Questões

Total de Questões Encontradas: 05

Um estagiário da área de administração de banco de dados recebeu a tarefa de normalizar as tabelas de um esquema de BD que será usado em um sistema que, em breve, irá entrar em produção. Há alguns dias ele foi chamado por um analista de banco de dados para que enumerasse o que foi feito no esquema, tendo em vista garantir que todas as tabelas atendam à 3a forma normal (3FN). Ao ser questionado pelo analista, ele respondeu o seguinte:

• Todas as colunas definidas são atômicas.
• Foram definidas chaves primárias para todas as tabelas.
• Todas as colunas que fazem parte de alguma chave primária foram definidas como NOT NULL.
• Não há chave primária composta em tabela alguma.
• Todas as dependências funcionais transitivas foram eliminadas.
Nessas condições, para garantir que todas as tabelas desse esquema atendam à 3FN,
A
é necessário estender a restrição de NOT NULL para as demais colunas
B
é necessário criar chaves estrangeiras para implementar as relações.
C
é necessário eliminar as dependências funcionais parciais existentes. 
D
é necessário eliminar todas as colunas multivaloradas existentes. 
E
nada mais precisa ser feito.
Ao construir um modelo de dados para um data warehouse de sua empresa, um desenvolvedor viu-se às voltas com três tabelas relacionais: venda, cliente e vendedor. Ao fazer uma transformação para o modelo estrela, ele deve organizar:
A
venda, como tabela fato; cliente e vendedor, como tabelas dimensão
B
cliente e vendedor, como tabelas fato; venda, como tabela dimensão
C
cliente, como tabela fato; venda e vendedor, como tabelas dimensão
D
vendedor e venda, como tabelas fato; cliente, como tabela dimensão
E
vendedor, como tabela fato; cliente e venda, como tabelas dimensão 
Em relação ao uso de modelos de dados em data warehouses, Inmon (2005) declara que o modelo de dados por trás do modelo relacional é em um nível razoavelmente alto de abstração, enquanto o modelo de processo por trás do modelo multidimensional não é de nenhuma forma abstrato. Nesse contexto, o modelo
A
multidimensional deve ser adotado também para as aplicações de processamento de transações da empresa, pela sua forma otimizada.
B
multidimensional é altamente eficiente, podendo, por meio de um modelo único, servir a todas as comunidades de usuários dentro de uma empresa.
C
relacional é adequado para o acesso de um usuário ou comunidade de usuários únicos, por causa de suas otimizações inerentes.
D
relacional é altamente flexível, mas não tem o desempenho otimizado para nenhum usuário.
E
relacional é mais adequado aos data marts, nos níveis de departamento ou subdepartamento, onde os dados têm escopo menor.
A principal definição de Big Data parte de três características, conhecidas como 3 V do Big Data, a saber: velocidade, variedade e volume. O termo velocidade refere-se, principalmente, à
A
necessidade das aplicações de gerar respostas rapidamente, a partir de grandes massas de dados.
B
existência de um alto fluxo de dados na entrada.
C
necessidade de gerar aplicações rapidamente, em função da demanda do negócio.
D
importância da facilidade de manipular cubos de visualização de dados, rapidamente.
E
rapidez com que os dados se tornam inválidos com o tempo.
Dois funcionários de uma empresa de crédito discutiam sobre quais algoritmos deveriam usar para ajudar a classificar seus clientes como bons ou maus pagadores. A empresa possui, para todos os empréstimos feitos no passado, um registro formado pelo conjunto de informações pessoais sobre o cliente e de como era composta a dívida inicial. Todos esses registros tinham classificações de bons ou maus pagadores, de acordo com o perfil de pagamento dos clientes. A partir desses dados, os funcionários querem construir um modelo, por meio de aprendizado de máquina, que classifique os novos clientes, que serão descritos por registros com o mesmo formato. A melhor opção, nesse caso, é usar um algoritmo
A
supervisionado, como SVM
B
supervisionado, como K-means
C
não supervisionado, como regressão linear 
D
não supervisionado, como árvores de decisão
E
semi-supervisionado, como redes bayesianas
Página 1 de 1