Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
- Gran Questões
- Questões
Questões de Concurso sobre Mineração de Dados (Data Mining)
Disciplina
Assunto
1
Banca
Instituição
Cargo
Ano
Carreira
Área de formação
Escolaridade
Dificuldade
Comentários:
Professores
Alunos
Meus Comentários
Vídeo
Minhas questões:
Resolvidas
Não resolvidas
Certas
Erradas
Tipo de questão:
Certo e errado
Múltipla escolha
Incluir questões:
Anuladas
Desatualizadas
Questões:
Todas as questões
Filtro simplificado
Questões
Todas as questões
389
questões
encontradas
20
Mais recentes
As empresas têm como opção a utilização de diversas tecnologias modernas, para facilitar o processo de tomada de decisão dos gestores, visando atender a sua complexidade, seu crescimento, sua modernidade, sua perenidade, sua rentabilidade e sua competitividade. Há uma tecnologia que é formada por um conjunto de ferramentas que, por meio do uso de algoritmos de aprendizado ou baseados em redes neurais e estatística, são capazes de explorar um grande conjunto de dados, extraindo destes na forma de hipóteses e de regras. Trata-se da seguinte tecnologia:
A
sistema gerenciador de banco de dados.
B
enterprise resource planning.
C
data warehouse.
D
sistemas especialistas.
E
data mining.
As ferramentas de Exploração identificadas como Ferramenta 1 e Ferramenta 2 na imagem, dentro do contexto a que se aplicam, são, dentre outras,
A
Staging Area e Data Mining.
B
OLAP e Data Mining.
C
Snowflake e Staging Area.
D
OLAP e Near Line Storage.
E
Near Line Storage e Star Schema.
Ao ler esta notícia, uma Auditora Fiscal da área de TI concluiu, corretamente, que o cruzamento e a análise simultânea de diversas informações, como Nota Fiscal Eletrônica (NF-e), inadimplência, regularidade no cumprimento de obrigações, porte da empresa, composição do quadro societário, autos de infração anteriores, localização geográfica e atividade econômica, entre outras,
A
caracterizam-se como operações MOLAP, que usam a base de dados relacional para acessar os dados do cubo.
B
caracterizam-se como operações HOLAP, que não usam a base de dados relacional para acessar os dados do cubo.
C
podem ter sido realizados com a ajuda de ferramentas de Data Marts integrados, que não requerem a construção de um
DW.
D
podem ter sido realizados com ferramentas de Data Mining em tempo real, uma vez que os dados do DW são
constantemente atualizados a partir da chave de tempo que indica o dia no qual os dados foram extraídos dos sistemas
transacionais.
E
podem ter sido realizados com a ajuda de ferramentas de Data Mining, que permitem a exploração de grandes volumes de
dados para identificar padrões de comportamento e relacionamentos.
Em problemas de classificação no contexto da mineração de dados, é essencial que a performance de um modelo aplicado em um problema seja avaliada. Certas métricas e técnicas são bastante difundidas para esse fim. Sobre esse tema, analise as afirmativas a seguir:
I. A métrica de acurácia (accuracy) é mais efetiva do que as métricas de sensibilidade (sensitivity) e especificidade (specificity), pois não é afetada pelo problema de desbalanceamento de classes.
II. A métrica de F-score é dada pela combinação das métricas de sensibilidade (sensitivity) e precisão (precision) na equação: F = (2 × precision × sensitivity) / (precision + sensitivity).
III. A curva ROC (Receiver Operating Characteristic) é útil para medir a acurácia de um modelo, onde quanto mais próximo de 1 for sua área (AUC - area under the curve), pior é o modelo.
Assinale
A
se somente a afirmativa I estiver correta.
B
se somente a afirmativa II estiver correta.
C
se somente a afirmativa III estiver correta.
D
se somente as afirmativas I e II estiverem corretas.
E
se somente as afirmativas II e III estiverem corretas.
Considere que a SANASA busca realizar a gestão de recursos hídricos subterrâneos com base em parâmetros conhecidos que determinam a poluição das águas subterrâneas. Um desses parâmetros, para exemplificar, seria o nitrato, um indicador de poluição difusa de água subterrânea. Criando-se regras para realizar o aprendizado supervisionado do sistema de Data Mining utilizando-se uma certa técnica, chegar-se-á a um resultado que considera os diversos parâmetros para se descobrir se um certo aquífero tem água potável ou não, comparando-se com uma definição conhecida.
Nesse cenário, a técnica aplicada é denominada
A
Associação.
B
Classificação.
C
Clustering.
