Questões de Concurso sobre Mineração de Dados (Data Mining)

Os dados utilizados como fonte para análise e data mining são considerados semiestruturados quando possuem uma estrutura não homogênea, como arquivos XML e JSON.

A toquenização (do inglês tokenization) de palavras é uma atividade inerente aos algoritmos de análise granular de palavras em documentos.

Mineração de dados(Data Mining) pode ser definido como o processo de analisar bases de dados de grande porte, a fim de descobrir informações por meio de consultas. Tendo em vista as fases do processo de KDD (Knowlegde Discovery in Databases, descoberta de conhecimento nos bancos de dados) utilizado em Data Mining, marque V para as afirmativas verdadeiras e F para as falsas.

( ) Mineração de dados: fase responsável pela escolha dos algoritmos a serem aplicados para a descoberta de informações. Essa escolha depende fundamentalmente dos objetivos do processo de KDD.

( ) Preparação dos dados: nessa fase, os dados necessários para a solução de um problema são selecionados na base de dados. Essa etapa inicia-se a partir do agrupamento organizado de uma grande quantidade de dados de uma ou mais bases de dados, selecionando somente aqueles que são relevantes.

( ) Limpeza dos dados: essa fase consome grande parte do esforço necessário para todo o processo devido à dificuldade de integrar bases de dados heterogêneas.

( ) Interpretação: ao final do processo, o sistema de mineração de dados gera um relatório das descobertas, que passa então a ser interpretado por analistas de mineração. Somente após essa interpretação obtém-se o conhecimento.

A sequência está correta em

O pré-processamento de dados deve ocorrer em bases de informações não estruturadas, com o objetivo de diminuir a quantidade de dados a serem processados.

Na modelagem dimensional, a chave da tabela de fatos corresponde à associação das chaves primárias das tabelas de dimensões.

A mineração de dados é comumente classificada por sua capacidade de realizar determinadas tarefas, entre as quais está a estimação, que, embora similar à classificação, é usada quando o registro é identificado por um valor numérico e não um categórico.

Considere as afirmativas acerca de Mineração de Dados:

I - As soluções para resolver o problema de valores ausentes são diversas, sendo as mais comuns: remoção do exemplar em que ocorre a falta do valor, preenchimento manual dos valores e preenchimento automático dos valores.

II - Os valores ruidosos referem-se a modificações dos valores originais e que, portanto, consistem em erros de medidas ou em valores consideravelmente diferentes da maioria dos outros valores do conjunto de dados, os chamados outliers. Há duas abordagens para o tratamento destes dados: inspeção e correção manual; e identificação e limpeza automática.

III - Procedimentos para integração de dados consistem em realizar ações que permitam integrar, adequadamente, dados provenientes de diversas fontes de dados. Geralmente, quando os dados provêm de diferentes fontes, os valores assumidos por atributos não possuem o mesmo domínio ou não estão formatados sob o mesmo tipo de dado, ainda que digam respeito à mesma descrição de uma entidade do mundo real. As principais motivações para a aplicação de procedimentos de integração de dados são, portanto, a presença de valores inconsistentes e a presença de valores redundantes.

De acordo com Silva, Peres e Boscarioli (2016), é CORRETO afirmar que:

No contexto de mineração de dados, o atributo da veracidade está associado ao grau de confiabilidade dos dados utilizados na solução.

Avalie as sentenças sobre Mineração de Dados:

I - A mineração de dados é uma disciplina exclusiva da engenharia da computação, utilizada como ferramenta por demais áreas de conhecimento.

II- As tarefas descritivas da mineração de dados fazem inferência a partir dos dados e possuem o objetivo de realizar predições.

III - Durante as tarefas de mineração de dados, os valores de dados outliers não podem ser descartados, para garantir a fidedignidade do modelo em uso.

Conforme Castro e Ferrari (2016), é CORRETO afirmar que:

O processo de análise por inferência busca o conhecimento dos dados para obtenção de resultados consolidados.

Um dos conceitos e ferramentas bastante utilizados em sistemas de suporte à decisão é o de data mining, que implica na

Identifica relações em grandes massas de dados, utilizando regras para identificar padrões relevantes. Essa definição corresponde ao conceito de

Em Business Intelligence, assinale a alternativa que apresenta o nome da técnica utilizada em Data Mining para descobrir padrões ocultos nos dados.

Mineração de dados combina técnicas de descoberta de conhecimento com técnicas de implementação eficientes que permitem seu uso em bancos de dados extremamente grandes.

Analise as afirmações a seguir sobre OLAP (Online Analytical Processing), Data Warehouse e Data Mining:

I - As aplicações de OLAP são dominadas por consultas ad hoc complexas. Em termos de SQL (Structured Query Language), as consultas OLAP envolvem operadores de agrupamento e agregação e fornecem excelente suporte para condições booleanas complexas.

Il - O problema fundamental na manutenção de um Data Warehouse é a manutenção síncrona de tabelas replicadas e visões materializadas.

Ill - A mineração de dados está relacionada à subárea da estatística chamada análise combinatória de dados.

RAGHU, R.; GEHRKE, )., Sistemas de Gerenciamento de Banco de Dados, 3º Ed. Editora McGraw-Hill, 2011.

Assinale a alternativa correta conforme Raghu e Gehrke (2011):

Entre as técnicas de mineração de dados, a análise de sequência e caminho se caracteriza pelo processo de encontrar relacionamentos entre dois conjuntos de dados diferentes e aparentemente não relacionados.

O campo de Machine Learning utiliza diferentes abordagens para aprender a partir de dados, sendo duas das principais o aprendizado supervisionado e o aprendizado não supervisionado. Qual é a diferença principal entre esses dois tipos de aprendizado?

No modelo a seguir, que contém regras que incluem os itens A, B, C, D, E, F, G e H, as regras 1 e 2 pertencem a um mesmo grupo de regras.

O fiscal de rendas Renan está explorando a base de dados sobre a situação fiscal de empresas que atuam no Rio de Janeiro, e encontrou os seguintes padrões:

1. TIPO_EMPRESA="MEI", RENDA_ANO=”NIVEL A” -> QUANTIDADE_SOCIOS=1, SITUACAO_FISCAL="INADIMPLENTE" (suporte = 50%, confiança = 70%)
2. TIPO_EMPRESA="Simples", RENDA_ANO=”NIVEL B” -> QUANTIDADE_SOCIOS=2, SITUACAO_FISCAL="REGULAR” (suporte = 30%, confiança = 80%)

A técnica de Mineração de dados que Renan aplicou para descobrir elementos que ocorrem em comum dentro de um determinado conjunto de dados foi:

No estabelecimento de uma técnica de mineração de dados de uma empresa, obteve-se um conjunto de estruturas que produzem fluxos de condição do tipo SE – ENTÃO. Nesses fluxos, é possível organizar as respostas, segundo critérios de categorização e de regressão, estabelecendo pontos de decisão relacionados entre si de forma hierárquica.

Nesse caso, qual foi a técnica de mineração aplicada?