Magna Concursos

Foram encontradas 5.154 questões.

2642128 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: UFBA
Orgão: UFBA
Provas:

Existem duas possibilidades de modelagem para um Data Warehouse: a Star Schema e a Snow Flake Schema.

Ao optar pela modelagem Snow Flake Schema, necessita-se de menos espaço em disco, no entanto, pode-se degradar a performance das consultas.

 

Provas

Questão presente nas seguintes provas
2448487 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: FUNDATEC
Orgão: PROCERGS

Um data warehouse é um repositório de dados históricos orientados a assuntos, sendo organizados para serem acessíveis em uma forma prontamente aceitável para atividades de processamento analítico. Assim sendo, analise as assertivas abaixo, no que se refere às características e à definição de um data warehouse:

I. Segmentados - são vários bancos de dados pequenos contendo informações divergentes.

II. Organização - os dados são organizados por assunto, e contêm informações relevantes apenas para o apoio à decisão.

III. Consistência - os dados nos diferentes bancos de dados operacionais podem ser codificados de forma diferente.

IV. Variante tempo - os dados são mantidos por muitos anos, de modo que possam ser usados para tendências, previsões e comparações com o tempo.

V. Desestruturados - possuem uma quantidade grande de dados que dificultam a tomada de decisão.

Quais estão corretas?

 

Provas

Questão presente nas seguintes provas
2448431 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: IF-SUL Minas
Orgão: IF-SUL Minas

DataWarehouse e DataMining são tecnologias utilizadas por muitas organizações para facilitar e agilizar o processamento, a análise e a consulta de dados. Sobre essas tecnologias, é correto afirmar que:

 

Provas

Questão presente nas seguintes provas
2444775 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: ESAF
Orgão: RFB
Um data mining inteligente descobre informações em data warehouses onde consultas e relatórios não conseguem revela-las. Ferramentas de data mining encontram padrões em dados e podem até deduzir regras a partir deles. Os métodos usados para identificar padrões em dados são
 

Provas

Questão presente nas seguintes provas
2444773 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: ESAF
Orgão: RFB
São componentes principais de um processo de data warehousing:
 

Provas

Questão presente nas seguintes provas
2436118 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: IF-SP
Orgão: IF-SP
Provas:
Ao tentar descobrir automaticamente regras e modelos estáticos a partir de um grande volume de dados, estamos fazendo uma:
 

Provas

Questão presente nas seguintes provas
Classificação é
 

Provas

Questão presente nas seguintes provas
2433523 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: IF-SP
Orgão: IF-SP
Provas:
Os serviços OLAP fazem parte de um componente fundamental no:
 

Provas

Questão presente nas seguintes provas
2431461 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: UFMT
Orgão: MPE-MT
Provas:
Sobre técnicas de mineração de dados (data mining), considere a seguinte definição:
Seja A={a1, a2, am} um conjunto de literais chamados itens, D um banco de dados composto por um conjunto de transações T={t1, t2, tn}, onde cada transação ti é composta por um conjunto de atributos de A, isto é !$ t_i \subseteq A !$. Os itens de cada transação ti estão em ordem lexicográfica e n representa o número total de transações. Um conjunto de itens !$ I \subset A !$ é chamado de um itemset, ou seja, um itemset é um subconjunto I de A, ordenado lexicograficamente, representando a ideia de conjunto de itens adquiridos em uma transação. Uma transação tn contém um itemset I se !$ I \subseteq t_n !$. Considerando que LHS e RHS são itemset, uma é uma implicação na forma !$ LHS \Rightarrow RHS !$, em que !$ LHS \subset A !$, !$ RHS \subset A !$ e !$ LHS \cap RHS = \varnothing !$.
O nome da técnica de mineração de dados que preenche corretamente a lacuna na definição acima é:
 

Provas

Questão presente nas seguintes provas
2430665 Ano: 2012
Disciplina: TI - Ciência de Dados e BI
Banca: UFMT
Orgão: MPE-MT
Provas:
Sobre ferramentas OLAP (On-line Analytical Processing), analise as tabelas abaixo, que representam visões de dados em um Data Warehouse.
Brasil - Recemseamentos
Ano População
1950 51.941.767
1960 70.070.457
1970 93.139.037
1980 119.002.706
1991 146.825.475
2000 169.799.170
2010 190.732.694
Tabela 1
Brasil - Recemseamentos
Ano 1950 1960 1970 1980 1991 2000 2010
População 51.941.767 70.070.457 93.139.037 119.002.706 146.825.475 169.799.170 190.732.694
Tabela 2
A operação OLAP aplicada sobre a visualização dos dados apresentados na Tabela 1 que resulta na visualização mostrada na Tabela 2 é:
 

Provas

Questão presente nas seguintes provas