Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Без привязки к предмету

Без привязки к предмету — вариант 264

Просмотрите все вопросы и варианты бесплатно. Правильные ответы скрыты и открываются только после получения доступа.

60 вопросов Вариант 264 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Сколько Петабайт в Зеттабайте?

  1. 1024
  2. 128
  3. 32
  4. 4
Вопрос 2

Укажите фактор, способствовавший появлению тренда больших данных

  1. маркетинговые кампании крупных корпораций
  2. повышение издержек на хранение данных
  3. появление новых технологий обработки потоковых данных
  4. выпуск баз данных с обработкой данных в памяти
Вопрос 3

Выберите верное высказывание

  1. большие данные – это обработка или хранение более 1 Тб информации
  2. проблема больших данных – это такая проблема, когда при существующих технологиях хранения и обработки сущностная обработка данных затруднена или невозможна
  3. большие данные – это огромная PR-акция крупных вендоров и не более того
  4. большие данные – это явление, когда цифровые данные наиболее полно представляют изучаемый объект
Вопрос 4

Выберите неверное высказывание

  1. большие данные – это данные объёма свыше 1 Тб
  2. проблема больших данных – это проблема, когда при существующих технологиях хранения и обработки сущностная обработка данных затруднена или невозможна
  3. большие данные – это тренд в области ИТ, подогреваемый маркетинговыми кампаниями крупных вендоров
  4. большие данные как правило не структурированы
Вопрос 5

Отметьте те из вариантов, в которых данные структурированы:

  1. данные о продажах компании, представленные в виде помесячных отчётов в формате MS Word
  2. таблица с ежедневными показаниями температуры помещения за год в файле формата csv
  3. текст педагогической поэмы А.С. Макаренко, представленный в формате PDF
  4. библиотека фильмов, представленных в формате mpeg4 на одном жестком диске
Вопрос 6

Перечислите четыре основных характеристики Big Data:

  1. Virtualization, Volume, Variability, Vehicle
  2. Variety, Velocity, Volume, Value
  3. Verification, Volume, Velocity, Visualization
  4. Video, Value, Variety, Volume
Вопрос 7

Отметьте верное понимание Variety в контексте характеристик Big Data:

  1. высокая скорость генерирования данных
  2. разные типы данных в колонках таблиц реляционных СУБД
  3. разнообразие отраслей, являющихся источниками данных
  4. разнообразие типов данных, включающих в себя структурированные, полуструктурированные и неструктурированные
Вопрос 8

Выберите неверное высказывание про MapReduce:

  1. интерфейс для массово-параллельной обработки данных, где вычисления производятся на узлах, где информация изначально была сохранена
  2. MapReduce – это две операции: распределения и сборки данных
  3. MapReduce был придуман разработчиками Hadoop
  4. MapReduce был анонсирован разработчиками Google
Вопрос 9

Какие из следующих технологий СУБД не используют принцип MapReduce?

  1. Hadoop
  2. Cassandra
  3. HDInsight
  4. Redis
Вопрос 10

Какая СУБД полностью полагается на оперативную память при хранении информации:

  1. Oracle Exalytics
  2. Cassandra
  3. BigTable
  4. HBase
Вопрос 11

В чём преимущество колоночно-ориентированных СУБД?

  1. они позволяют выполнять более сложные SQL-запросы по сравнению с реляционными СУБД
  2. они позволяют динамически дополнять содержание записей новыми полями
  3. они имеют более гибкие возможности аналитики
  4. они позволяют эффективно делать межколоночные сравнения
Вопрос 12

Для чего аналитику необходима "песочница"?

  1. для низкопроизводительной аналитики за счёт использования оперативной памяти
  2. для хранения всех полученных от заказчика данных
  3. для построения отчётов о результатах анализа
  4. для снижения затрат, связанных с репликацией данных
Вопрос 13

Какое из следующих средств неразумно использовать для анализа данных, представленных единственным csv-файлом размера более 100Гб:

  1. Hadoop
  2. Data Warehouse
  3. "Песочница"
  4. Python
Вопрос 14

Выберите верное утверждение:

  1. Data Warehouse создаются для проверки гипотез при анализе больших данных
  2. "Песочница" используется для снижения нагрузки на основной Data Warehouse
  3. каждый Data Warehouse должен содержать "песочницу"
  4. "Песочница" необходима для любого процесса аналитики
Вопрос 15

Ниже приведена последовательность этапов проекта аналитики в соответствии с CRISP-DM, укажите первый этап.

  1. моделирование (Modeling)
  2. внедрение (Deployment)
  3. подготовка данных (Data Preparation)
  4. понимание бизнеса (Business understanding)
Вопрос 16

На каком из этапов процесса CRISP-DM происходит проверка гипотез?

  1. понимание бизнеса (Business understanding)
  2. понимание данных (Data Understanding)
  3. моделирование (Modeling)
  4. оценка (Evaluation)
Вопрос 17

Пример благоразумного использования Hadoop:

  1. анализ 10 Гб данных
  2. ежедневное сохранение данных температуры, поступающих со всех городов России (по одному показанию на город, всего городов 1100 шт)
  3. посекундное сохранение данных температуры, поступающих со всех городов России (по одному показанию на город, всего городов 1100 шт)
  4. построение графика пульса пациента в реальном времени
Вопрос 18

Начиная с каких размеров данных обоснованно применение кластера Hadoop для хранения данных?

  1. 100Гб
  2. 1Тб
  3. 10 Мб
  4. 1Пб
Вопрос 19

Hadoop – это:

  1. набор утилит, и программный каркас для выполнения распределённых программ, работающих на кластерах
  2. распределённая СУБД, позволяющая обрабатывать большие данные
  3. язык выполнения заданий в парадигме MapReduce
  4. распределённая файловая система, предназначенная для хранения файлов большого объёма
Вопрос 20

На основе какого языка был создан R?

  1. C
  2. S
  3. Java
  4. Python
Вопрос 21

R не является:

  1. языком программирования для статистической обработки данных и работы с графикой, созданный на основе языка S
  2. свободной программной средой вычислений с открытым исходным кодом
  3. высокоуровневым языком программирования общего назначения, ориентированным на повышение производительности разработчика и читаемости кода
  4. языком программирования с динамической типизацией данных
Вопрос 22

Какая типизация в языке R?

  1. статическая
  2. динамическая
  3. статическая с элементами динамической
  4. типизация отсутствует
Вопрос 23

Выберите верное утверждение:

  1. язык R имеет статическую типизацию
  2. язык R имеет динамическую типизацию
  3. язык R имеет статическую типизацию с элементами динамической
  4. язык R не имеет типизации
Вопрос 24

Какие типы СУБД поддерживают одновременно высокую доступность, консистентность и распределённость?

  1. NoSQL
  2. RDBMS
  3. построенные на базе HDFS
  4. никакие
Вопрос 25

Какая из NoSQL СУБД не подходит для организации консистентного и распределённого хранилища?

  1. Redis
  2. Hbase
  3. BigTable
  4. Cassandra
Вопрос 26

Почему Hbase не подходит для большинства веб-приложений с высокой посещаемостью?

  1. там требуется высокая доступность, а HBase не обладает этим свойством
  2. из-за поколоночного хранения данных
  3. там требуется распределённость, а HBase не обладает этим свойством
  4. для большинства веб-приложений не требуется распределённость
Вопрос 27

В чём состоит свойство расширяемости записей СУБД?

  1. СУБД не имеет чёткой структуры, поэтому любую запись можно расширить
  2. СУБД имеет чёткую, но расширяемую структуру, в каждую запись можно добавить новую колонку, также как и узнать значение любой записи по добавленной колонке
  3. в любую таблицу СУБД можно добавить новую колонку, предварительно изменив структуру этой таблицы
  4. повышение отказоустойчивости системы при добавлении новых записей в СУБД
Вопрос 28

Какой тип NoSQL решения наиболее эффективен для потоковой обработки логов кластера серверов и быстрого сохранения без требования оперативной аналитики?

