15 pytań i odpowiedzi quizu inżynierii danych

Pytanie 1:
Co oznacza skrót ETL w kontekście inżynierii danych?
A. Extract, Transform, Load
B. Enter, Transfer, Log
C. Encode, Transmit, Link
D. Export, Translate, Loop

Poprawna odpowiedź: A
Wyjaśnienie: ETL to podstawowy proces w inżynierii danych, który obejmuje ekstrakcję danych z różnych źródeł, ich transformację do odpowiedniego formatu oraz załadowanie do docelowego systemu magazynowania danych.

Pytanie 2:
Który z poniższych jest przykładem narzędzia do orkiestracji potoków danych?
A. Apache Kafka
B. Apache Airflow
C. MySQL
D. Tableau

Poprawna odpowiedź: B
Wyjaśnienie: Apache Airflow to narzędzie open-source służące do programowania, planowania i monitorowania potoków danych w środowiskach inżynierii danych.

Pytanie 3:
Jakie jest główne różnica między bazą danych OLTP a OLAP?
A. OLTP skupia się na transakcjach operacyjnych, a OLAP na analizie danych.
B. OLTP jest szybsze, a OLAP wolniejsze.
C. OLAP jest używane do codziennych operacji, a OLTP do raportowania.
D. OLTP i OLAP to te same typy baz danych.

Poprawna odpowiedź: A
Wyjaśnienie: OLTP (Online Transaction Processing) obsługuje codzienne transakcje w czasie rzeczywistym, podczas gdy OLAP (Online Analytical Processing) jest przeznaczone do analizowania dużych zbiorów danych w celach raportowania i podejmowania decyzji.

Pytanie 4:
Który z poniższych formatów danych jest najczęściej używany w Big Data do przechowywania struktur semistrukturalnych?
A. CSV
B. JSON
C. XML
D. Parquet

Poprawna odpowiedź: B
Wyjaśnienie: JSON jest formatem semistrukturalnym, który umożliwia elastyczne przechowywanie danych w Big Data, w tym zagnieżdżonych struktur, co ułatwia integrację i przetwarzanie.

Pytanie 5:
Co oznacza pojęcie “data lake” w inżynierii danych?
A. Zbiornik danych zoptymalizowany pod kątem zapytań SQL.
B. Repozytorium surowych danych w ich oryginalnej formie.
C. Baza danych relacyjnych.
D. System raportowania w czasie rzeczywistym.

Poprawna odpowiedź: B
Wyjaśnienie: Data lake to centralne repozytorium, w którym dane są przechowywane w surowej formie, bez wstępnej strukturyzacji, co pozwala na późniejszą analizę i przetwarzanie.

Pytanie 6:
Który z poniższych jest przykładem narzędzia do przetwarzania rozproszonego danych?
A. Microsoft Excel
B. Apache Spark
C. Oracle Database
D. Google Sheets

Poprawna odpowiedź: B
Wyjaśnienie: Apache Spark to framework open-source do przetwarzania dużych zbiorów danych w środowisku rozproszonym, umożliwiając szybkie obliczenia i analizy.

Pytanie 7:
Jakie jest podstawowe zadanie narzędzia Apache Kafka?
A. Przetwarzanie zapytań SQL.
B. Strumieniowe przesyłanie danych w czasie rzeczywistym.
C. Tworzenie wizualizacji danych.
D. Zarządzanie magazynem danych.

Poprawna odpowiedź: B
Wyjaśnienie: Apache Kafka to platforma do strumieniowego przesyłania danych, która umożliwia publikowanie, subskrybowanie i przetwarzanie strumieni w czasie rzeczywistym.

Pytanie 8:
Który z poniższych typów złączeń SQL jest używany do łączenia rekordów na podstawie warunku?
A. UNION
B. JOIN
C. GROUP BY
D. ORDER BY

Poprawna odpowiedź: B
Wyjaśnienie: JOIN w SQL służy do łączenia danych z dwóch lub więcej tabel na podstawie wspólnych kolumn, co jest kluczowe w operacjach inżynierii danych.

Pytanie 9:
Co to jest “data pipeline”?
A. Proces jednorazowego ładowania danych.
B. Zautomatyzowany przepływ danych od źródła do celu.
C. Statyczny raport danych.
D. Interfejs użytkownika do baz danych.

Poprawna odpowiedź: B
Wyjaśnienie: Data pipeline to sekwencja kroków, które automatyzują ekstrakcję, transformację i ładowanie danych, zapewniając ciągły przepływ w środowiskach inżynierii danych.

Pytanie 10:
Który z poniższych jest miarą jakości danych?
A. Rozmiar bazy danych.
B. Zgodność danych.
C. Liczba użytkowników.
D. Czas ładowania strony.

Poprawna odpowiedź: B
Wyjaśnienie: Zgodność danych odnosi się do dokładności, kompletności i spójności danych, co jest kluczowym aspektem zarządzania jakością w inżynierii danych.

Pytanie 11:
Jakie jest główne zastosowanie hurtowni danych (data warehouse)?
A. Przechowywanie transakcji operacyjnych.
B. Analiza historycznych danych biznesowych.
C. Przetwarzanie strumieniowe.
D. Tworzenie aplikacji mobilnych.

Poprawna odpowiedź: B
Wyjaśnienie: Hurtownia danych jest zaprojektowana do przechowywania i analizowania dużych ilości historycznych danych w celu wspierania decyzji biznesowych.

Pytanie 12:
Który z poniższych protokołów jest często używany do transferu danych w inżynierii danych?
A. HTTP
B. FTP
C. SMTP
D. DNS

Poprawna odpowiedź: B
Wyjaśnienie: FTP (File Transfer Protocol) jest standardowym protokołem do bezpiecznego przesyłania plików, co jest powszechne w procesach ekstrakcji i ładowania danych.

Pytanie 13:
Co oznacza pojęcie “schema-on-read” w kontekście Big Data?
A. Struktura danych jest definiowana przed zapisem.
B. Struktura danych jest definiowana podczas odczytu.
C. Dane są zawsze w formacie relacyjnym.
D. Schemat jest stały i niezmienny.

Poprawna odpowiedź: B
Wyjaśnienie: Schema-on-read oznacza, że struktura danych jest interpretowana w momencie odczytu, co jest typowe dla systemów jak Hadoop, umożliwiając elastyczność.

Pytanie 14:
Który z poniższych jest przykładem bazy danych NoSQL?
A. MySQL
B. MongoDB
C. PostgreSQL
D. Oracle

Poprawna odpowiedź: B
Wyjaśnienie: MongoDB to baza danych NoSQL, która przechowuje dane w formacie dokumentów, co jest przydatne do obsługi nieustrukturyzowanych danych w inżynierii danych.

Pytanie 15:
Jakie jest podstawowe zadanie inżyniera danych w procesie ETL?
A. Tworzenie interfejsów użytkownika.
B. Projektowanie i implementacja potoków danych.
C. Zarządzanie siecią komputerową.
D. Analiza statystyczna.

Poprawna odpowiedź: B
Wyjaśnienie: Inżynier danych jest odpowiedzialny za projektowanie, implementację i utrzymanie potoków ETL, aby zapewnić prawidłowy przepływ i przetwarzanie danych.