Foram encontradas 80 questões.
Assinale a opção que indica característica central da modelagem dimensional aplicada a sistemas de apoio à decisão.
Provas
O objetivo principal do processo de normalização de dados em bancos de dados relacionais é
Provas
Assinale a opção que corresponde corretamente a um princípio fundamental do modelo relacional no contexto da abordagem relacional de bancos de dados.
Provas
Texto 2A2-III
Um analista ambiental pretende integrar ao sistema institucional dados disponibilizados por órgãos federais em portais públicos, permitindo reutilização por diferentes aplicações e usuários.
Na situação retratada no texto 2A2-III, considerando-se a necessidade de permitir a reutilização de dados ambientais integrados por diferentes aplicações e usuários, é correto afirmar que o uso de uma view em um banco de dados relacional seria adequado porque isso permite
Provas
Texto 2A2-III
Um analista ambiental pretende integrar ao sistema institucional dados disponibilizados por órgãos federais em portais públicos, permitindo reutilização por diferentes aplicações e usuários.
Considerando-se a intenção do analista ambiental mencionada no texto 2A2-III e o conceito de dados abertos, é correto afirmar que os dados
Provas
Texto 2A2-II
Um órgão ambiental federal responsável pelo monitoramento e pela fiscalização de recursos pesqueiros iniciou um projeto nacional de combate à pesca ilegal. O projeto envolve a integração de dados heterogêneos, incluindo registros administrativos de licenças de pesca, dados de rastreamento de embarcações, imagens de satélite, informações geoespaciais, relatórios de fiscalização e séries históricas de infrações ambientais. A equipe técnica precisa estruturar um ambiente analítico que permita consultas eficientes, automatização de rotinas recorrentes, análise e comunicação clara dos resultados para os gestores responsáveis pela formulação de políticas públicas e pela priorização de ações de fiscalização.
Ainda em relação à situação apresentada no texto 2A2-II, na arquitetura analítica do projeto de combate à pesca ilegal, a integração entre consultas em SQL e o uso de linguagens como Python e R seria tecnicamente justificável porque essa integração
Provas
Texto 2A2-II
Um órgão ambiental federal responsável pelo monitoramento e pela fiscalização de recursos pesqueiros iniciou um projeto nacional de combate à pesca ilegal. O projeto envolve a integração de dados heterogêneos, incluindo registros administrativos de licenças de pesca, dados de rastreamento de embarcações, imagens de satélite, informações geoespaciais, relatórios de fiscalização e séries históricas de infrações ambientais. A equipe técnica precisa estruturar um ambiente analítico que permita consultas eficientes, automatização de rotinas recorrentes, análise e comunicação clara dos resultados para os gestores responsáveis pela formulação de políticas públicas e pela priorização de ações de fiscalização.
No contexto do combate à pesca ilegal descrito no texto 2A2-II, a adoção de práticas associadas a Big Data contribui diretamente para a efetividade da fiscalização, porque possibilita
Provas
Texto 2A2-II
Um órgão ambiental federal responsável pelo monitoramento e pela fiscalização de recursos pesqueiros iniciou um projeto nacional de combate à pesca ilegal. O projeto envolve a integração de dados heterogêneos, incluindo registros administrativos de licenças de pesca, dados de rastreamento de embarcações, imagens de satélite, informações geoespaciais, relatórios de fiscalização e séries históricas de infrações ambientais. A equipe técnica precisa estruturar um ambiente analítico que permita consultas eficientes, automatização de rotinas recorrentes, análise e comunicação clara dos resultados para os gestores responsáveis pela formulação de políticas públicas e pela priorização de ações de fiscalização.
No fluxo analítico do projeto descrito no texto 2A2-II, o uso de ferramentas como Power BI e Tableau seria tecnicamente adequado porque essas plataformas
Provas
Texto 2A2-I
Imagens de satélite e inteligência artificial podem ser aplicadas para determinar os níveis de desmatamento e os detalhes da biodiversidade da Floresta Amazônica, de maneira que culturas agrícolas sejam automaticamente classificadas por um sistema de aprendizado de máquina que usa imagens de satélite nesse mapeamento.
É nesse sentido que a ferramenta LLP-Co (learning from label proportions with prototypical contrastive clustering) organiza grandes conjuntos de dados capturados por drones e satélites, que conseguem sobrevoar a floresta e coletar dados em grande escala, inclusive em áreas de cobertura vegetal mais densa. Esses dados são organizados, identificados (rotulados) e classificados pelo sistema, que tem a capacidade de aprender sozinho a partir da supervisão e validação dos pesquisadores.
As aplicações do sistema no monitoramento florestal permitem uma maior acurácia no acompanhamento do avanço do desmatamento, possibilitando uma gestão de políticas públicas mais eficaz. Além disso, a identificação e a classificação das espécies vegetais podem revelar detalhes surpreendentes da biodiversidade local, abrindo novos flancos de pesquisas voltadas para a preservação ambiental.
Internet: <https://portal.fgv.br> (com adaptações).
Os dados espaciais provenientes de satélites e drones, conforme mencionados no texto 2A2-I, são potencialmente integráveis a diferentes órgãos ambientais. Para viabilizar o compartilhamento desses dados geoespaciais, é fundamental o uso de
Provas
Texto 2A2-I
Imagens de satélite e inteligência artificial podem ser aplicadas para determinar os níveis de desmatamento e os detalhes da biodiversidade da Floresta Amazônica, de maneira que culturas agrícolas sejam automaticamente classificadas por um sistema de aprendizado de máquina que usa imagens de satélite nesse mapeamento.
É nesse sentido que a ferramenta LLP-Co (learning from label proportions with prototypical contrastive clustering) organiza grandes conjuntos de dados capturados por drones e satélites, que conseguem sobrevoar a floresta e coletar dados em grande escala, inclusive em áreas de cobertura vegetal mais densa. Esses dados são organizados, identificados (rotulados) e classificados pelo sistema, que tem a capacidade de aprender sozinho a partir da supervisão e validação dos pesquisadores.
As aplicações do sistema no monitoramento florestal permitem uma maior acurácia no acompanhamento do avanço do desmatamento, possibilitando uma gestão de políticas públicas mais eficaz. Além disso, a identificação e a classificação das espécies vegetais podem revelar detalhes surpreendentes da biodiversidade local, abrindo novos flancos de pesquisas voltadas para a preservação ambiental.
Internet: <https://portal.fgv.br> (com adaptações).
No sensoriamento remoto, o emprego de drones e satélites para coletar informações sobre a cobertura vegetal amazônica, conforme consta no texto 2A2-I, fundamenta-se na
Provas
Caderno Container