CF210-exam

Quelles sont les étapes de la gestion de données?

Collecter, Stocker, Distribuer, Exploiter

Qu'est-ce que la science des données?

Science multidisciplinaire visant l’extraction de connaissance à partir d’ensemble de données

Qu'est-ce que l'exploration des données?

Data mining -> découvrir et d’extraire un savoir ou uneconnaissance à partir de (grandes) quantités de données

Qu'est-ce que l'apprentissage automatique?

Champ d'étude de l’intelligence artificielle. Permet à une machine d’apprendre automatiquement à partir d’un ensemble de données et produire des actions par prédiction/déduction

Nommez trois approches de l'apprentissage automatique

Apprentissage supervisé. Apprentissage non-supervisé. Apprentissage par renforcement

Nommez-moi 3 freins à l'exploration des données

les données non structurées, une carence des outils de traitement des données, l’absence de mesure du ROI

Nommez deux familles de modélisation

Descriptive: trouver les patterns. Prédictive: inférence à partir des données actuelles pour prédire des évolutions

Nommez les méthodes descriptives.

Regroupement (clustering), Détection d'anomalies, Règles d'association

Nommez les méthodes prédictives.

Arbre de décision, régréssion linéaire

Nommez trois langages de programmation utilisés par les data scientists.

R, Python, SQL

Exemples de technologies NoSQL.

MongoDB, CouchDB

Qu'est-ce que le SGBDR?

Système de gestion de bases de données relationnelles

Exemples de BD relationnelles?

Oracle, MySQL, MSSQL

Qu'est-ce qu'une clé dans une BD?

Identifie un type d'entité ou un type d'association

Que permet une clé primaire?

Identifier de manière unique un enregistrement dans une table.

Que permet une clé étrangère?

Un ou ensemble d'attributs, qui est clé primaire dans une autre relation (ex.: numéro du client dans la table commande)

Où se trouve la clé primaire et étrangère dans ces deux relations: clients(codeClient, nomClient, addresseClient, ville, province, codePostal) ET commandes(codeClient, noCommande, etc...

codeClient dans clients() est une clé primaire, codeClient est la clé étrangère dans commandes()

Qu'est-ce qu'un entrepôt de données?

Mêmes données que dans les BDs, mais aggrégées, sommarisées, orientées métier pour faciliter l’analyse.

Qu'est-ce que le data lake?

Données brutes et volumineuses, non modélisées, non structurées, stockées pour un usage ultérieur. L'accès est complexe.Ex.: IdO, média sociaux, appareils mobiles

Qu'est-ce que la méthode CRISP?

Compréhension du problème, compréhension des données, Préparation des données, Modélisation, Évaluation, Déploiement

Nommez trois sources des données.

BD relationnelles, Entrepôt de données, Data Lake

Que permet la clause HAVING dans SQL?

Ajouter une condition à la requête.

Nommez le défaut de l'entrepôt des données.

Sources diverses, redondantes, manquantes, incohérentes

Qu'est-ce que le ETL dans l'entrepôt des données?

Extract Transform Load

Quels sont les types de tables dans l'entrepôt des données?

Table de faits, table de dimensions

Quels sont les trois V du big data?

Volume, Vitesse, Variété

Quelle est la méthode de stockage du big data?

Data lake

En quoi le data lake est différent du data warehouse?

Le data warehouse a une structure destructrice des détails et a des données qui satisfont un besoin identifié. Le lac de données absorbe un flux de données bruts + schema on read.

Qu'est-ce que l'apprentissage supervisé?

Infère un résulat à partir de données étiquettées (ex.: Arbre de décision)

Qu'est-ce que l'apprentissage non supervisé?

Essaie de trouver une structure à partir de données non étiquettées (ex.: Règle d’association)

Qu'est-ce que l'apprentissage par renforcement?

Effectue une action dans le but de maximiser une «récompense» (ex.: Chaîne de Markov)

Quelle est la première étape de la méthode MERISE?

Analyse des besoins

Quelle est la deuxième étape de la méthode MERISE?

Élaboration du modèle conceptuel de données (MCD)

Quelle est la troisième étape de la méthode MERISE?

Élaboration du modèle logique de données (MLD) et normalisation

Quelle est la quatrième étape de la méthode MERISE?

Élaboration du modèle physique de données (MPD) et Implémentation du MLD dans un SGBDR spécifique

Qu'est-ce que le MCD?

