A biblioteca Pandas da linguagem de programação Python é utilizada para analisar dados e possui diversos recursos para realizar a limpeza inicial dos dados. Observe o código Python a seguir.

import pandas as pd
a={"id_processo":[1,2],"tipo":['A',pd.NA]}
df=pd.DataFrame(a)
df.dropna()
df.loc[1, 'tipo'] = 'B'
print(df.to_string())
df.dropna(inplace = True)
print(df.to_string())

O resultado da execução do código é:

      id_processo tipo
0           1        A
1           2     <NA>
      id_processo tipo
0           1        A

      id_processo tipo
0           1        A
1           2     <NA>
      id_processo tipo
0           1        B
1           2     <NA>

      id_processo tipo
0           1        A
1           2     <NA>
      id_processo tipo
0           1        A
1           2     <NA>

      id_processo tipo
0           1        B
1           2        B
      id_processo tipo
0           1        B
1           2        B

      id_processo tipo
0           1        A
1           2        B
      id_processo tipo
0           1        A
1           2        B

O analista Otávio está avaliando a solução de Business Intelligence do MPU desenvolvida por uma empresa contratada. Ao observar o banco de dados implementado, Otávio verificou que havia um esquema estrela, e que os dados armazenados estavam desnormalizados e alimentavam um cubo de dados para serem acessados e analisados via ferramenta OLAP.
A partir do observado, Otávio concluiu que o banco de dados era um:

O analista de Business Intelligence Luiz está desenvolvendo uma solução aplicando técnicas de mineração de dados na base de dados de processos judiciais do MPU para descobrir padrões que mostrem resultados como o exemplificado a seguir.

Roubo, Antecedentes Criminais, RJ, 2024} → {Pena > 5 anos}
[Suporte = 50%, Confiança = 80%]

Para descobrir esse tipo de padrão, com antecedente e consequente, Luiz deve minerar:

A analista de Business Intelligence Lúcia está elaborando o modelo multidimensional do Data Mart Processos Judiciais (DMProcJ). Durante sua análise, ela observou que o número do processo judicial (num_processo) não é uma métrica, mas sim um atributo importante, pois representa o menor grão do DMProcJ e pode ser usado para navegar até o sistema transacional de origem para analisar outras informações de um processo específico.

Para modelar o atributo num_processo, Lúcia deve implementar um(a):

As operações em vetores e matrizes é uma importante tarefa no desenvolvimento de Sistemas de Informação, especialmente os que manipulam dados. Observe o seguinte código Python.

import numpy as np
arr = np.array([1, 2, 3])
y = arr.copy()
arr[0] = 4
x = arr.view()
print(arr, x, y)
print(x.base, y.base, arr.shape)

O resultado da execução do código apresentado é:

O gestor de qualidade do MPU solicitou à analista de Business Intelligence Maria um Dashboard para monitorar o desempenho da tramitação dos processos ao longo do tempo.

O programador Pedro havia implementado o banco de dados MongoProc, no MongoDB, para armazenar os dados do sistema de tramitação de processos judiciais. Então, Maria solicitou a ele a consulta ao MongoProc para alimentar as tabelas: fato_proc (quantidade), dim_data, dim_estado. Pedro respondeu que não poderia fornecer apenas uma consulta, pois seria necessário transformar os dados NoSQL em relacional. Para implementar a solução, Maria poderá utilizar apenas as ferramentas disponíveis no MPU: MongoDB, PostgreSQL, MySQL, Flyway, Pentaho, QlikView e MicroStrategy.

Para transformar os dados NoSQL visando a alimentar as tabelas e construir o Dashboard, Maria deve:

O analista Flávio precisa analisar diversos dados contábeis do MPU sob diferentes perspectivas ao longo do tempo para fundamentar suas perícias. Para isso, ele recorreu ao ambiente analítico do MPU, a fim de utilizar uma ferramenta que permita realizar operações de roll-up, drilldown, slice, dice e pivot.
Para apoiar suas perícias, Flávio deve usar uma ferramenta:

O analista de suporte Theo está projetando e otimizando a infraestrutura de desenvolvimento de soluções de inteligência artificial do MPU. Theo observou que a maior demanda de recurso computacional ocorre na fase de treinamento de redes neurais, quando a demanda é diretamente proporcional à quantidade de iterações do modelo sobre o conjunto de dados de treinamento. Considerando o observado, Theo deve analisar a quantidade de vezes que o modelo percorre todo o conjunto de dados de treinamento.
Essa quantidade é representada por uma:

O analista Pablo está implementando várias rotinas de carga de dados no Data Warehouse do MPU. Pablo observou que os dados origem, que alimentam as principais dimensões, possuem sua própria chave de identificação.
Para não comprometer o uso dessas chaves com a sobreposição de chaves oriundas de outras fontes, Pablo deve implementar uma chave artificial por meio de um(a):

Na automação de scripts com Ansible, qual termo é utilizado para descrever os documentos Ansible que definem as tarefas a serem executadas, sendo que, cada tarefa, nesse contexto, representa uma unidade de automação capaz de realizar configurações, instalação de pacotes, execução de comandos, entre outras ações?