O fiscal de rendas Renan está explorando a base de dados sobre a situação fiscal de empresas que atuam no Rio de Janeiro, e encontrou os seguintes padrões:

• TIPO_EMPRESA ="MEI", RENDA _ANO= "NIVEL A",> QUANTIDADE_SOCIOS=1, SITUACAO_FISCAL="INADIMPLENTE" (suporte = 50%, confiança = 70%)
• TIPO_EMPRESA="Simples", RENDA_ANO="NIVEL B"-> QUANTIDADE_SOCIOS= 2, SITUACAO_FISCAL="REGULAR" (suporte 30%, confiança = 80%)

A técnica de Mineração de dados que Renan aplicou para descobrir elementos que ocorrem em comum dentro de um determinado conjunto de dados foi:

No contexto de Big Data, para armazenar petabytes de dados não estruturados, semiestruturados e estruturados, com alto nível de heterogeneidade, é necessário um banco de dados que:

No ambiente de Data Warehousing da 'SMFP/RJ, os dados são extraídos de diversas fontes e integrados para apoiar a fiscalização de rendas por meio do desenvolvimento de diversos artefatos de dados. Antes de começar as análises nesse ambiente, o fiscal de rendas Inácio fez consultas sobre o seu conteúdo, por exemplo:

• DW_Tributos, banco de dados analítico do tipo Data Warehouse que integra dados sobre os tributos arrecadados do Município do Rio de Janeiro.
• TP_EMPRESA, Caractere, 1, atributo que descreve o tipo da empresa contendo os seguintes valores: M - MEI ou S - Simples Nacional, e faz parte da tabela TB _EMPRESA.
• RL_Sit_Fiscal, relatório sobre a situação fiscal das empresas do Município do Rio de Janeiro.

O componente do ambiente de Data Warehousing, utilizado por Inácio, que foi desenvolvido para apoiar consultas sobre a descrição de cada artefato de dado, é:

Observe a seguinte estrutura do conjunto de dados PESSOA que contém dados sobre pessoas e a sua renda anual.

O conjunto de dados PESSOA será usado para a tarefa de aprendizagem supervisionada de classificação com a finalidade de prever se a renda (Classe) de uma pessoa excede 50 mil por ano.

Para isso, a operação de pré-processamento de dados que deve ser executada no conjunto de dados PESSOA é:

A modelagem de dados é uma etapa importante do projeto de um banco de dados. A notação de diagrama entidade-relacionamento é uma das principais ferramentas utilizadas nesse processo, permitindo visualizar as entidades, atributos e relacionamentos entre as entidades do domínio. A figura apresenta um diagrama entidade-relacionamento fruto da modelagem de dados de um domínio em que Alunos cursam Disciplinas e, ao cursar, é necessário armazenar o semestre e a nota de cada aluno em cada disciplina.

Ao apresentar o modelo ao cliente, foi solicitado um requisito adicional: “o mesmo aluno pode cursar a mesma disciplina mais de uma vez, em semestres distintos; e deseja-se preservar os dados de todas as vezes em que um aluno cursar uma disciplina”. Assinale a alternativa que apresenta uma afirmação correta que ajusta o modelo para atender ao novo requisito.

A Inteligência Artificial (IA) tem proporcionado avanços importantes em diversas áreas, tais como saúde, finanças e marketing, ajudando em diversas tarefas, desde apoio à tomada de decisões até a automação completa de tarefas, antes desempenhadas por seres humanos. Uma das abordagens da IA que vem ganhando destaque é conhecida como machine learning.

Assinale a alternativa que descreve corretamente características de machine learning.

Atualmente, ao buscar atendimento via telefone ou aplicativo de mensagem, é comum que o usuário interaja com um software, por meio de conversas automatizadas. Tal interação simula uma interação humana e ocorre, normalmente, usando texto ou voz.

Assinale a alternativa que apresenta o sistema de software projetado para interagir com usuários por meio de conversas automatizadas.

Os data warehouse existem para facilitar consultas ocasionais e complexas com uso intensivo de dados. Com relação às aplicações e funcionalidades típicas de um data warehouse, avalie se as afirmativas a seguir são verdadeiras (V) ou falsas (F):

1. No Roll-up, os níveis cada vez menores de detalhes dos dados são revelados.
2. No Drill-down, os dados são expandidos com generalizações cada vez maiores, por exemplo, de quinzenal para mensal para trimestral para semestral.
3. No Slice-and-dice, as operações de projeção são realizadas nas dimensões do modelo multidimensional.

As afirmativas são, respectivamente,

Os data warehouses e data marts possuem características técnicas próprias. Em relação ao tema, analise as afirmativas a seguir:

1. Data warehouse de nível empresarial: oferecem múltiplas visões sobre bancos operacionais, as visões são materializadas para obter acessos mais seguros aos dados.
2. Data mart: possuem um foco mais específico, são direcionados para um subconjunto de setores de uma organização, por exemplo, um departamento.
3. Data mart virtuais: são imensos projetos complexos que demandam investimentos expressivos de tempo e de recursos computacionais e humanos.

Está correto o que se afirma em

Considerando os data warehouses e a modelagem multidimensional, analise os itens a seguir:

1. Data warehouses são uma coleção de dados orientada a assunto, volátil, variável no tempo para apoiar os processos de suporte à tomadas de decisões.
2. O esquema floco de neve é uma variação do esquema estrela, em que as tabelas das dimensões são organizadas em uma hierarquia ao normalizá-las.
3. Uma constelação de fatos é um conjunto de tabelas de fatos que compartilham algumas tabelas de dimensão.

Está correto apenas o que se afirma em