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
O uso prático de data mining envolve o emprego de processos, ferramentas, técnicas e métodos oriundos da matemática, da estatística e da computação, inclusive de inteligência artificial.
C
Certo
E
Errado
Quem utiliza o data mining tem como objetivo descobrir, explorar ou minerar relacionamentos, padrões e vínculos significativos presentes em grandes massas documentais registradas em arquivos físicos (analógicos) e arquivos lógicos (digitais).
C
Certo
E
Errado
A etapa de Mineração de Dados (DM – Data Mining) tem como objetivo buscar efetivamente o conhecimento no contexto da aplicação de KDD (Knowledge Discovery in Databases – Descoberta de Conhecimento em Base de Dados). Alguns autores referem‐se à Mineração de Dados e à Descoberta de Conhecimento em Base de Dados como sendo sinônimos. Na etapa de Mineração de Dados são definidos os algoritmos e/ou técnicas que serão utilizados para resolver o problema apresentado. Podem ser usados Redes Neurais, Algoritmo Genéticos, Modelos Estatísticos e Probabilísticos, entre outros, sendo que esta escolha irá depender do tipo de tarefa de KDD que será realizado. “Uma dessas tarefas compreende a busca por uma função que mapeie os registros de um banco de dados em um intervalo de valores reais.” Trata‐se de:
A
Regressão.
B
Sumarização.
C
Agrupamento.
D
Detecção de desvios.
Em um processo de Data Mining em um banco de dados, foram considerados dois atributos de clientes de uma organização: diploma (grau de instrução) e renda. Com base nestes atributos o Administrador de BD criou as regras:
Para toda pessoa P, P.diploma=doutor and P.renda > 275.000,00 ⇒ P.crédito = excelente
Para toda pessoa P, P.diploma=bacharel or (P.renda > 75.000,00 and P.renda <120.000,00) ⇒ P.crédito = bom
Considerando as técnicas de Data Mining, é correto afirmar que as regras acima
A
são exemplos de regras de associação baseadas em confiança, em que o antecedente é verdadeiro quando o consequente é verdadeiro, visando, por exemplo, oferecer gratuitamente cartões de crédito aos elegíveis.
B
são exemplos de regras de classificação obtidas do processo de primeiro encontrar conjuntos de itens com suporte suficiente chamados conjuntos de itens confiáveis, visando, por exemplo, oferecer crédito aos elegíveis.
C
buscam classificar os clientes objetivando, por exemplo, atender a uma solicitação de cartão de crédito, com base em seu nível de merecimento de crédito.
D
buscam classificar os clientes com base na técnica de recall, que utiliza como medida a fração de tempo em que o classificador dá a classificação correta, visando, por exemplo, a concessão de empréstimo.
E
são regras de associação que utilizam a técnica de especificidade, que contabiliza quantas vezes a previsão positiva está correta, visando, por exemplo, a concessão de empréstimo.
Uma das tarefas implementadas por uma ferramenta de Data Mining consiste em realizar a determinação de um valor futuro de determinada característica ou atributo de um registro ou conjunto de registros. Tal tarefa corresponde à
A
normalização.
B
indexação.
C
análise de afinidade.
D
predição.
E
análise de equivalência.
Mineração de dados é a investigação de relações e padrões globais que existem em grandes bancos de dados, mas que estão ocultos no grande volume de dados. Com base nas funções que executam, há diferentes técnicas para a mineração de dados, dentre as quais estão:
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo de registros. Por exemplo: 75% dos envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão envolvidos em processos ligados a roubo de dados sigilosos.
II. identificar sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do sexo feminino após ajuizarem uma causa contra o INSS solicitando nova perícia médica ajuízam uma causa contra o INSS solicitando ressarcimento monetário.
III. as categorias são definidas antes da análise dos dados. Pode ser utilizada para identificar os atributos de um determinado grupo que fazem a discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de técnicas referenciados em I, II e III, respectivamente, são:
A
B
C
D
E
O processo de analisar grandes bancos de dados de forma semiautomática para encontrar padrões úteis, denominado data mining, usa um conjunto de regras que representa o conhecimento descoberto. Dentre as regras de associação inclui-se ou incluem-se:
A
grandes conjuntos de dados.
B
mineração de texto.
C
regressão linear.
D
dados de treinamento.
E
atributo de valor contínuo.
O processo de transformação de dados pode exigir que dados
logicamente relacionados, mas fisicamente separados, sejam
recompostos, ainda que envolvam registros distintos ou até
mesmo estejam em bancos de dados operacionais distintos.
C
Certo
E
Errado
No processo de Data Mining (mineração de dados), é
indispensável o uso de técnica conhecida como Data
Warehousing, uma vez que a mineração de dados deve ocorrer
necessariamente em estruturas não normalizadas (FN0).
