e ) (33 = c ) (34 = e ) (35 = c ) (36 = e ) (37 = c ) (38 = c ) (39 = c ) (40 = b ) (41 = a ) (42 = e ) (43 = e ) (44 = c ) (45 = c ) (46 = b ) (47 = e ) (48 = c) (49 = c) (50 = c) (51 = a) (52 = c) (53 = c) (54 = e) (55 = c) (56 = e) (57 = b ) (58 = c ) (59 = a ) (60 = a ) (61 = d) (62 = d) (63 = d) (64 = a) (65 = d) (66 = e)
Compartilhar