  1. документоориентированные
  2. колоночно-ориентированные
  3. ключ-значение
  4. графовая
Вопрос 29

В каком из приведённых примеров наиболее эффективны NoSQL решения типа ключ-значение?

  1. потоковая обработка логов кластера серверов и быстрого сохранения без требования оперативной аналитики
  2. оперативная аналитика сохранённых логов кластера серверов
  3. кластеризация логов кластера серверов на основе заранее известных признаков лог-файла
  4. хранение данных о клиентах международной корпорации
Вопрос 30

Отметьте ту характеристику, которая объединяют СУБД Redis и CouchDB

  1. NoSQL
  2. поддержка MapReduce
  3. колоночная ориентированность
  4. высокая доступность
Вопрос 31

Чего не могут стандартные реляционные базы (MySQL, Oracle, MS SQL)?

  1. хранить данные с изменяющейся структурой
  2. хранить данные на нескольких физических серверах
  3. хранить большие объемы (терабайты+)
  4. обрабатывать запросы большого количества клиентов (миллионы)
Вопрос 32

Отметьте причину создания NoSQL баз данных:

  1. высокая стоимость горизонтальной масштабируемости RDBMS при сохранении требования высокой доступности
  2. недостаточная гибкость языка запросов SQL
  3. невозможность хранить большие объёмы данных
  4. дороговизна лицензий RDBMS
Вопрос 33

Какие задачи решают графовые БД?

  1. хранение информации о других БД
  2. распределенное хранение с учетом минимизации передачи информации
  3. использование графа серверов для распределенного хранения больших данных
  4. встроенная обработка данных сетевыми методами
Вопрос 34

Какие вероятные разочарования тренда больших данных?

  1. из-за угрозы безопасности личной жизни (privacy) граждан будут упрощены процедуры сбора данных, что приведёт к падению ценности больших данных
  2. из-за угрозы безопасности личной жизни (privacy) граждан будут усложнены процедуры сбора данных, что приведёт к падению ценности больших данных
  3. из-за угрозы безопасности общественной жизни граждан будут усложнены процедуры сбора данных, что приведёт к падению ценности больших данных
  4. ни один ответ не верен
Вопрос 35

К какому типу шкал относится шкала «очень плохо»-«плохо»-«средне»-«хорошо-«очень хорошо»?

  1. номинальная
  2. абсолютная
  3. порядковая
  4. бинарная
Вопрос 36

В каком случае применение Tableau наиболее оправдано?

  1. необходимо реализовать гибкое интерактивное визуальное представление данных
  2. проведено исследование, результатом которого стала таблица объект-свойства, необходимо предоставить отчетность
  3. имеются данные, необходимо более получить ясное понимание этих данных
  4. не оправдано
Вопрос 37

Продукты аналогичные Knime, RapidMiner хорошо подойдут для

  1. быстрого прототипирования модели обработки данных
  2. создания гибкой интерактивной модели обработки данных
  3. визуализации данных
  4. для разработки новых алгоритмов
Вопрос 38

Чего не могут стандартные реляционные базы (MySQL, Oracle, MS SQL)?

  1. хранить данные с изменяющейся структурой
  2. хранить данные на нескольких физических серверах
  3. хранить большие объемы (терабайты+)
  4. обрабатывать запросы большого количества клиентов (миллионы)
Вопрос 39

Необходимо провести предварительный анализ данных для их лучшего понимания, выберите наиболее подходящие инструменты

  1. Tableau, Weka/Knime/Rapidminer
  2. R
  3. Python
  4. HBase
Вопрос 40

Какая из следующих шкал в точности является порядковой?

