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
Estatística pode ser utilizada para avaliar o resultado de modelos de mineração de dados e aprendizado de máquina. Assinale a alternativa que contém, respectivamente, a hipótese nula e a hipótese alternativa para uma aplicação de um modelo de regressão.
A
Nula, a variável não afeta o resultado porque o seu coeficiente é zero. Alternativa, a variável afeta o resultado porque o seu coeficiente não é zero.
B
Nula, o algoritmo X não produz uma melhor recomendação do que o algoritmo atual. Alternativa, o algoritmo X produz uma melhor recomendação do que o algoritmo atual.
C
Nula, a variável não afeta o resultado porque o seu coeficiente é x2. Alternativa, a variável afeta o resultado porque o seu coeficiente é infinito.
D
Nula, o modelo X não produz uma melhor predição do que o algoritmo atual. Alternativa, o algoritmo X produz uma melhor predição do que o algoritmo atual.
E
Nula, o algoritmo X prediz melhor que o algoritmo existente. Alternativa, o algoritmo X não prediz melhor do que o algoritmo existente.
Qual termo se refere ao processo de analisar, explorar e extrair padrões a partir de grandes quantidades de dados?
A
Datawarehouse
B
Datamining
C
GRID
D
CPU
E
GPU
Sobre técnicas de agrupamento (clusterização), assinale a alternativa correta.
A
Algoritmos de agrupamento hierárquico somente podem ser utilizados quando se sabe o número de classes presentes nos dados.
B
Se os dados pertencerem a mais de duas classes, os agrupamentos são identificados utilizando um algoritmo supervisionado de classificação multiclasse.
C
K-médias é um exemplo de algoritmo de agrupamento particional no qual o número de classes que se pretende encontrar deve ser informado.
D
PCA (análise de componentes principais) é um exemplo de algoritmo de agrupamento hierárquico no qual as classes principais são identificadas primeiro.
E
K-vizinhos-mais-próximos é uma medida de distância entre grupos utilizada em algoritmos de agrupamentos particionais que tendem a encontrar grupos compactos.
A única desvantagem que impede o uso em larga escala do CRISP-DM é o seu alto custo, uma vez que os usuários somente podem utilizá-lo após a aquisição da licença.
C
Certo
E
Errado
Análise de Agrupamentos ou Clusters é um conjunto de técnicas com o objetivo principal de identificar entidades com características similares.
Sobre análise de clusters e as técnicas de agrupamento, assinale a alternativa correta.
A
K-Means é um algoritmo de agrupamento que possui a vantagem de não usar um número predeterminado de grupos.
B
Os grupos (clusters) são formados de maneira a minimizar a similaridade intragrupo e maximizar a similaridade intergrupos.
C
O método K-Means é um método de agrupamento hierárquico.
D
No agrupamento de K-Means, resultados produzidos pela execução do algoritmo a partir de diferentes centroides iniciais de dados são sempre os mesmos.
E
Os métodos hierárquicos chamados de bottom-up diferenciam-se dos métodos do tipo top-down por formarem inicialmente grupos com o mínimo de distância interna possível.
O objetivo principal do uso de técnicas de Agrupamento (Clustering) em Análise de Dados é dividir um grande conjunto de dados em subconjuntos, agrupando elementos similares em categorias distintas.
Assinale a opção que indica o tipo de algoritmo que não se enquadra nessa descrição.
A
K-Means.
B
Gaussian Mixture Models (GMM).
C
DBSCAN.
D
K-Medoids.
E
Regressão Linear.
Ano:
2023
Banca:
Instituto Quadrix - Quadrix
Prova:
Quadrix - CREFITO 14 - Analista Administrativo - Área Tecnologia da Informação - 2023
No modelo de referência CRISP‑DM, a fase que é geralmente executada em várias iterações, nas quais os analistas de dados executam vários modelos, utilizando as configurações padrão, e vão ajustando os parâmetros para valores otimizados é a(o)
A
implantação.