D
Regressão.
E
Prediction.
Sobre descoberta de conhecimento em bases de dados e mineração de dados, considere as seguintes afirmativas:
1. Uma forma de limpeza de dados é por meio do método de encaixotamento, que consiste em distribuir os valores de um atributo em um conjunto de caixas (bins).
2. O método de “imputação de dados” para suprir a ausência de valores acontece na etapa de transformação dos dados.
3. Capitalização e conversão de unidades são exemplos de padronização de dados na etapa de transformação dos dados.
4. O processo de normalização de dados ocorre na etapa de transformação de dados.
Assinale a alternativa correta.
A
Somente a afirmativa 1 é verdadeira.
B
Somente as afirmativas 2 e 3 são verdadeiras.
C
Somente as afirmativas 2 e 4 são verdadeiras.
D
Somente as afirmativas 1, 3 e 4 são verdadeiras.
E
As afirmativas 1, 2, 3 e 4 são verdadeiras.
Uma funcionalidade que pesquisa, agrega e organiza dados, de maneira que, através de análises encontre padrões, associações, mudanças, anomalias e outras informações relevantes, chama-se:
A
Data Mining.
B
Data Storage.
C
Data Scale.
D
Big Data.
E
Data Center.
Considerando os sistemas de gerenciamento de banco de dados, informações e conhecimento, associe o tema à sua ideia principal:
-
TEMA:
I Datamining.
II OLAP.
III Data Warehouse.
-
IDEIA PRINCIPAL:
-
a. utiliza recursos para a busca de informações relevantes que estão presentes em meio a grande quantidade de dados através de diversas técnicas, informações estas que muitas vezes ficam despercebidas.
b. oferece uma diversidade de recursos para que a informação possa ser analisada de diversos ângulos, oferecendo funcionalidades como consultas e relatórios dinâmicos que podem ser elaborados pelos próprios usuários.
c. é utilizado para armazenar conjuntos de dados organizados por assuntos, mantendo todo um histórico.
-
Está correto o que afirma em:
A
I-B, II-A e III-C.
B
I-A, II-B e III-C.
C
I-C, II-B e III-A.
D
I-A, II-C e III-B.
Acerca dos métodos tradicionais de Mineração de Dados, um desses métodos “produz Árvores de Decisão a partir de uma abordagem recursiva de particionamento de um conjunto de dados, e utiliza conceitos e medidas da Teoria da Informação”. Trata-se do método:
A
C4.5.
B
Apriori.
C
Máquinas de Vetores Suporte.
D
Classificador Bayesiano Ingênuo.
De acordo com Barbieri (2011), um conjunto de técnicas de natureza estatística é utilizado nos processos de Data Mining. Assinale a opção que apresenta esse conjunto de técnicas estatísticas.
A
Árvore de decisão, análise de conglomerados, análise de regressão e métodos preditivos com séries temporais.
B
Análise trigonométrica, produto cartesiano, fatorial e métodos preditivos com séries temporais.
C
Árvore de decisão, produto cartesiano, fatorial e análise de regressão.
D
Análise trigonométrica, árvore de decisão, análise de regressão e produto cartesiano.
E
Arvore de decisão, análise trigonométrica, análise de regressão e fatorial.
Classificação é uma importante tarefa utilizada na etapa
de mineração de dados, que tem como uma de suas características
básicas
A
construir seus modelos de enquadramento, a partir de
um conjunto de dados contínuos.
B
poder ser implementada por algoritmos estáveis e de
significativa eficácia, tais como C4.5, classificadores
bayesianos ou K-Prototypes.
C
ser um método de aprendizado de máquina não supervisionado,
observando o teorema NFL – No Free
Lunch.
D
ter a sua eficácia avaliada por uma métrica denominada
suporte, que indica quantas vezes um item de dado
foi corretamente classificado.
E
ter como seu primeiro processo o aprendizado de uma
função de mapeamento y = f(X), que associa uma
ocorrência de dados X em uma classe y.
Considere o conjunto de dados a seguir, obtido a partir de uma base de dados de transações ocorridas em uma padaria, em uma determinada faixa de tempo. Nesse conjunto, indica-se a ocorrência de um determinado produto em cada transação.
id transação | leite | café | pão | manteiga |
1 | não | sim | sim | sim |
2 | sim | não | sim | sim |
3 | não | sim | sim | sim |
4 | sim | sim | sim | sim |
5 | não | não | não | não |
6 | não | não | não | sim |
7 | não | não | não | |
8 | não | não | não | não |
9 | não | não | não | não |
10 | não | não | não | não |
Em mineração de dados, a partir desse conjunto de dados, podem ser geradas regras de associação, as quais buscam conjuntos de itens frequentes que guardam entre si uma relação de causa e efeito. Essas regras são da forma X→Y, onde X é o antecedente da regra, e Y, seu consequente. A menção X,Y indica referência aos dois itens frequentes X e Y. Dois indicadores utilizados para averiguar a eficácia de regras de associação são o suporte e a confiança.
