Durante uma verificação de rotina, a Divisão de Segurança da Informação do Tribunal de Contas do Estado de São Paulo (TCE SP) identificou um ataque por vírus e que este estava ocorrendo e efetuando o apagamento de arquivos no servidor. Em virtude da forma de backup utilizada, notou-se também que os mesmos arquivos também eram apagados no backup. Logo, o TCE SP decidiu trocar o tipo de backup usado pelo backup em nuvem. O tipo de backup executado pelo TCE SP, antes da implementação do backup em nuvem, é o backup:

O TCE SP está mapeando os processos de envio de dados dos seus sistemas de informação internos para o portal de transparência do Estado.

De acordo com o Notação BPMN 2.0, para representar uma coleção de dados de saída (Data Output Collection), João deve usar a representação:

A Assessoria de Tecnologia da Informação (ATI) de um tribunal está utilizando a notação Business Process Modelling Notation (BPMN 2.0) para mapear os processos de negócio relacionados aos pedidos de serviços à Assessoria Financeira, com o intuito de compreender o negócio e desenvolver uma nova solução de software. Na construção do modelo de processos atual, os seguintes elementos do tipo evento foram utilizados, conforme apresentado abaixo.

Figura 1. Condicional

Figura 2. Mensagem

Figura 3. Ligação

Figura 4. Sinal

Figura 5. Tempo

O elemento do tipo evento da notação BPMN 2.0, apresentado acima, que foi utilizado para representar o fim do fluxo do processo por meio do(a):

A analista Lúcia administra o AKluster, o cluster do Apache Kafka no TCE SP. Lúcia constatou que o espaço disponível no AKluster para o armazenamento de streams de eventos está acabando.

Para expandir a camada de persistência do AKluster, aumentando ainda a escalabilidade, Lúcia deve prover mais espaço de armazenamento ao Apache Kafka mediante novos:

No Data Warehouse do TCE SP, chamado DWContas, está implementada a dimensão DIM_PESSOA contendo o atributo CEP. Quando uma pessoa muda de endereço e altera seu CEP no cadastro do sistema transacional do ambiente operacional, a tabela DIM_PESSOA precisa ser atualizada. No DWContas, é necessário preservar o valor anterior do CEP e armazenar o valor atualizado em uma nova coluna da DIM _PESSOA.

Para atender ao requisito do DWContas, deve-se implementar a técnica de modelagem multidimentional Slowly Change Dimension (SCD) do tipo:

O TCE SP está implementando um Data Warehouse utilizando uma abordagem incremental, ou seja, constrói um Data Mart para um setor e depois para outro setor, compartilhando Dimensões.

A ferramenta de projeto, que representa as áreas do negócio e as dimensões associadas, utilizada para apoiar a implementação de modelos dimensionais de áreas de negócio distintos compartilhando dimensões padronizadas em um Data Warehouse Corporativo é o(a):

João precisa criar um modelo interpretável de previsão de cancelamento de serviços com base em dados de cliente, demográficos e de tipo de serviço. Para tanto, João deve considerar que o problema é tabular, com vários atributos e regras de escolha complexas.

No contexto de técnicas de classificação, o tipo de algoritmo que João deverá utilizar é:

João está trabalhando em um projeto de reconhecimento de animais por imagens, em que o conjunto de dados possui um atributo como rótulo, o qual indica o nome do animal retratado, como "cachorro", "gato", "pássaro" e "peixe".

Para treinar o modelo de reconhecimento de imagens de animais, a tarefa de aprendizado supervisionado que João deverá utilizar é:

No contexto de Descoberta do Conhecimento em Bancos de Dados - Knowledge Discovery in Database (KDD), o analista de dados João deverá analisar um conjunto de dados preparado e consolidado com dados financeiros sobre transações, saldos de contas e históricos de crédito de clientes ao longo dos últimos anos. O objetivo é identificar possíveis anomalias ou atividades suspeitas que possam indicar fraudes.

Para isso, a fase do processo KDD que João deverá utilizar é:

O agente de fiscalização João está analisando um conjunto de dados que representa o salário mensal de funcionários de uma empresa. João utilizará o Diagrama de Boxplot para identificar a presença de outliers nos dados. As estatísticas resumidas para os dados são as seguintes:

Valor mínimo: R$ 1.200,00

Primeiro quartil (Q1): R$ 2.500,00

Mediana (Q2): R$ 3.200,00

Terceiro quartil (Q3): R$ 4.800,00

Valor máximo: R$ 10.000,00

Em relação à identificação de outliers usando o Diagrama de Boxplot, pode-se afirmar que serão considerados outliers: