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
Uma big data não engloba dados não estruturados, mas inclui um imenso volume de dados estruturados suportado por tecnologias como o DataMining e o DataWarehouse para a obtenção de conhecimento a partir da manipulação desses dados.
C
Certo
E
Errado
Uma vez definidos os resultados a que se deseja chegar com o processo de mineração de dados (Data Mining), cabe agora escolher que técnicas deve-se utilizar, que sejam mais aderentes para a obtenção dos resultados, com uma melhor precisão. A técnica que é definida como sendo programas que implementam detecções sofisticadas de padrões e algoritmos de aprendizado de máquina, para construir modelos, principalmente, de prognóstico de grandes bancos de dados históricos é denominada de:
A
Arvores de decisão.
B
Redes neurais artificiais.
C
Algoritmos genéticos.
D
Regras de associação.
Na implementação de mineração de dados (data mining), a
utilização da técnica de padrões sequenciais pode ser útil para
a identificação de tendências.
C
Certo
E
Errado
Assinale a alternativa CORRETA sobre o processo de mineração de dados (data mining).
A
Aglomeração (clustering) é um método não supervisionado de agrupamento de dados que pode ser aplicado em um processo de mineração de dados.
B
É um método de processamento de consultas em bancos de dados distribuídos.
C
É um processo que não se aplica a grandes volumes de dados.
D
Entre os diversos métodos utilizados em processos de mineração de dados, redes neurais é um exemplo de método descritivo e regras de associação é um exemplo de método preditivo.
E
É integrante de um processo maior de descoberta de conhecimento, sendo aplicado antes de um processo de limpeza de dados.
No contexto de data mining, o processo de descoberta de
conhecimento em base de dados consiste na extração não
trivial de conhecimento previamente desconhecido e
potencialmente útil.
C
Certo
E
Errado
Acerca de data mining, assinale a opção correta.
A
A fase de preparação para implementação de um projeto de
data mining consiste, entre outras tarefas, em coletar os dados
que serão garimpados, que devem estar exclusivamente em um
data warehouse interno da empresa.
B
As redes neurais são um recurso matemático/computacional
usado na aplicação de técnicas estatísticas nos processos de
data mining e consistem em utilizar uma massa de dados para
criar e organizar regras de classificação e decisão em formato
de diagrama de árvore, que vão classificar seu comportamento
ou estimar resultados futuros.
C
As aplicações de data mining utilizam diversas técnicas de
natureza estatística, como a análise de conglomerados (cluster
analysis), que tem como objetivo agrupar, em diferentes
conjuntos de dados, os elementos identificados como
semelhantes entre si, com base nas características analisadas.
D
As séries temporais correspondem a técnicas estatísticas
utilizadas no cálculo de previsão de um conjunto de
informações, analisando-se seus valores ao longo de
determinado período. Nesse caso, para se obter uma previsão
mais precisa, devem ser descartadas eventuais sazonalidades
no conjunto de informações.
E
Os processos de data mining e OLAP têm os mesmos
objetivos: trabalhar os dados existentes no data warehouse e
realizar inferências, buscando reconhecer correlações não
explícitas nos dados do data warehouse.
A mineração de dados é uma solução cada vez mais buscada pelas empresas. Isso porque, desde que associada a bases de dados ou data warehouses, ela se torna uma poderosa ferramenta para a tomada de decisão empresarial porque ela pode descobrir e descrever um conhecimento. Assinale a alternativa que apresenta somente duas das formas para descobrir conhecimento em mineração de dados.
A
Agrupamentos e Algoritmo de buscas.
B
Fechamento para baixo e Atimonotonicidade.
C
Regras de associação e Regras de dissociação.
D
Padrões dentro de série temporal e Agrupamentos.
E
Hierarquias de classificação e Padrões sequenciais.
Em DataMining, as árvores de decisão podem ser usadas com sistemas de classificação para atribuir informação de tipo.
C
Certo
E
Errado
Considere a situação hipotética abaixo.
A Prefeitura de Teresina acolhe moradores de rua em diversos centros de reintegração. Estas pessoas são submetidas a programas de reintegração social. Em função do perfil de cada pessoa, pode ser determinado o programa mais adequado à sua reintegração. Assim sendo, foram utilizadas bases de dados contendo diversas informações das pessoas submetidas aos programas. Tais bases incluíam o resultado do programa: se a pessoa foi ou não reintegrada à sociedade. Uma aplicação categorizada como Business Intelligence − BI teve como meta caracterizar o perfil destas pessoas (tarefa de Classificação) de forma a viabilizar um processo de triagem, para definir o perfil de novas pessoas a priori, direcionando-as a programas de reintegração mais adequados.
A caracterização dos perfis a priori, obtida pela aplicação do Business Intelligence − BI a que alude o trecho sublinhado do texto, em última instância, é uma meta típica de
A
Extract Business Skill − EBS.
B
Extract Transform Load − ETL.
C
Data Mining − DM.
D
Drill-across − DA.
E
Slice and Dice – SD.