C
Certo
E
Errado
Há uma tecnologia que é empregada sobre grandes volumes de dados para descobrir novas
informações em função de regras e padrões existentes nesses dados. Normalmente, tais informações não são
obtidas simplesmente consultando os dados armazenados em bancos de dados. Por exemplo: uma das maiores
redes de varejo dos Estados Unidos descobriu, em seu enorme banco de dados, por meio do uso dessa tecnologia,
que o aumento das vendas de fraldas descartáveis, nas sextas-feiras, estava relacionada às vendas de cerveja,
sendo que, geralmente, os compradores eram homens. Como oportunidade de negócio, a rede varejista colocou os
produtos lado a lado, resultando em um aumento expressivo nas vendas de ambos os produtos. Para obter tais
descobertas, essa tecnologia usa diversas técnicas, tais como associação, classificação e predição, dentre outras.
Nesse caso, essa tecnologia é chamada de:
A
Data Mart.
B
Data mining.
C
Data Warehouse
D
Business intelligence.
E
OLAP.
Assinale a opção correta acerca de datamining.
A
A informação acerca dos resultados obtidos no processo de
mineração é apresentada apenas de forma gráfica.
B
A classificação, uma das principais tecnologias da mineração
de dados, caracteriza-se por possuir um conjunto de transações,
sendo cada uma delas relacionada a um itemset.
C
É possível realizar mineração de dados em documentos
textuais como, por exemplo, uma página da Internet.
D
A grande desvantagem de um datamining consiste no fato de
que a identificação de um padrão, para a geração do
conhecimento, só é possível por meio da análise em pequenas
quantidades de dados.
E
Durante a fase de reconhecimento de padrões, para cada banco
de dados, é permitido um único tipo de padrão.
O datamining é utilizado em empresas para descobrir padrões de comportamento de determinados clientes visando a oferta de produtos ou serviços específicos. Essa estrutura é utilizada no(s):
A
Data Marts.
B
Business Inteligence.
C
OLAP.
D
Sistemas Distribuídos.
E
Sistemas Especialistas.
Segundo Carlos Barbieri (2011) , em Business Intelligence (BI) , o conceito de DATA MINING (mineração de dados) está relacionado à tendência de buscar correlações escondidas em altos volumes de dados. Em qual fase do processo de DATA MINING são definidos os metadados e coletado o dado que será garimpado?
A
Análise.
B
Mineração.
C
Aplicação.
D
Avaliação.
E
Preparação.
Em Datamining, redução da dimensionalidade é:
A
A expressão de um conjunto de dados por um conjunto menor de características do que em sua forma original.
B
A redução dos espaços de variação dos dados em relação a seus espaços originais.
C
A supressão de características consideradas de menor prioridade pelo gestor.
D
A expressão de um conjunto de dados por um conjunto de características de dimensionalidade conhecida.
E
A expressão de um conjunto de características por um outro conjunto de características de dimensionalidade invariante em relação à sua forma original.
Em um processo de descoberta do conhecimento, um Data
Mining executado para atingir uma meta pode falhar nas
classes de predição, de identificação, de classificação e de
otimização.
C
Certo
E
Errado
O uso de agrupamento (clustering) em DataMining exige que
os registros sejam previamente categorizados, tendo por
finalidade aproximar registros similares para predizer valores
de variáveis.
C
Certo
E
Errado
Assim como o DataMining, os DataMarts são voltados para a
obtenção de informações estratégicas de maneira automática,
ou seja, com o mínimo de intervenção humana a partir da
análise de dados oriundos de DataWarehouses.
C
Certo
E
Errado
O resultado da mineração de dados pode ser a descoberta de tipos de informação “nova”. Supondo-se que um cliente compre uma máquina fotográfica e que, dentro de três meses, compre materiais fotográficos, há probabilidade de que, dentro dos próximos seis meses, ele comprará um acessório. Um cliente que compra mais que duas vezes, em um período de baixa, deverá estar propenso a comprar, pelo menos uma vez, no período do Natal. Esse tipo de informação pode ser verificado através de
A
predição de links.
B
regras de associação.
C
árvores de classificação.
D
árvores de decisão.
E
padrões sequenciais.
Com o uso da classificação como técnica de Data Mining,
busca-se a identificação de uma classe por meio de múltiplos
atributos. Essa técnica também pode ser usada em conjunto
com outras técnicas de mineração de dados.
C
Certo
E
Errado
Ao se utilizar a técnica de data mining (mineração de dados), como é conhecido o resultado dessa mineração, em que, por exemplo, se um cliente compra equipamento de vídeo, ele pode também comprar outros equipamentos eletrônicos?
A
Regras de associação.
B
Padrões sequenciais.
C
Árvores de classificação.
D
Padrões de aquisição.
Gerar simulado