Главная » Тесты синергия

Основы обработки больших данных.ти ЭБС

Автор Опубликовано Обновлено

Скачать тест — (Основы обработки больших данных.ти ЭБС_c728253f.pdf)

  1. Укажите фактор, способствовавший появлению тренда больших данных
  2. Перечислите четыре основных характеристики Big Data:
  3. Отметьте верное понимание Variety в контексте характеристик Big Data:
  4. Выберите неверное высказывание про MapReduce:
  5. Какие из следующих технологий СУБД не используют принцип MapReduce?
  6. Какая СУБД полностью полагается на оперативную память при хранении информации:
  7. Пример благоразумного использования Hadoop:
  8. Hadoop – это:
  9. На основе какого языка был создан R?
  10. R не является:
  11. Какая типизация в языке R?
  12. Выберите верное утверждение:
  13. Какая из NoSQL СУБД не подходит для организации консистентного и распределённого хранилища?
  14. Почему Hbase не подходит для большинства веб-приложений с высокой посещаемостью?
  15. Какой тип NoSQL решения наиболее эффективен для потоковой обработки логов кластера серверов и быстрого сохранения без требования оперативной аналитики?
  16. В каком из приведённых примеров наиболее эффективны NoSQL решения типа ключ-значение?
  17. Отметьте причину создания NoSQL баз данных:
  18. Какие задачи решают графовые БД?
  19. До появления Big Data невозможно было:
  20. Обрабатывать большие данные (Big Data) лет десять назад мешали:
  21. Big Data отражает эффект (феномен):
  22. Изначально Big Data применяли лишь в:
  23. Для обработки больших данных наиболее актуально:
  24. В Big Data не акцентируется:
  25. В Big Data возможны:
  26. В любых Big Data информация целиком распределена:
  27. Принципом Big Data не является:
  28. Горизонтальная масштабируемость при обработке Big Data – это:
  29. Регрессивные модели описывают …
  30. Аналитик это …
  31. Задача регрессии сводится к …
  32. Задача кластеризации заключается в …
  33. Кластеризация — …
  34. Какую проблему не решают задачи кластеризации, отыскивая скрытую структуру исследуемых данных и не имея опорной целевой переменной?
  35. Подходы к построению моделей Data Mining
  36. Основная задача кластеризации:
  37. Назовите причину использования алгоритмов кластеризации
  38. Выберите алгоритм, который не решают задачи кластеризации
  39. На чем основана кластеризация DBSCAN?
  40. До появления Data Mining невозможно было найти связи:
  41. Вы хотите предсказать суммы, которые клиенты потратят на оплату трафика в разные месяцы, исходя из истории их предыдущего потребления. Это задача:
  42. Локальность данных Big Data – это:
  43. Отказоустойчивость Big Data – это, когда:
  44. Если Вы создали страницу в соцсетях, то:
  45. Соцсети всегда отслеживают:
  46. Data Mining позволяет всегда:
  47. В коммерции Big Data может включать все перечисленное в списке:
  48. Можно таргетировать (распределять) клиентов веб-магазина по:
  49. Примером применения Big Data не может быть:
  50. С помощью Big Data клиентский компьютер может обрабатывать до:
  51. Одна из главных целей Big Data – это:
  52. Одна из главных целей Data Mining – это получение:
  53. Эффективно применять Data Mining с целью защиты от:
  54. BI (бизнес-аналитику) в компании применяют для:
  55. Распределенная архитектура Big Data позволяет всегда:
  56. Какая компания создала технологию MapReduce?
  57. Какие из задач решаются Big Data?
  58. Дайте определение Big Data
© 2026 Disynergy