Qual das regras a seguir possui confiança mínima de 80%, dado um suporte mínimo de 30%?
A
café, leite → pão
B
café, pão → manteiga
C
leite, pão → café
D
manteiga → café, pão
E
manteiga, pão → café
Na técnica de árvore de decisão em data mining, é empregada a
abordagem denominada
A
análise de volumetria.
B
combinação de variáveis.
C
estratificação.
D
avaliação de dados.
E
percepção.
São métodos de mineração de dados que podem ser aplicados à tarefa de Knowledge Discovery in Databases (KDD) de descoberta de associações, EXCETO:
A
DIC (Dynamic Itemset Counting).
B
Apriori.
C
Redes neurais artificiais.
D
DHP (Direct Hashing and Pruning).
As ferramentas e técnicas de mineração de dados (data mining) têm por objetivo
A
preparar dados para serem utilizados em um “data warehouse” (DW).
B
permitir a navegação multidimensional em um DW.
C
projetar, de forma eficiente, o registro de dados transacionais.
D
buscar a classificação e o agrupamento (clusterização) de dados, bem como identificar padrões.
E
otimizar o desempenho de um gerenciador de banco de dados.
Dentre os algoritmos utilizados em data mining, há um algoritmo que visa o estabelecimento de categorias, a partir do conjunto
de dados, bem como a distribuição dos dados nas categorias estabelecidas. Essa descrição corresponde aos algoritmos de
A
classificação.
B
sumarização.
C
visualização.
D
evolução.
E
detecção de desvios.
Pode-se definir mineração de dados como o processo de
identificar, em dados, padrões válidos, novos, potencialmente
úteis e, ao final, compreensíveis.
C
Certo
E
Errado
Situação hipotética: Na ação de obtenção de informações por
meio de aprendizado de máquina, verificou-se que o processo
que estava sendo realizado consistia em examinar as
características de determinado objeto e atribuir-lhe uma ou
mais classes; verificou-se também que os algoritmos utilizados
eram embasados em algoritmos de aprendizagem
supervisionados. Assertiva: Nessa situação, a ação em
realização está relacionada ao processo de classificação.
C
Certo
E
Errado
A aplicação de técnicas de mineração de dados (data mining) pode ser de grande valia para o Auditor. No caso das pesagens, por exemplo, uma ação típica de mining, que é passível de ser tomada com o auxílio de instrumentos preditivos, é
A
quantificar as ocorrências de possíveis pesagens fraudulentas ocorridas durante todo o trimestre que antecede a data da análise, em alguns postos selecionados, mediante parâmetros comparativos preestabelecidos.
B
analisar o percentual de ocorrências das menores permanências de caminhões nos postos, no último ano, em relação ao movimento total.
C
relacionar os postos onde ocorreram, nos últimos seis meses, as menores permanências das empresas suspeitas e informar o escalão superior para a tomada de decisão.
D
realizar uma abordagem surpresa em determinado posto, com probabilidade significativa de constatar ocorrência fraudulenta.
E
reportar ao escalão superior as características gerais das pesagens e permanências de todos os caminhões, nos cinco maiores postos do Estado, no mês que antecede a data de análise.
A respeito das técnicas e(ou) métodos de mineração de dados,
assinale a opção correta.
A
O agrupamento (ou clustering) realiza identificação de grupos
de dados que apresentam coocorrência.
B
A classificação realiza o aprendizado de uma função que pode
ser usada para mapear os valores associados aos dados em um
ou mais valores reais.
C
A regressão ou predição promove o aprendizado de uma
função que pode ser usada para mapear dados em uma de
várias classes discretas definidas previamente, bem como
encontrar tendências que possam ser usadas para entender e
explorar padrões de comportamento dos dados.
D
As regras de associação identificam grupos de dados, em que
os dados têm características semelhantes aos do mesmo grupo
e os grupos têm características diferentes entre si.
E
Os métodos de classificação supervisionada podem ser
embasados em separabilidade (entropia), utilizando árvores de
decisão e variantes, e em particionamento, utilizando SVM
(support vector machines).
Gerar simulado