Podem haver vários tipos de análises, em grandes ambientes, de Data Warehouse. Para além de consultas em SQL, é possível ter operações analíticas mais avançadas sobre os dados. Dois dos principais tipos de análise de dados são OLAP (On-Line Analytic Processing) e Data Mining. Escolha a alternativa CORRETA sobre Data Mining e OLAP.

A figura, a seguir, apresenta o modelo relacional para um esquema de banco de dados, cujo objetivo é registrar funcionários, departamentos e projetos de uma empresa, conforme a descrição resumida do minimundo.

I. A empresa é organizada em departamentos. Cada departamento tem um nome exclusivo, um número exclusivo e um funcionário, em particular, que o gerencia. Registramos a data inicial em que esse funcionário começou a gerenciar o departamento. Um departamento pode ter vários locais.

II. Um departamento controla uma série de projetos, sendo cada um deles com um nome exclusivo, um número exclusivo e um único local.

III. Armazenamos o nome, número do Cadastro de Pessoa Física (CPF), endereço, salário, sexo (gênero) e data de nascimento de cada funcionário. Um funcionário é designado para um departamento, mas pode trabalhar em vários projetos, que não necessariamente são controlados pelo mesmo departamento. Registramos o número atual de horas, por semana, que um funcionário trabalha em cada projeto. Também registramos o supervisor direto de cada funcionário (que é outro funcionário). 

Para listar todos os números de projeto, para o funcionário cujo último nome é ‘Brito’ ou ‘Silva’, seja este um trabalhador ou um gerente do departamento que controla o projeto, utilizou-se o seguinte comando SQL.

(SELECT DISTINCT PROJNUMERO FROM PROJETO, DEPARTAMENTO, FUNCIONARIO WHERE DNUM=DNUMERO AND CPF_GERENTE=CPF AND NOME IN (‘Brito’, ‘Silva’ ) )

UNION ( SELECT DISTINCT PROJNUMERO FROM PROJETO, TRABALHA_EM, FUNCIONARIO WHERE PROJNUMERO = PNR AND FCPF = CPF AND NOME IN ( ‘Brito’, ‘Silva’ ) );

Para obter o mesmo resultado da consulta acima, qual o comando equivalente deve ser escrito: 

Considere as relações R1, R2 e R3, cujas estruturas e instâncias são exibidas na Figura a seguir.

O valor NULL deve ser tratado como “unknown” (desconhecido). Segue o comando SQL para ser avaliado:

SELECT T1.A, COUNT(T3.E) FROM PROVA.R3 AS T3

INNER JOIN PROVA.R2 AS T2 ON T2.C = T3.C

INNER JOIN PROVA.R1 AS T1 ON T1.A = T3.A

GROUP BY T1.A

HAVING AVG(T3.E) < MAX(T3.E);

Para as relações envolvidas (R1, R2 e R3) na execução do comando SQL, teremos como resultado:

A Mineração de Dados requer uma adequação prévia dos dados por meio de técnicas de pré-processamento. Algumas técnicas estão listadas abaixo:

(A) Agregação.
(B) Amostragem.
(C) Redução de Dimensionalidade.
(D) Discretização e Binarização.

Relacione os itens acima com os seus respectivos conceitos:

(1) É a técnica que diminui o número de atributos de um conjunto de dados, criando novos atributos que sejam uma combinação dos atributos antigos.
(2) É a combinação de dois ou mais objetos em um único.
(3) É comumente usada para selecionar um subconjunto dos objetos de dados a serem analisados.
(4) É aquela que transforma um atributo contínuo em um categorizado e transforma, tanto os atributos contínuos quanto os discretos, em um ou mais atributos binários.


Entre as alternativas abaixo, qual é a que apresenta a relação da técnica com o seu conceito de forma CORRETA?

A Mineração de Dados é comumente classificada pela sua capacidade em realizar determinadas tarefas. Qual das tarefas abaixo descreve a natureza de ocorrências futuras, de certos eventos, com base nos acontecimentos passados?