B
modelagem.
C
conhecimento do domínio do negócio.
D
compreensão dos dados.
E
preparação dos dados.
Analise os três conceitos técnicos abaixo e assinale a alternativa que corresponda, respectivamente, a tecnologia referente a cada um desses conceitos.
1. Descreve a rede de objetos físicos incorporados a sensores, software e outras tecnologias com o objetivo de conectar e trocar dados com outros dispositivos e sistemas pela internet.
2. É um ramo da inteligência artificial (IA) que se concentra no uso de dados e algoritmos para imitar a maneira como os humanos aprendem.
3. Processo de extrair padrões consistentes de uma grande quantidade de dados.
A
1.Data Mining - 2.Machine Learning - 3.IoT
B
1.Machine Learning - 2.IoT - 3.Data Mining
C
1.IoT - 2.Data Mining - 3.Machine Learning
D
1.IoT - 2.Machine Learning - 3.Data Mining
A informação é o bem mais valioso de uma empresa nos dias de hoje. Essa informação é gerada por meio dos dados, que por sua vez são gerados pelos sistemas transacionais da empresa e armazenados em bancos de dados. Há vários processos de extração desses dados, para que possam gerar informações em diferentes tipos de bancos de dados.
Tendo em vista esses processos e os tipos de bancos de dados, em que o gestor de TI deve gerenciar o trabalho de uma equipe, relacione a COLUNA II de acordo com a COLUNA I, associando as siglas às suas respectivas funcionalidades.
COLUNA I
1. ETL
2. Data Mining
COLUNA II
( ) Obtenção de dados das origens para a carga na base de dados (banco de dados).
( ) Análise de grandes bancos de dados de forma semiautomática para encontrar padrões úteis.
( ) É chamada de descoberta de conhecimento nos bancos de dados.
Assinale a sequência correta.
A
2 1 1
B
1 1 2
C
1 2 2
D
2 2 1
Fatos, dimensões e medidas são elementos essenciais de um data warehouse.
C
Certo
E
Errado
A análise de dados depende diretamente de dados representativos, válidos e sem viés. Assinale a alternativa correta relativa às técnicas de pré-processamento de dados.
A
Remover todas as colunas que possuem valores nulos ou faltantes.
B
Transformar atributos numéricos em nominais, pois os algoritmos têm um melhor desempenho com texto.
C
Manter os dados como nas fontes originais, permitindo haver escalas de ordens de grandezas diferentes.
D
Remover outliers se os valores estiverem fora do intervalo estatístico esperado quando eles podem influenciar negativamente o resultado da análise.
E
Remover todas as colunas que possuem pelo menos um valor inválido.
O Data Mining (Mineração de Dados) é uma das etapas da área de Conhecimento em Bases de Dados (Knowledge Discovery in Databases - KDD). Os métodos de Mineração de Dados podem ser considerados operadores definidos a partir de precondições e efeitos.
Marque a opção que completa corretamente a lacuna da assertiva a seguir.
Formalmente, uma regra de associação é uma implicação da forma X → Y, onde X e Y são conjuntos de itens tais que X ____ Y= Ø
A
∩
B
≤
C
≥
D
=
Qual é a etapa de modelagem da metodologia CRISP-DM na qual são tratados os valores nulos e pode ser necessário fazer fusão com outros dados?
A
Entendimento do Negócio.
B
Preparação de Dados.
C
Modelagem.
D
Avaliação.
E
Implementação.
De acordo com Barbiere (2011), os conceitos de garimpagem ou mineração de dados (data mining) têm sido amplamente utilizados em aplicações comerciais com o objetivo de buscar correlações ocultas em grandes volumes de dados. Essas correlações nem sempre são evidentes durante o tratamento cotidiano dos sistemas de informações, e a técnica de data mining se mostra útil na identificação de padrões e tendências relevantes para a tomada de decisões. Em relação à fase de análise, segundo o autor, quais são as técnicas básicas definidas para o processo de garimpagem de dados?
