As tabelas, a seguir, foram criadas no banco de dados relacional para armazenar informações sobre vendas:

CREATE TABLE Clientes (  Cliente_ID INT PRIMARY KEY,  Nome VARCHAR(100),  Cidade VARCHAR(100),  Estado CHAR(2) );
CREATE TABLE Pedidos (  Pedido_ID INT PRIMARY KEY,  Cliente_ID INT,  Data_Pedido DATE,  Valor_Total DECIMAL(10,2),  FOREIGN KEY (Cliente_ID) REFERENCES Clientes(Cliente_ID) ); 

A consulta SQL, a seguir, retorna quais resultados? 
SELECT c.Nome, COUNT(p.Pedido_ID) AS Num_Pedidos, COALESCE(SUM(p.Valor_Total), 0) AS Total_Gasto FROM Clientes c LEFT JOIN Pedidos p ON c.Cliente_ID = p.Cliente_ID WHERE p.Data_Pedido >= '2025-02-01' GROUP BY c.Nome HAVING COUNT(p.Pedido_ID) >= 1; 

A tabela a seguir contém informações sobre pedidos de clientes em uma loja. No entanto, essa tabela apresenta redundâncias e dependências parciais, indicando que não está normalizada.

Tabela Pedidos (forma não normalizada)

Pedido_ID	Cliente_Nome	Cliente_Endereço	Produto_Nome	Quantidade	Preço_Unitário
1	João Silva	Rua A, 123	Produto A	2	50,00
1	João Silva	Rua A, 123	Produto B	1	30,00
2	Maria Souza	Rua B, 456	Produto A	3	50,00
3	Carlos Lima	Rua C, 789	Produto C	1	20,00
3	Carlos Lima	Rua C, 789	Produto B	2	30,00

Considerando apenas as regras da 1ª e 2ª formas normais (1FN e 2FN), assinale a alternativa que apresenta a correta normalização da tabela apresentada.

Uma empresa do setor financeiro deseja prever a cotação diária de uma ação com base nos preços históricos. Para isso, a equipe de ciência de dados decide utilizar técnicas de modelagem de séries temporais.
A equipe analisou diferentes abordagens e encontraram os seguintes padrões nos dados:
• Os preços seguem uma tendência crescente ao longo do tempo; • Há um padrão sazonal, com aumentos e quedas recorrentes em períodos específicos; • Os valores atuais são fortemente influenciados pelos valores anteriores.

Com base nas características descritas, assinale a alternativa que apresenta a técnica de modelagem de séries temporais mais adequada para capturar esses padrões e gerar previsões precisas.

Em Python, a manipulação de arquivos é essencial para lidar com grandes volumes de dados de forma eficiente. Um Analista de Ciência de Dados precisa abrir, ler e processar um arquivo de texto contendo dados tabulares. Com base nos conceitos corretos de manipulação de arquivos em Python, assinale a alternativa que apresenta a abordagem correta para manipular arquivos.

Uma plataforma de e-commerce deseja analisar automaticamente as avaliações deixadas pelos clientes nos produtos para determinar se são positivas ou negativas. Para isso, a equipe de ciência de dados está treinando um modelo de aprendizado de máquina para análise de sentimentos. Dado que as avaliações são textos não estruturados, a equipe experimentou diferentes métodos de representação vetorial para transformar os textos em formatos que o modelo pode processar. Após testar diferentes abordagens, eles obtiveram os seguintes resultados em um modelo de classificação de sentimentos:

Representação Vetorial	Acurácia nos Dados de Treinamento	Acurácia nos Dados de Teste
Bag of Words (BoW)	95%	70%
TF-IDF	94%	73%
Word2Vec (CBOW)	90%	80%
BERT (Transformers)	89%	88%

Com base nos resultados apresentados, assinale a alternativa que descreve a melhor escolha de representação vetorial para este problema e sua justificativa.

No ecossistema Python, diversas bibliotecas são amplamente utilizadas para diferentes tarefas em ciência de dados, aprendizado de máquina e processamento de linguagem natural (PLN). Considerando as características e aplicações dessas bibliotecas, assinale a alternativa que descreve a funcionalidade principal de uma delas?

Em aprendizado de máquina, underfitting (subajuste) e overfitting (sobreajuste) são problemas que afetam o desempenho dos modelos. Considerando as definições apresentadas, assinale a alternativa que descreve a diferença entre esses dois problemas.

Uma empresa de e-commerce processa 10 milhões de transações diárias e deseja identificar compras anômalas que possam indicar fraude. Para lidar com esse grande volume de dados, a equipe de ciência de dados decide utilizar o Apache Spark para processar os dados de forma distribuída. A equipe analisou um subconjunto de transações (em dólares):
[35, 42, 38, 40, 1500, 37, 39, 41, 36, 2500, 43, 5000, 38, 44, 3700]
Utilizando o Spark SQL, calcularam a média e o desvio padrão amostral das compras. Um valor é considerado anomalia se estiver acima de 2 desvios padrão da média.
Em relação à situação proposta e à análise, assinale a alternativa que apresenta as transações que podem ser classificadas como anômalas.

Uma empresa do setor varejista deseja melhorar sua tomada de decisão utilizando técnicas de mineração de dados. A equipe de ciência de dados está avaliando análises descritivas e preditivas para diferentes necessidades. Assinale a alternativa que caracteriza, corretamente, esses dois tipos de análise.

No processo de modelagem de um banco de dados relacional, é importante seguir boas práticas para garantir integridade, eficiência e escalabilidade. Qual das alternativas, a seguir, representa uma prática correta ao projetar um banco de dados relacional?