Um analista de dados da AgSUS sabe que a detecção de anomalias, ou detecção de valores discrepantes, é a identificação de uma observação, evento ou ponto de dados que se desvia do que é padrão ou esperado, tornando-o inconsistente em relação ao resto do conjunto de dados. Relacione os tipos de anomalias de dados às suas respectivas definições.

1. Anomalias não intencionais.
2. Anomalias pontuais.
3. Anomalias contextuais.
4. Anomalias coletivas.

( ) Essas anomalias, também conhecidas como valores discrepantes globais, são pontos de dados individuais que estão muito fora do restante do conjunto de dados. Um exemplo desses tipo anomalia é um saque de conta bancária que é significativamente maior do que qualquer um dos saques anteriores do usuário;
( ) Essas anomalias envolvem um conjunto de instâncias de dados que juntas se desviam da norma, mesmo que as instâncias individuais possam parecer normais. Um exemplo desse tipo de anomalia seria um conjunto de dados de tráfego de rede que mostra um aumento repentino no tráfego de vários endereços IP ao mesmo tempo;
( ) Essas anomalias são pontos de dados que se desviam da norma devido a erros ou ruído no processo de coleta de dados. Esses erros podem ser sistemáticos ou aleatórios, originados por problemas como sensores defeituosos ou erro humano durante a entrada de dados. Esse tipo de anomalia pode distorcer o conjunto de dados, dificultando a obtenção de insights precisos;
( ) Essas anomalias são pontos de dados que se desviam da norma dentro de um contexto específico. Essas anomalias não são necessariamente valores discrepantes quando consideradas isoladamente, mas se tornam anômalas quando vistas dentro de seu contexto específico. Por exemplo, considere o uso de energia. Se houver um aumento repentino no consumo de energia ao meio-dia, quando normalmente nenhum membro da família está em casa. Este dado pode não ser um valor discrepante quando comparado ao consumo de energia pela manhã ou à noite (quando as pessoas geralmente estão em casa), mas é anômalo em relação ao horário em que ocorreu.

A relação correta, na ordem dada, é: 

Apesar do modelo relacional de bancos de dados ter sido criado por volta dos anos 1970 ele ainda é amplamente utilizado tanto no mercado quanto nas organizações públicas. A respeito do modelo relacional de bancos de dados, é correto afirmar que 

Um analista de dados utiliza a ferramenta Oracle Data Visualization 12C. O analista executou uma sequência de ações para criar um projeto de visualização de dados e adicionar dados, nesse contexto, analise as afirmativas a seguir.

I. Criar ou abrir um projeto de visualização de dados ao qual deseja adicionar o conjunto de dados. Para criar um projeto novo, ele deverá acessar a Página Inicial, clicar em “New” e, em seguida, clicar em “Project” para exibir a caixa de diálogo “Add Data Set”.
II. Localizar a caixa de diálogo “Add Data Set”, selecionar os conjuntos de dados que deseja analisar e, em seguida, clicar em “Add to Project”.
III. Para visualizar dados de outro conjunto de dados no mesmo projeto, localizar o painel “Data Elements”, clicar em “Add” e, em seguida, selecionar “Add Data Set”.
IV. Por fim, o analista deverá arrastar os elementos de dados que deseja visualizar do painel “Data Elements” e começar a criar seu projeto.

Está correto o que se afirma em

O processo de criação de uma representação visual ou de um projeto detalhado de um sistema de dados é conhecido como modelagem de dados. Esta estratégia melhora o desempenho das consultas e facilita a compreensão do sistema para desenvolvedores, analistas e outros profissionais.
Com relação ao uso de modelagem relacional e multidimensional, avalie as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) A Modelagem Relacional busca garantir, com emprego da técnica de desnormalização, a integridade dos dados e a eficiência nas operações do dia-a-dia, como inserir, atualizar e excluir informações.
( ) A Modelagem Multidimensional busca otimizar, pela elevada normalização dos dados, a consulta e a agregação de grandes volumes de dados para análises complexas.
( ) A Modelagem Relacional está focada em sistemas operacionais e transacionais (OLTP - Online Transaction Processing), enquanto a Modelagem Multidimensional foca em sistemas de análise e tomada de decisão (OLAP - Online Analytical Processing), como Data Warehouses e sistemas de Business Intelligence (BI).

As afirmativas são, segundo a ordem apresentada,