A
Redes neurais, análise de regressão, classificação e agregação.
B
Análise de regressão, árvores de decisão e análise de conglomerados.
C
Classificação, associação, padrões sequenciais e árvores de decisão.
D
Associação, padrões sequenciais, classificação e agregação.
E
Análise de regressão, associação e árvores de decisão.
Conhecido também como mineração de dados, sua função principal é a varredura de grande quantidade de dados à procura de padrões e detecção de relacionamentos entre informações, gerando novos subgrupos de dados. Usado comumente em grandes bancos de dados, pode-se considerar que é como um agregador e organizador de dados. Trata-se do conceito de:
A
Data Warehouse.
B
OLAP.
C
Data Mart.
D
Business Intelligence.
E
Data Mining.
Considerada uma evolução da área de recuperação de informações, mineração de textos é um processo de descoberta de conhecimento, que utiliza técnicas de análise e extração de dados a partir de textos, frases ou apenas palavras. A primeira etapa do processo de descoberta de conhecimento em textos, a qual envolve a seleção dos dados que constituem a base de textos de interesse e o trabalho inicial para tentar selecionar o núcleo que melhor expressa o conteúdo destes textos é:
A
Análise semântica.
B
Seleção dos termos.
C
Preparação dos dados.
D
Indexação e normalização.
E
Cálculo da relevância dos termos.
Considere as seguintes afirmações sobre OLAP (Online Analytical Processing) e Data Mining:
I. A função OLAP WINDOW é uma espécie de média móvel, sendo aplicada como uma nova cláusula nas expressões SQL (Structured Query Language) normais como: SELECT, FROM, WHERE, GROUP BY e HAVING.
II. Data Mining é um processo de análise de dados exploratório com o objetivo de procurar padrões nos dados e identificar comportamentos incomuns, visando a uma estratégia de negócio.
III. OLAP é o processo estático de criar, gerenciar, analisar e gerar relatórios sobre dados.
Assinale a alternativa CORRETA, conforme Date (2004):
Fonte: DATE, C. J. Introdução a Sistemas de Banco de Dados. 8. ed. Rio de Janeiro: Editora Elsevier, 2004.
A
Apenas a afirmação I está correta.
B
As afirmações I e II estão corretas.
C
Apenas a afirmação II está correta.
D
As afirmações II e III estão corretas.
E
As afirmações I, II e III estão corretas.
Em mineração de dados, para atribuir registros a um conjunto predefinido de classes, é utilizada a técnica de
A
estimativa.
B
associação de detecção.
C
classificação.
D
agrupamento.
E
análise estatística.
A gestão do TJRN é apoiada por sistemas de informações digitais que estão em produção há mais de dez anos abrangendo diversos contextos, como gestão de pessoal, gestão orçamentária, pedidos de serviço, controle de viaturas etc. Para apoiar a tomada de decisão de alto nível do Tribunal, é necessário o desenvolvimento de um banco de dados analítico que seja orientado a assunto, não volátil e histórico, integrando dados estruturados dos diversos sistemas e contextos.
O banco de dados a ser desenvolvido é um Data:
A
Lake;
B
Mart;
C
Graph;
D
Mining;
E
Warehouse.
No que se refere ao data mining, assinale a alternativa incorreta:
A
É um processo em que a tecnologia é empregada para localizar conexões, correlações ou anomalias em uma grande quantidade de dados.
B
No âmbito empresarial, o data mining gera insights que resultam em vantagens competitivas para a corporação.
C
Quanto mais sofisticado um algoritmo, mais ele depende de um usuário humano.
D
As decisões tomadas pelos gestores têm maior probabilidade de darem certo.
E
Permite encontrar oportunidades de melhoria em diversas áreas do negócio.
Gerar simulado