Questões de Concurso sobre Mineração de Dados (Data Mining)

A mentalidade orientada a dados é fundamental na ciência de dados, exigindo dos profissionais um entendimento profundo sobre como interpretar e utilizar dados para tomadas de decisão eficientes. Nesse contexto, considere a seguinte situação:

Um analista de dados está trabalhando em um projeto para otimizar o desempenho de um sistema de recomendação em uma plataforma de streaming. Durante a análise, ele observa uma correlação entre o aumento na retenção de usuários e a implementação de recomendações personalizadas com base em padrões de comportamento de consumo.

Assinale a seguir a afirmação que melhor representa a mentalidade orientada a dados nesse contexto.

Em data mining, a técnica de associação é uma função que determina o coeficiente de afinidade entre certos eventos.

Utilizando técnicas de mineração de dados, um analista desenvolveu uma solução computacional que aprenderá, com um conjunto de dados rotulados de exemplo, a identificar categorias sobre um conjunto de dados desconhecidos. Qual o tipo de aprendizado deverá ser implementado na referida solução?

A fase do CRISP-DM em que se dá a aplicação das técnicas de mineração de dados propriamente ditas é denominada

É na fase de mineração do data mining que são definidos os metadados dos dados manipulados.

Data Mining e Cubos OLAP são ferramentas essenciais para análise de grandes volumes de dados, permitindo que analistas obtenham informações estratégicas para tomada de decisões. No contexto de um Data Warehouse, essas tecnologias têm papéis complementares. Qual das alternativas abaixo descreve corretamente a aplicação dessas ferramentas no processo de análise de dados?

Entre as tarefas de mineração de dados, as preditivas são aquelas que usam os valores dos atributos descritivos para encontrar padrões que descrevam os dados de maneira que o ser humano possa interpretá-los.

As anomalias verificadas em um conjunto de dados devem ser descartadas de modo a se manter a harmonia do conjunto analisado.

Em mineração de dados, interpretação e explanação consiste em filtrar o conjunto de dados por meio de mecanismo que varia de acordo com a técnica de mineração utilizada.

Bins de frequência são utilizados na discretização.

A ferramenta SAS pode ser utilizada para uma ampla gama de tarefas, incluindo-se análise exploratória de dados, aprendizado de máquina, inteligência artificial e mineração de dados.

Algoritmos de agrupamento são fundamentais para a área de aprendizado de máquina não supervisionado. Em geral, esses algoritmos determinam clusters de instâncias de dados que possuem algum traço de similaridade entre si. Relacione os métodos de agrupamento hierárquico e o K-means às suas principais características.

1. Agrupamento Hierárquico

2. K-means

( ) Seus resultados são altamente sensíveis ao número de clusters que deve ser pré-definido pelo usuário do algoritmo.

( ) Baseia-se em abordagens top-down ou bottom-up, isto é, com a divisão ou com a união sucessiva de clusters.

( ) Seus resultados costumam ser graficamente visualizados por dendrogramas, que podem ser seccionados de acordo com o número de clusters determinado pelo usuário do algoritmo.

( ) Avalia distâncias entre as instâncias de dados e os centroides dos clusters e atualiza a posição dos centroides dos clusters sucessivamente, até a convergência.

Assinale a opção que indica a relação correta, na ordem apresentada.

A análise preditiva de dados se diferencia da análise prescritiva de dados porque a primeira tem o objetivo de determinar as consequências das decisões tomadas, enquanto a segunda utiliza fatos do passado para visualizar e prever eventos futuros.

Em data mining, um mesmo processo de análise de dados pode utilizar bancos de dados relacionais ou NoSQL, mas não simultaneamente.

A mineração de dados pode ser entendida como um subconjunto da análise de dados, pois é usada para descobrir padrões ocultos em conjuntos de dados brutos, enquanto o enfoque da análise de dados se encontra no exame dos conjuntos de dados para a obtenção de conclusões precisas.

A imputação por moda é uma técnica comumente utilizada no pré‑processamento de dados, para se lidar com valores ausentes.

Data mining é o processo de descobrir padrões e informações valiosas em grandes conjuntos de dados, a partir da utilização de técnicas estatísticas, de aprendizado de máquina e de inteligência artificial.

A mineração de dados é uma área importante em análise de dados, que utiliza técnicas para extrair informações valiosas de grandes conjuntos de dados. Ele oferece uma variedade de técnicas e algoritmos para identificar padrões, tendências e relações ocultas nos dados, fornecendo insights significativos que podem orientar a tomada de decisões e impulsionar o progresso em diversos setores.

Assinale o conceito correto em relação a mineração de dados.

Se, em um processo de detecção de fraudes, for necessário categorizar as transações como fraudulentas ou não fraudulentas, então, para essa categorização, será adequado o uso da técnica de mineração de dados do tipo

O objetivo da classificação na fase de pré-processamento é o particionamento de um grupo de documentos em subgrupos, com características em comum.