Julgue o item seguinte, a respeito de ETL e de manipulação, tratamento e visualização de dados.

Em gráficos interativos, um usuário pode detalhar áreas de interesse, de modo que é possível passar de uma visualização agregada, que mostra o total de vendas de um ano inteiro, para os números de vendas mensais de determinado ano.

Julgue o item subsecutivo, com base em análise de dados e informações e em mapeamento de fonte de dados.

A análise descritiva envolve a utilização de técnicas estatísticas e algoritmos para fazer previsões ou estimativas sobre eventos futuros com base em dados históricos.

No que se refere à ciência de dados, julgue o item a seguir.

A ciência de dados é usada, de maneira geral, para encontrar padrões em dados, sem fazer previsões.

No que se refere à ciência de dados, julgue o item a seguir.

Encontrar informações ocultas nos dados corresponde a um campo explorado na ciência de dados.

O Hadoop Distributed File System (HDFS) é um sistema de armazenamento de arquivos do tipo distribuído, ele foi projetado para suportar arquivos muito grandes.

O tamanho de um bloco típico usado pelo HDFS é

Relacione as características de um data warehouse listadas a seguir com suas descrições, conforme estabelecido por William Inmon.

1. Orientados a Assunto.
2. Integração.
3. Não Volátil.
4. Variante no Tempo.

(   ) O foco de um data warehouse na mudança ao longo do tempo é essencial para descobrir tendências e identificar padrões e relacionamentos ocultos nos negócios, para isso os analistas precisam de grandes quantidades de dados. Isso contrasta muito com o processamento de transações on-line onde os requisitos de desempenho exigem que os dados históricos sejam movidos para arquivos.
(   ) Os data warehouses devem colocar dados de fontes diferentes em um formato consistente. Eles devem resolver problemas como nomear conflitos e inconsistências entre unidades de medida.
(   ) Significa que, uma vez inseridos no data warehouse, os dados não devem mudar. Essa característica é lógica porque o propósito de um data warehouse é permitir que um analista analise o que ocorreu no passado.
(   ) Os data warehouses são projetados para ajudar os profissionais a analisar grandes volumes de dados. Por exemplo, para saber mais sobre os dados de vendas de uma empresa, o analista pode construir um data warehouse que concentre a venda. Usando esse data warehouse, ele poderá responder perguntas como "Quem foi nosso melhor cliente para este item no ano passado?" ou "Quem provavelmente será nosso melhor cliente no próximo ano?"

A relação correta, na ordem dada, é:

Mineração de dados(Data Mining) pode ser definido como o processo de analisar bases de dados de grande porte, a fim de descobrir informações por meio de consultas. Tendo em vista as fases do processo de KDD (Knowlegde Discovery in Databases, descoberta de conhecimento nos bancos de dados) utilizado em Data Mining, marque V para as afirmativas verdadeiras e F para as falsas.

( ) Mineração de dados: fase responsável pela escolha dos algoritmos a serem aplicados para a descoberta de informações. Essa escolha depende fundamentalmente dos objetivos do processo de KDD.

( ) Preparação dos dados: nessa fase, os dados necessários para a solução de um problema são selecionados na base de dados. Essa etapa inicia-se a partir do agrupamento organizado de uma grande quantidade de dados de uma ou mais bases de dados, selecionando somente aqueles que são relevantes.

( ) Limpeza dos dados: essa fase consome grande parte do esforço necessário para todo o processo devido à dificuldade de integrar bases de dados heterogêneas.

( ) Interpretação: ao final do processo, o sistema de mineração de dados gera um relatório das descobertas, que passa então a ser interpretado por analistas de mineração. Somente após essa interpretação obtém-se o conhecimento.

A sequência está correta em

Machine learning (aprendizado de máquinas) é uma área da inteligência artificial que objetiva desenvolver algoritmos e modelos computacionais capazes de aprender e aprimorar seu desempenho por meio da experiência com dados. Esses sistemas utilizam técnicas estatísticas e de análise de dados para identificar padrões, tomar decisões e fazer previsões; a essência do aprendizado de máquina é permitir que elas se adaptem e evoluam com base em informações e experiências passadas, tornando-se capazes de realizar tarefas específicas de forma mais eficaz e precisa. NÃO é um tipo comumente reconhecido de aprendizado de máquina o aprendizado