Julgue o próximo item, relativo a conceitos de redes de computadores, a técnicas de regressão e a modelagem de dados relacional e multidimensional. 

Em um esquema estrela (star schema), as tabelas de dimensão devem estar normalizadas até a terceira forma normal, para reduzir redundâncias e melhorar o desempenho analítico.

Julgue o próximo item, relativo a conceitos de redes de computadores, a técnicas de regressão e a modelagem de dados relacional e multidimensional. 

No modelo relacional, uma chave estrangeira estabelece um vínculo entre tabelas ao referenciar a chave primária da tabela relacionada, o que contribui para a integridade referencial.

No que diz respeito a linguagens de definição e manipulação de dados, assim como a modelagem de dados em bancos de dados relacionais, julgue o item a seguir. 

A normalização de banco de dados é um processo que deve ser aplicado apenas em bancos de dados de pequeno porte com baixa frequência de consultas, sendo desnecessária em bancos de dados grandes ou com alta frequência de acesso.

No que diz respeito a linguagens de definição e manipulação de dados, assim como a modelagem de dados em bancos de dados relacionais, julgue o item a seguir. 

A linguagem SQL implementa funcionalidades de DDL através de comandos como CREATE, ALTER e DROP, para gerenciar estruturas de banco de dados, e funcionalidades de DML através de comandos como SELECT, INSERT, UPDATE e DELETE, para manipular dados armazenados.

Julgue o item seguinte, acerca de administração de bancos de dados relacionais. 

No SGBD inexistem mecanismos nativos para controlar as operações que cada usuário pode realizar, sendo necessário implementar todos os controles de segurança exclusivamente em camadas superiores da aplicação.

Julgue o item seguinte, acerca de administração de bancos de dados relacionais. 

Em bancos de dados relacionais, o monitoramento de desempenho envolve análise de índices para garantir sua utilização eficiente; exame de planos de execução de consultas para identificar operações custosas; e identificação de gargalos em CPU, memória e I/O para otimizar a velocidade de resposta.

Com relação a processamento analítico, data warehouse e tecnologias de Big Data, julgue o item subsequente.

No que diz respeito ao tipo de processamento, o OLAP é otimizado para transações rápidas e operações de leitura-escrita em tempo real em sistemas operacionais; o OLTP é projetado para análises complexas e consultas multidimensionais sobre dados históricos em ambientes de business intelligence.

Com relação a processamento analítico, data warehouse e tecnologias de Big Data, julgue o item subsequente.

O Hadoop implementa o modelo de programação MapReduce para processamento distribuído de grandes volumes de dados, utilizando o HDFS para armazenamento distribuído com replicação de blocos de dados em múltiplos nós, garantindo tolerância a falhas e alta disponibilidade em clusters.

Com relação a processamento analítico, data warehouse e tecnologias de Big Data, julgue o item subsequente.

Data warehouse é um repositório centralizado que integra dados de múltiplas fontes operacionais, utiliza modelagem dimensional (como star schema ou snowflake) para organizar dados, e é otimizado para análises históricas e consultas multidimensionais, diferenciando-se de bancos de dados operacionais devido a sua arquitetura e seu propósito.

Acerca de pipeline de dados e bancos de dados não relacionais, julgue o item a seguir.

Bancos de dados NoSQL como MongoDB e Cassandra utilizam esquemas rígidos e predefinidos similares aos bancos de dados relacionais, garantindo conformidade com propriedades ACID em todas as operações, o que os torna mais apropriados que bancos relacionais para dados altamente estruturados.

Acerca de pipeline de dados e bancos de dados não relacionais, julgue o item a seguir.

Pipeline de dados é uma sequência de processos em que dados de múltiplas fontes operacionais são extraídos, transformações são realizadas para se garantir qualidade e consistência, e os dados são carregados em um repositório centralizado, sendo essencial para integração de dados em ambientes de analytics e business intelligence. 

Em relação aos fundamentos da ciência de dados, bem como a coleta, tratamento e armazenamento de dados, julgue o item a seguir.

O tratamento de dados é uma etapa opcional quando se trabalha com conjuntos de dados de pequeno porte, pois dados brutos de alta qualidade são suficientes para treinar modelos de aprendizado de máquina com desempenho satisfatório.

Julgue o seguinte item, que diz respeito a redes neurais artificiais, deep learning e business intelligence.

Em arquiteturas de data warehouse, a modelagem dimensional com tabelas de fatos e dimensões permite a otimização de consultas OLAP por meio de desnormalização controlada, o que facilita agregações rápidas e análises multidimensionais sem comprometer a integridade dos dados.