← Início
Playlist
Cai em Entrevista
Perguntas que se repetem em processos seletivos de dados e IA.
16 conceitos
- 破HaTransações e propriedades ACIDEngenharia de DadosO que garante que uma transferência bancária nunca fique pela metade?
- 離RiTeorema CAP e consistência eventualEngenharia de DadosPor que é impossível ter tudo ao mesmo tempo num sistema distribuído?
- 離RiIdempotência, backfill e reprocessamentoEngenharia de DadosPor que rodar o mesmo pipeline duas vezes não pode duplicar dados?
- 破HaModern Data Stack e separação compute/storageEngenharia de DadosQue revolução da nuvem mudou o custo dos dados para sempre?
- 破HaGranularidade (grain)Engenharia de DadosQual a decisão mais importante de toda modelagem?
- 破HaSurrogate keys e Slowly Changing DimensionsEngenharia de DadosComo registrar histórico quando o cliente muda de endereço?
- 離RiContexto de filtro e contexto de linhaAnálise de Dados & BIQual conceito separa quem usa DAX de quem entende DAX?
- 破HaGranularidade na análiseAnálise de Dados & BIPor que misturar níveis de detalhe gera números absurdos?
- 離RiData leakageInteligência ArtificialQual erro silencioso faz o modelo parecer bom demais para ser verdade?
- 破HaRAG: conectando o LLM aos seus dadosInteligência ArtificialComo dar conhecimento privado ao modelo sem retreinar nada?
- 破HaPrivacidade e IAInteligência ArtificialQuais os riscos de dados pessoais no treinamento?
- 守ShuLGPD, privacidade e anonimizaçãoEngenharia de DadosO que a lei brasileira exige de quem trata dados pessoais?
- 守ShuPopulação, amostra e vieses de amostragemAnálise de Dados & BIPor que quase nunca analisamos todos os dados?
- 破HaPrompt vs RAG vs fine-tuningInteligência ArtificialQual abordagem escolher para customizar um LLM?
- 破HaNormalização vs desnormalizaçãoEngenharia de DadosPor que dividir tabelas elimina redundância — e quando quebrar as regras de propósito?
- 守ShuMatriz de confusão e métricas de classificaçãoInteligência ArtificialPor que 99% de acurácia pode ser um modelo péssimo?