  1. показания барометра
  2. "красный", "желтый", "зеленый"
  3. "удовлетворительно", "хорошо", "отлично"
  4. показания термометра
Вопрос 41

Базовая библиотека для data science на Python

  1. Scipy stack (NumPy & SciPy)
  2. Theano
  3. MDP
  4. Mahout
Вопрос 42

Необходимо реализовать решение по анализу данных и передать его стороннему заказчику в эксплуатацию, выберите наиболее подходящие инструменты

  1. Weka
  2. R
  3. Python
  4. RapidMiner
Вопрос 43

Какой из языков наиболее богат библиотеками/фреймворками для интерактивной визуализации данных

  1. Java Script
  2. R
  3. Python
  4. C
Вопрос 44

Алгоритм какого типа реализует функция randomForest()?

  1. кластеризации
  2. классификации
  3. регрессии
  4. визуализации в виде деревьев
Вопрос 45

Имеет ли Python аналог Data Frame из R?

  1. да, библиотека Pandas
  2. нет
  3. да, библиотека NumPy
  4. да, библиотека SciPy
Вопрос 46

Основное преимущество Python перед R – это

  1. быстродействие
  2. элементы функционального программирования
  3. Python превосходит R, как язык программирования
  4. строго типизирован
Вопрос 47

Какой алгоритм является детерминированным: PCA или k-средних?

  1. PCA
  2. k-средних
  3. ни один из них
  4. оба
Вопрос 48

Увеличение какого из этих гиперпараметров может привести к переобучению случайного леса?

  1. глубина дерева
  2. время обучения
  3. скорость обучения
  4. количество деревьев
Вопрос 49

Признак F1 может принимать значения A, B, C, D, E и F и отображает оценку ученика. Какое из следующих утверждений верно?

  1. F1 — ординальная переменная
  2. F1 — номинальная переменная
  3. F1 не относится ни к одному из этих типов переменных
  4. F1 можно отнести к обоим типам
Вопрос 50

Если в модель линейной регрессии добавить не значимый признак, это может привести к увеличению или уменьшению R-квадрат?

  1. только к увеличению
  2. только к уменьшению
  3. либо к увеличению, либо к уменьшению
  4. ни к тому, ни к другому
Вопрос 51

До появления Big Data невозможно было:

  1. обрабатывать всю вузовскую информацию полностью
  2. управлять автоматизированной линией по сборке авто
  3. оплачивать товары в электронных платежных системах
  4. работать с данными дистанционного зондирования Земли
Вопрос 52

Обрабатывать большие данные (Big Data) лет десять назад мешали:

  1. слабые токи в интернет-сетях
  2. базы данных табличного типа
  3. неграмотные в области ИКТ пользователи
  4. недостаточные вычислительные мощности
Вопрос 53

Big Data отражает эффект (феномен):

  1. скорости интернет
  2. разнообразия данных
  3. криптовалютных отношений
  4. отказа от баз данных
Вопрос 54

Изначально Big Data применяли лишь в:

  1. геологии
  2. академической среде
  3. спутниковой связи
  4. криптовалютах
Вопрос 55

Для обработки больших данных наиболее актуально:

  1. привлечь больше вычислительных мощностей для обработки
  2. ускорить обработку или увеличить объем обрабатываемых данных
  3. заработать обработкой данных или обрабатывать их для заработка
  4. оставить для обработки только однотипные данные (например, числовые)
Вопрос 56

В Big Data не акцентируется:

  1. Volume (Объем)
  2. Velocity (Скорость)
  3. Variety (Разнообразие)
  4. Voicing (Озвучивание)
Вопрос 57

В Big Data возможны:

  1. виртуальные типы данных
  2. лишь одинакового типа данные
  3. лишь одинаковые области применения данных
  4. разные типы и области происхождения данных
Вопрос 58

В любых Big Data информация целиком распределена:

  1. по компьютеру
  2. по всей сети
  3. по всему интернет
  4. по всем облакам
Вопрос 59

Принципом Big Data не является:

  1. горизонтальная масштабируемость
  2. локализация данных
  3. отказоустойчивость обработки
  4. мобильность приложений
Вопрос 60

Горизонтальная масштабируемость при обработке Big Data – это:

  1. расширение механизма обработки данных при росте объема данных
  2. увеличение скорости обработки при росте объема данных
  3. спад скорости обработки при росте объема данных
  4. изменение масштабов представления результатов обработки данных