Questões de Concurso sobre Mineração de Dados (Data Mining)

Data mining é o processo de extração de conhecimento de grandes bases de dados, sendo estas convencionais ou não, e que faz uso de técnicas de inteligência artificial.

Processo de extrair informação válida, a partir de grandes bases de dados, usando-as para efetuar decisões cruciais, explorando grandes quantidades de dados à procura de padrões consistentes, como regras de associação ou sequências temporais, para detectar relacionamentos sistemáticos entre variáveis, detectando assim novos subconjuntos de dados. O termo correspondente à definição acima, referente a banco de dados, é:

Um termo está associado a uma coleção de dados orientada por assuntos, integrada, variante no tempo, que tem por objetivo dar suporte aos processos de tomada de decisão. É implementado por meio de um banco de dados contendo dados extraídos do ambiente de produção da empresa, que foram selecionados e depurados, tendo sido otimizados para processamento de consulta e não para processamento de transações. Em geral, requer a consolidação de outros recursos de dados além dos armazenados em base de dados relacionais, incluindo informações provenientes de planilhas eletrônicas e documentos textuais. Seu objetivo é fornecer uma "imagem única da realidade do negócio". De uma forma geral, são sistemas que compreendem um conjunto de programas que extraem dados do ambiente de dados operacionais da empresa, um banco de dados que os mantém, e sistemas que fornecem estes dados aos seus usuários. O termo aqui tratado define o conceito de:

A análise multidimensional requer um modelo que permite que os dados sejam visualizados sob diferentes perspectivas, ou dimensões.

A mineração de dados (data mining) é uma das etapas do processo de descoberta de conhecimento em banco de dados. Nessa etapa, pode ser executada a técnica previsão, que consiste em repartir os dados de modo que diferentes classes ou categorias possam ser identificadas com base em combinações de parâmetros.

O datamining é a tarefa de encontrar estruturas interessantes em uma estrutura de dados, por exemplo, padrões estatísticos, modelos preditivos, relacionamentos escondidos etc. Considerando a figura acima, que mostra as áreas relacionadas ao datamining, assinale a opção incorreta.

Considerando as diferentes técnicas de mineração de dados, não é correto afirmar que:

DataMining permite explorar e inferir informação útil a partir de grandes bancos de dados para descobrir relações ocultas entre os dados. Uma das formas é o KDD (knowledge discovery in databases) que utiliza técnicas de inteligência artificial e processadores de texto.

A data mining apóia a descoberta de regras e padrões em grandes quantidades de dados. Em data mining, um possível foco é a descoberta de regras de associação. Para que uma associação seja de interesse, é necessário avaliar o seu suporte, que se refere à freqüência com a qual a regra ocorre no banco de dados.

O data mining é um processo utilizado para a extração de dados de grandes repositórios para tomada de decisão, mas sua limitação é não conseguir analisar dados de um data warehouse.

O termo "ferramentas de apoio à decisão" está mais intimamente relacionado ao processo de

Data Mining pode ser descrito como

No datamining, o agrupamento e a classificação funcionam de maneira similar: o agrupamento reconhece os padrões que descrevem o grupo ao qual um item pertence, examinando os itens existentes; a classificação é aplicada quando nenhum grupo foi ainda definido.

Existem diversas técnicas de mineração de dados, todas elas, usam exclusivamente a aprendizagem indutiva.

KDD é o processo não-trivial de identificação de padrões em um conjunto de dados. Tais padrões devem possuir as seguintes características: validade (aplicarem-se a novos dados com algum grau de certeza ou probabilidade), novidade (não terem sido detectados por nenhuma outra abordagem), utilidade potencial (poderem ser utilizados para a tomada de decisões úteis, medidas por alguma função) e serem assimiláveis (ao conhecimento humano).

Os principais objetivos de alto nível da mineração de dados são previsão e descrição. A previsão envolve o uso de variáveis da base de dados para serem previstos valores desconhecidos ou futuros de variáveis de interesse. Com a descrição, objetiva-se encontrar padrões de descrição dos dados que sejam interpretáveis pelos seres humanos.

OLAP (On-Line Analitycal Processing) é ferramenta adequada para se visualizarem tendências no tempo de dados que representam informação em diversas dimensões.

A metodologia para a realização de tarefas de mineração de dados, prescrita pelo modelo de referência proposto pelo Consórcio CRISP/DM, consiste nas seguintes fases: entendimento do negócio (business understanding), entendimento dos dados (data understanding), pré-processamento dos dados (data preparation), modelagem (modeling), avaliação dos modelos (evaluation) e colocação do modelo selecionado em uso (deployment).