A clusterização é uma técnica de aprendizado não supervisionado que agrupa dados com características similares. Sobre as diferentes técnicas de clusterização, analise as assertivas abaixo:

I. Hierarchical Clustering é mais adequado para grandes volumes de dados devido ao seu baixo custo computacional.

II. K-means é um algoritmo de clusterização que minimiza a variância dentro dos clusters ao calcular centros iterativamente.

III. DBSCAN é capaz de detectar clusters de formato arbitrário e identificar pontos como ruído se eles não pertencem a nenhum cluster.


Quais estão corretas?

As técnicas de regressão são amplamente utilizadas para modelar a relação entre variáveis e realizar previsões contínuas em aprendizado de máquina. Sobre as diferentes técnicas de regressão, assinale a alternativa correta.

As técnicas de classificação são fundamentais em aprendizado de máquina para prever categorias ou classes com base em dados históricos. Nesse contexto, assinale a alternativa que descreve corretamente uma técnica amplamente utilizada para classificação.

O pré-processamento de dados é uma etapa essencial para garantir a qualidade e a eficiência das análises em ambientes de Big Data. Sendo assim, assinale a alternativa que descreve corretamente uma técnica comum de pré-processamento de dados.

A visualização de dados é uma etapa fundamental para compreender grandes volumes de informações e identificar padrões relevantes no contexto de Data Mining e Big Data. Em relação às principais técnicas de visualização de dados, é correto afirmar que:

O processo de ETL (Extract, Transform, Load) é essencial para a construção e manutenção de um Data Warehouse, garantindo que os dados sejam integrados e disponibilizados de forma consistente para suporte à decisão. Sobre o processo de ETL, assinale a alternativa correta.

Uma das soluções mais interessantes utilizadas atualmente nos servidores é a construção de sistemas por meio de contêineres. Contêineres são unidades leves e portáteis que empacotam uma aplicação e suas dependências (bibliotecas, configurações etc.), permitindo que ela seja executada de forma consistente em qualquer ambiente.
Diante desse contexto, assinale a opção que indica uma característica específica de máquinas virtuais (VMs) em comparação aos contêineres.

Com a diversificação das aplicações que empregam conjuntos de dados classificados como Big Data, foram desenvolvidos frameworks, heurísticas e metodologias para armazenar, acessar e processá-los sem comprometer o desempenho dos sistemas envolvidos. Duas soluções que se destacam nesse contexto são o Apache Hadoop e o Apache Spark.
A respeito dessas soluções, assinale a afirmativa correta.

Associe os dois conceitos a seguir, às suas respectivas características.
1. OLAP 2. Data Lake

( ) Seu principal padrão de escrita é a importação em massa (ETL) ou fluxo de eventos.

( ) Armazena principalmente dados brutos, passando ou não por transformação.

( ) É caracterizada pela agregação sobre um grande número de registros, alimentando relatórios que ajudam a gestão de uma empresa a tomar decisões mais informadas.

( ) permite o armazenamento de grandes volumes de dados de qualquer tipo e tamanho, sendo uma alternativa aos Data Warehouses tradicionais.

Assinale a opção que apresenta a associação correta, na ordem apresentada.

Em sistemas de gerenciamento de bancos de dados, o Controle de Concorrência Multiversão (MVCC) é uma técnica utilizada para gerenciar transações concorrentes de maneira eficiente.
A respeito do funcionamento do MVCC, assinale a afirmativa correta.