L'ensemble des informations à stocker

Nommez les bénéfices d'un entrepôt de données.

Mener des analyses poussées sur différents sujets d'affaires, vue consolidée des données de l'entreprise, simplifient l'accès de données

Donnez-moi 3 exemples de systèmes décisionnels.

ERP (enterprise resource planning) et CRM (customer relationshi management)

Qu'est-ce que le business intelligence (BI) ou intelligence d'affaires?

L’informatique décisionnelle est l'informatique à l'usage des décideurs et des dirigeants d'entreprises.

Qu'est-ce qu'un data warehouse ou un entrepôt de données?

Un Entrepôt de données est une base de données regroupant une partie ou l'ensemble des données fonctionnelles d'une entreprise. Il entre dans le cadre de l'informatique décisionnelle.

Nommez une problématique des BD en production

Sources de données hétérogènes, quantité d'information ne cesse d'augmenter

Pourquoi le modèle de BD relationnel normalisé ne convient pas pour le «reporting»?

La requête risque de ne pas être performante (jointures, beaucoup de données à lire). Ceci va ralentir le système transactionnel de l’entreprise. Les données peuvent être dans plusieurs BD.

Quel modèle de données est meilleur pour le reporting/BI?

Le data warehouse

Nommez 3 différences entre BD relationnelles et entrepôt de données.

Orientée sujet (organisées par client produit etc), intégrées (proviennent de plusieurs sources), non-volatiles (ne se modifient jamais et ne sont pas supprimées)

OLTP (Online Transaction Processing) fait partie de quel modèle de données?

SGBD

OLAP (Online Analytical Processing) fait partie de quel modèle de données?

Data warehouse

Nommez 2 bénéfices du data warehouse.

Simplifie l'accès aux données, permet des analyses plus poussées sur différents sujets d'affaires

Quelles sont les étapes d'un système décisionnel?

Collection –Intégration –Organisation –Restitution

Qu'est-ce qu'un data mart?

un sous-ensemble d’un data warehouse destiné à fournir des données aux utilisateurs, et souvent spécialisé vers un groupe ou un type d'affaire

Qu'est-ce que la modélisation dimensionnelle?

Technique de conception logique utilisée pour les entrepôts de données.

Nommez les 3 modèles de données? (schema)

Modèle en étoile, modèle en constellation de faits, modèle en flocon de neige

Quelles sont les 6 phases de la méthode CRISP-DM?

Compréhension du marché, compréhension des données, préparation des données, modélisation, évaluation, déploiement

Qu'est-ce que la statistique descriptive?

résumer et présenterles données observées afin d'en en prendre connaissance plusfacilement sous forme de tableaux, graphes, etc.

Qu'est-ce que la statistique inférentielle?

étendre et/ou généraliser les conclusions obtenues mais sous certaines conditions

Quelles sont les étapes de la visualisation des données?

Comprendre le contexte, choisir représentation visuelle, rafiner, interaction

Que permet de faire le clustering?

regrouper tout ce qui se ressemble, et éloigner tout ce qui est franchement différent.

Qu'est-ce que le PCA?

C’est un ensemble de techniques pour réduire la taille d’unjeu de données

Quel est le problème opérationnel du big data?

les capacités de stockage augmentent rapidement, mais la vitesse d’accès n’augmente pas au même rythme

Qu'est-ce que Apache Hadoop?

Hadoop est un framework open source. Le stockage et le traitement sont tous les deux parallélisés.

Qu'est-ce que Apache Spark?

Solution pour accélérer le traitement des systèmes Hadoop

Qu'est-ce que la propriété ACID?

Atomicité, Cohérence, Isolation, Durabilité

Nommez les 4 familles de BD NoSQL

clé/valeur (redis), orienté colonne (cassandra), orienté document (mongodb), orienté graphe (neo4j)

Nommez les 4 types d'attaquants

États-nation, cybercriminels, hacktivistes, script kiddies

Qu'est-ce que le business email compromise?

comme la fraude du président

Comment réduire la taille d'un dataset?

Réduction d'attributs, séléction d'attributs

Qu'est-ce que la gouvernance des données?

La gouvernance de données associe un ensemble de personnes, de processus et de technologiespour garantir la qualité et la valeur des informations d’une entreprise.

Nommez 2 objectifs de la gouvernance des données?

l’amélioration de la segmentation, l’amélioration de la confiance en le reporting