A programação em Spark se baseia no conceito de RDD’s. Os RDD’s são a unidade fundamental de dados no Spark e têm como principal característica a propriedade de ser imutável. Sobre os RDD’s, é correto afirmar que:

A ideia principal da técnica de “dropout” é descartar aleatoriamente unidades da rede neural (junto com suas conexões) durante a etapa de treinamento. Sobre a técnica de “dropout”, assinale a alternativa INCORRETA.

Recentemente, encontram-se muitas referências na literatura e na mídia em geral ao uso de aprendizagem profunda (ou “deep learning”). Sobre o assunto, assinale a alternativa INCORRETA.

Sobre BIG Data, analise as assertivas abaixo e assinale a alternativa correta.
I. Hadoop e Elasticsearch são exemplos de tecnologias que permitem a computação em nuvem.
II. BIG Data é o termo em tecnologia da informação que tem a capacidade de trabalhar com grandes conjuntos de dados.
III. O Conceito de BIG DATA pode ser subdividido em 5 categorias ou “5 v’s”, VOLUME, VALOR, VELOCIDADE, VERACIDADE e VARIEDADE.
IV. Um dos maiores desafios em trabalhar com soluções de BIG DATA é o volume dos dados.

Podemos afirmar que uma tabela factless é:

Sobre granularidade de um modelo dimensional, assinale a alternativa correta.

Sobre os métodos que podemos considerar em um processo de construção de um Data Warehouse, analise as assertivas abaixo:

I. Star Schema.
II. Bifurcação entre tabelas.
III. Snowflake.
IV. Fullflake.
V. Dimension Only.

Quais estão corretas?

No processo de ETL, qual é o nome dados para a área intermediária criada, antes de serem processados?

Sobre o Fluxo de eficiente de um processo de ETL executar funções, analise as assertivas abaixo e assinale a alternativa correta.

I. Extração de Dados de Fontes Diversas.
II. Transformação de dados.
III. Cargas dos dados.
IV. Multiplicação das informações.

Sobre a representação do desafio da construção de uma solução de business intelligence, analise as assertivas abaixo e assinale a alternativa correta.

I. Integração de dados de diferentes fontes.
II. Qualidade dos dados.
III. Criação de uma cultura organizacional baseada em dados.
IV. Falta de conhecimento técnico em ferramentas de business intelligence.