Grátis: Uma empresa de análise de mídias sociais precisa tomar uma decisão. Ela coleta grandes volumes de dados estruturados e não estruturados de diversas... – Questões Respondidas

Inglês

Outros

Uma empresa de análise de mídias sociais precisa tomar uma decisão. Ela coleta grandes volumes de dados estruturados e não estruturados de diversas fontes, como plataformas de mídia social, blogs, fóruns, vídeos e imagens. Esses dados são essenciais para fornecer insights e análises relevantes para seus clientes, ajudando-os a entender as tendências, o sentimento do público, identificar oportunidades de negócios e gerenciar a reputação online.
Diante do cenário, qual dos processos a empresa pode se beneficiar?
ETL (Extract, Transformation, Load)
ELT (Extract, Load, Transformation)

Exercícios Para o Conhecimento

ano passado

Exercícios Para o Conhecimento

ano passado

big_data-Exercício avaliativo - Módulo 3_ Revisão da tentativa

big_data-Exercício avaliativo - Módulo 3_ Revisão da tentativa

ESTÁCIO

Respostas

Ed

ano passado

Para decidir entre ETL (Extract, Transformation, Load) e ELT (Extract, Load, Transformation), é importante entender como cada um desses processos funciona e qual se adapta melhor ao cenário descrito. 1. ETL (Extract, Transformation, Load): Neste processo, os dados são extraídos de várias fontes, transformados em um formato adequado e, em seguida, carregados em um sistema de armazenamento. Esse método é mais tradicional e é frequentemente usado quando os dados precisam ser limpos e transformados antes de serem armazenados. 2. ELT (Extract, Load, Transformation): Aqui, os dados são extraídos e carregados diretamente em um sistema de armazenamento, e a transformação ocorre posteriormente. Esse método é mais comum em ambientes de big data, onde grandes volumes de dados não estruturados são processados e analisados após serem carregados. Dado que a empresa coleta grandes volumes de dados estruturados e não estruturados de diversas fontes, e considerando a necessidade de flexibilidade para análise posterior, o processo que mais se beneficia desse cenário é o ELT (Extract, Load, Transformation). Isso permite que a empresa trabalhe com os dados em seu formato bruto e realize transformações conforme necessário, aproveitando melhor a análise de dados em tempo real. Portanto, a resposta correta é: ELT (Extract, Load, Transformation).

Essa resposta te ajudou?

0

0

Ainda não achou a resposta?

Integrado com os principais modelos de IA do mercado
Respostas em segundos
IA treinada para estudantes brasileiros.

Evolua sua forma de estudar

Cadastre-se ou realize login

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

big_data-Exercício avaliativo - Módulo 3_ Revisão da tentativa

big_data-Exercício avaliativo - Módulo 3_ Revisão da tentativa

ESTÁCIO

Mais perguntas desse material

O agrupamento de dados, ou clusterização, é uma técnica que identifica grupos de objetos semelhantes em um conjunto de dados. Nesse contexto, existem muitos modelos que podem ser utilizados para realizar a clusterização, entretanto, os mais utilizados são: modelo de conectividade, de centroide, de distribuição e de densidade. Qual desses modelos é utilizado para analisar e entender a distribuição de probabilidade de uma variável aleatória? a. Modelos de conectividade. b. Modelos centroide. c. Modelos de distribuição. d. Modelos de densidade.

A ordem correta para as etapas do processo ETL são:
Qual é a ordem correta para o processo de ETL?
a. Extração, Transformação e Carregamento.
b. Carregamento, Extração e Transformação.
c. Transformação, Extração e Carregamento.
d. Carregamento, Transformação e Extração.

Sobre os modelos de centroide marque as afirmacoes verdadeiras.
Assinale a alternativa correta sobre os modelos de centroide.
I. Os modelos de centroide são um tipo de algoritmo de clustering em que a similaridade entre os pontos de dados é definida pela proximidade desses pontos aos centroides dos clusters.
II. Os modelos de centroide visam identificar centroides que sejam representativos dos clusters e buscam encontrar o número ideal de clusters para o conjunto de dados.
III. Ao utilizar um modelo de centroide, é necessário fornecer o número de clusters desejado antes da execução do algoritmo. Isso significa que, ao contrário de outros modelos de clustering, como os modelos de conectividade baseados em vizinhança, estabelecer o número de clusters é um parâmetro desafiador que precisa ser determinado antes da execução do modelo.
a. I e II são verdadeiras.
b. I e III são verdadeiras.
c. II e III são verdadeiras.
d. Todas são verdadeiras.

O estudo de algoritmos no contexto do Big Data tem se tornado cada vez mais relevante. Eles desempenham um papel fundamental na sociedade, ao lidar com o processamento de enormes volumes de dados gerados no ambiente cibernético.
Sobre o conceito de algoritmos, julgue a frase a seguir como verdadeira ou falsa. Um algoritmo é um conjunto preciso de instruções lógicas que são executadas por um computador para realizar uma tarefa específica ou resolver um problema.
Verdadeiro
Falso

A distribuição de dados tem o objetivo de identificar a frequência com que determinados valores aparecem em um conjunto de dados, a fim de compreender melhor seu comportamento, além de identificar possíveis padrões ou tendências.
Para cada descrição, selecione o termo que representa o tipo de distribuição de dados correlato.
a. Tipo de distribuição estatística em que a cauda da distribuição se estende mais para a direita que para a esquerda. O valor numérico da média é maior que o da mediana, e a mediana é maior que a moda.
b. Tipo de distribuição que é caracterizada por uma curva simétrica em torno da média dos dados, com uma forma de sino.
c. É uma distribuição em que todos os valores possíveis têm a mesma probabilidade de ocorrência, sendo caracterizada por uma função de densidade de probabilidade retangular.
Distribuição right skewed
Distribuição normal/Gaussiana
Distribuição uniforme

No contexto de Big Data, dois modelos de programação se destacam: o MapReduce e o ElasticSearch.
Com base nesses modelos, julgue a descrição abaixo como Verdadeira ou Falsa. O MapReduce é composto por duas etapas principais: a primeira, chamada map, responsável por realizar o processamento paralelo dos dados; e a segunda, chamada reduce, responsável por agregar os resultados parciais obtidos na etapa de map. É útil para processar grandes volumes de dados não estruturados. Já o modelo de programação ElasticSearch utiliza o conceito de índices para organizar os dados, permitindo buscar informações textuais em grandes volumes de dados em tempo real.
Verdadeiro
Falso