Questões de Concurso sobre Mineração de Dados (Data Mining)

Modelagem e avaliação são algumas das fases do ciclo do CRISP-DM.

O entendimento do negócio é a fase do ciclo do CRISP-DM que exige mais tempo em mineração de dados, pois estima-se que essa etapa, geralmente, leve entre 50 e 70% do tempo e do esforço de um projeto.

Em Mineração de Dados, após o pré-processamento dos dados, inicia-se a fase de análises. Para esta fase há análises descritivas e análises preditivas. Quais das tarefas a seguir são todas análises descritivas?

Um grupo de programadores, trabalhando com mineração de dados de uma grande empresa, construiu um algoritmo baseado em um dos modelos de algoritmos de mineração já existentes. No caso, o algoritmo construído é um que executa múltiplas passagens sobre o banco de dados de transações, sendo capaz de trabalhar com um número grande de atributos, e que obtém, como resultado, diversas alternativas combinatórias entre eles, utilizando-se de buscas sucessivas em toda a base de dados e alcançando um desempenho de execução satisfatório.

O modelo de algoritmo de mineração de dados descrito na situação apresentada é baseado em algoritmos

Quanto a Noções de Data Mining e Business Intelligence (BI), analise as assertivas abaixo e assinale a alternativa correta.

I. Data Mining faz a varredura de uma pequena quantidade de dados de cada vez.

II. Business Intelligence atua na parte física de infraestrutura.

III. Data Mining também é conhecido como mineração de dados.

IV. Business Intelligence passou a ser tratado como uma aplicação de estratégia integrada.

A mineração de dados ou data mining é uma disciplina interdisciplinar e multidisciplinar que envolve diversas áreas de conhecimento.

Assinale a alternativa que enumera corretamente dois tipos de modelagem para análise de dados.

Um analista de políticas públicas analisa dados sobre consumo familiar e utiliza os dados coletados de compras realizadas em um supermercado.

Considerando que o analista gerou a tabela a seguir para a condução de sua análise, os conhecimentos sobre regras de associação e os conceitos de suporte, confiança e lift, assinale a alternativa correta.

No ciclo do CRISP-DM, a fase de implantação é a mais simples (jamais será um processo complexo), pois se resume à execução de scripts.

Na etapa de preparação de dados do modelo CRISP-DM, ocorre a identificação dos dados existentes, com suas respectivas características.

A mineração de dados não se limita às técnicas de obtenção de dados, envolvendo também a observação de padrões nos dados obtidos.

A análise de data mining por padrão sequencial visa à identificação de fatos que geram outros fatos, sempre ocorrendo causa e consequência em momentos adjacentes.

Na mineração de texto, o processo utilizado para remover os prefixos e sufixos de palavras, de modo a permanecer somente a raiz delas, com a finalidade de melhorar o armazenamento, é conhecido como

A mineração de dados (Data Mining) envolve um conjunto de algoritmos e ferramentas que são utilizados para a exploração de dados.

Assinale o algoritmo/método usado na extração de regras de associação.

Os conceitos de data warehouse (DW) e data mining (DM) são relacionados à inteligência de negócios; a principal diferença entre eles é que o DW atua na análise dos eventos do passado, enquanto o DM limita-se na predição dos eventos futuros.

Entre as técnicas de mineração de dados que podem ajudar a criar resultados ideais se inclui a association rule learning, que se refere à observação, em um conjunto de dados, de itens que não correspondem a um padrão ou comportamento esperado.

A etapa de estratificação da técnica de árvore de decisão é responsável por determinar as regras para a designação dos casos identificados a uma categoria existente mais adequada no data mining.

Em um modelo para um aprendizado supervisionado dos dados no formato de uma árvore de decisão, um algoritmo de construção da árvore busca minimizar a informação necessária para classificar os dados nas partições da árvore.

O uso da mineração de dados permite, por exemplo, que as empresas mais bem planejem a logística de distribuição dos seus produtos, prevendo picos nas vendas.

Considere que o Tribunal Regional do Trabalho utiliza o modelo de referência CRISP-DM (Cross Industry Standard Process for Data Mining). Em um certo momento, uma equipe de Analistas está discutindo as seguintes questões relativas a um projeto:

− Qual formato de data será utilizado: dd/mm/aaaa ou mm/dd/aaaa?

− Os dados advindos das diversas fontes, relativos a um mesmo conteúdo, são compatíveis entre si?

− Os campos binários serão formatados com True e False ou terão que ser convertidos para 1 e 0?

− Após as análises descritivas, a média, a mediana, a moda e a quantidade dos dados estão de acordo com as categorias definidas?

Com base nas questões apresentadas, a equipe está trabalhando na etapa do CRISP-DM denominada

A análise de cluster em data mining permite, por meio de análise exploratória de dados, ordenar casos em clusters, de modo que o grau de associação seja forte entre os membros do mesmo cluster e fraco entre membros de clusters diferentes.