No processo de descoberta de conhecimento em bases de dados, a qualidade dos resultados obtidos pelos algoritmos de aprendizado de máquina está diretamente vinculada à qualidade dos dados de entrada. Dados provenientes de fontes heterogêneas, frequentemente, apresentam ruídos, redundâncias e lacunas que podem enviesar as análises estatísticas.
Dentro do fluxo de trabalho de Ciência de Dados, o conjunto de operações que envolve o tratamento de dados faltantes (null/missing values), a normalização de formatos, a remoção de registros redundantes e a correção de erros de digitação ou inconsistências lógicas é tecnicamente denominado

Um analista precisa projetar uma estrutura de banco de dados SQL para consolidar o histórico de vendas de uma década. O requisito principal é que o sistema responda rapidamente a consultas complexas que agregam milhões de registros por diferentes critérios, como localização geográfica, categoria de produto e períodos de tempo. No desenvolvimento desse ambiente, o analista opta pela modelagem dimensional. Ao estruturar os dados, ele define uma tabela central, contendo as métricas de desempenho e as chaves estrangeiras, cercada por tabelas auxiliares que contêm os descritores textuais.
De acordo com os fundamentos de modelagem dimensional, assinale a alternativa correta que indica a principal característica das tabelas de dimensões em um esquema do tipo Estrela (Star Schema), comparadas às tabelas de um modelo puramente relacional.

As tabelas ALUNO e MATRICULA esboçadas pertencem a um SGBD e estão devidamente relacionadas à chave primária e à estrangeira, conforme indicado nos respectivos atributos:

Deseja-se obter o nome dos alunos que possuem, pelo menos, uma matrícula registrada no ano de 2023.
Assinale a alternativa que apresenta a consulta SQL correta para atender a esse requisito.

Em SGBDs relacionais que utilizam a linguagem SQL, a recuperação de dados complexos envolve a compreensão da ordem lógica de processamento das cláusulas e a interação entre subconsultas e visões para a geração de relatórios gerenciais eficientes.
Dadas as afirmativas sobre os conceitos de manipulação de dados em SQL,
I. A cláusula HAVING é utilizada, exclusivamente, para filtrar linhas individuais antes que o agrupamento pelo GROUP BY seja realizado pelo motor de execução do banco de dados.
II. Uma subconsulta correlacionada é aquela em que a consulta interna depende de valores da consulta externa para sua execução, sendo processada uma vez para cada linha candidata da consulta externa.
III. Uma Visão (View) em banco de dados não armazena os dados fisicamente (salvo em casos de visões materializadas), funcionando como uma consulta SELECT armazenada que facilita a simplificação de acessos complexos e o controle de segurança.
IV. O uso de subconsultas na cláusula FROM (também conhecidas como tabelas derivadas) exige que o resultado da subconsulta receba um alias (apelido) para que possa ser referenciado no restante da consulta principal.
verifica-se que estão corretas apenas

A modelagem dimensional é amplamente utilizada em sistemas analíticos e Data Warehouses, pois facilita consultas agregadas e análises históricas. Essa abordagem organiza os dados em tabelas fato e tabelas dimensão, definindo claramente o nível de detalhamento (grão) das informações armazenadas. Sobre esse assunto, considere um sistema de análise de vendas de uma rede de lojas, que deve permitir consultas como:
 total de vendas por produto;
 total de vendas por loja;
 total de vendas por período.
Nesse contexto, dadas as afirmativas,
I. A tabela fato deve armazenar medidas numéricas, como quantidade vendida e valor total da venda.
II. O grão da tabela fato define o nível de detalhamento dos dados, por exemplo, uma venda por produto, por loja e por dia.
III. Em tabelas dimensão, o uso de chaves substitutas é recomendado para reduzir a dependência de chaves naturais e facilitar o controle histórico.
IV. Tabelas dimensão têm como função estrutural armazenar valores agregados, derivados das medidas da tabela fato, com o objetivo de otimizar consultas analíticas.
verifica-se que estão corretas apenas 

Em um sistema acadêmico legado, o relacionamento entre as entidades “Estudante” e “Disciplina” armazena o atributo “Nota”. Atualmente, como apresentado no Modelo Entidade - Relacionamento (MER), o modelo permite que o estudante curse a mesma disciplina apenas uma vez; caso ele a curse novamente, o sistema sobrescreve o valor anterior, mantendo apenas a nota mais recente. Para atender a novos requisitos de auditoria, a gestão exige que o sistema armazene o histórico completo de todas as notas obtidas pelo estudante, permitindo que o mesmo estudante curse a mesma disciplina mais de uma vez. 

Para que a nova regra de negócio seja implementada corretamente no modelo Entidade-Relacionamento, é necessário