Na área de soluções de suporte à decisão, o processo de descobrir correlações, padrões e tendências relevantes, analisando uma grande quantidade de dados armazenados em repositórios, é conhecido como data:
A
warehouse.
B
mining.
C
analysis.
D
pattern.
E
integration.
A finalidade do uso do data mining em uma organização é subsidiar a produção de afirmações conclusivas acerca do padrão de comportamento exibido por agentes de interesse dessa organização.
C
Certo
E
Errado
No ambiente organizacional, devido à grande quantidade de dados, não é recomendado o emprego de data mining para atividades ligadas a marketing.
C
Certo
E
Errado
O conhecimento obtido no processo de data mining pode ser classificado como uma regra de associação quando, em um conjunto de eventos, há uma hierarquia de tuplas sequenciais.
C
Certo
E
Errado
A Mineração de Dados (DM – Data Mining) é uma das etapas da Descoberta do Conhecimento em Base de Dados (KDD – Knowledge Discovery in Databases), sendo considerada a principal etapa do processo de KDD. Neste processo, existe um conceito essencial, por dois motivos principais, que tem a seguinte definição “podem ser usadas após a etapa de Mineração de Dados, a fim de ordenar ou filtrar os padrões descobertos de acordo com o grau de interesse associado a estes padrões; podem ser usadas para restringir ou guiar o espaço de busca de Mineração de Dados, melhorando a eficiência da busca ao eliminar conjuntos de padrões que não satisfaçam a condições predeterminadas”. (Goldschmidt; Passos; Bezerra, 2015.)
A definição anterior trata‐se de qual conceito?
A
Medidas de interesse.
B
Aprendizado indutivo.
C
Similaridade e distância.
D
Representação do conhecimento.
Os objetivos do datamining incluem identificar os tipos
de relacionamentos que se estabelecem entre informações
armazenadas em um grande repositório.
C
Certo
E
Errado
Em relação às ferramentas de Data Discovery e os fundamentos de Data Mining, é correto afirmar:
A
Data Mining é o processo de descobrir conhecimento em banco de dados, que envolve várias etapas. O KDD – Knowledge
Discovery in Database é uma destas etapas, portanto, a mineração de dados é um conceito que abrange o KDD.
B
A etapa de KDD do Data Mining consiste em aplicar técnicas que auxiliem na busca de relações entre os dados. De forma
geral, existem três tipos de técnicas: Estatísticas, Exploratórias e Intuitivas. Todas são devidamente experimentadas e
validadas para o processo de mineração.
C
Os dados podem ser não estruturados (bancos de dados, CRM, ERP), estruturados (texto, documentos, arquivos, mídias
sociais, cloud) ou uma mistura de ambos (emails, SOA/web services, RSS). As ferramentas de Data Discovery mais
completas possuem conectividade para todas essas origens de dados de forma segura e controlada.
D
Estima-se que, atualmente, em média, 80% de todos os dados disponíveis são do tipo estruturado. Existem diversas
ferramentas open source e comerciais de Data Discovery. Dentre as open source está a InfoSphere Data Explorer e entre
as comerciais está a Vivisimo da IBM.
E
As ferramentas de Data Mining permitem ao usuário avaliar tendências e padrões não conhecidos entre os dados. Esses
tipos de ferramentas podem utilizar técnicas avançadas de computação como redes neurais, algoritmos genéticos e lógica
nebulosa, dentre outras.
Os sistemas de suporte à decisão extraem informações necessárias para a tomada de decisão, utilizando consultas complexas sobre grandes volumes de dados. Analise as seguintes afirmações a conceitos e ferramentas de suporte a decisão e classifique-as como verdadeiras (V) ou falsas (F). Em seguida assinale a opção correta.
I. O ETL (Extract Transform Load) são ferramentas de software cuja função é a extração de dados de diversos sistemas, transformação desses dados conforme regras de negócios e por fi m a carga dos dados geralmente em um Data Mart e um Data Warehouse.
II. O OLAP (Online Analytical Processing) fornece para organizações um método de acessar, visualizar, e analisar os dados corporativos com alta flexibilidade e performance.
III. Um Data Warehouse é utilizado para armazenar informações relativas às atividades de uma organização em bancos de dados, de forma consolidada.
IV. O Data Mining, diferentemente do OLAP, fornece informações de dados corporativos ocultos em grandes bancos de dados, podendo prever comportamentos futuros.
As afirmações I, II, III e IV são, respectivamente:
A
V, V, V, V.
B
V, F, V, F.
C
V, V, F, V.
D
F, V, F, V.
E
F, F, F, F.
Algoritmo genético é uma das ferramentas do data mining que utiliza mecanismos de biologia evolutiva, como hereditariedade, recombinação, seleção natural e mutação, para solucionar e agrupar problemas.
C
Certo
E
Errado
Em data mining, a técnica boosting é utilizada para fazer a
seleção inicial dos dados a serem analisados durante o estágio
de construção do modelo.
C
Certo
E
Errado
Em um processo de mineração, durante a etapa de preparação
dos dados, são analisados os requisitos de negócio para
consolidar os dados.
C
Certo
E
Errado
Gerar simulado