Questões de Concurso
Comentadas sobre data mining em banco de dados
Foram encontradas 416 questões
Avalie se os dados ausentes são categorizados como
I. MCAR. Valores ausentes completamente aleatórios.
II. Valores ausentes aleatórios.
III. MICE. Valores ausentes usando imputação múltipla usando equações encadeadas.
Está correto o que se apresenta em
Julgue o item a seguir que tratam de extração e representação de conhecimento.
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.
Considerando processos de análise e mineração de dados, julgue o item subsecutivo.
No contexto de mineração de dados, o atributo da veracidade
está associado ao grau de confiabilidade dos dados utilizados
na solução.
Considerando processos de análise e mineração de dados, julgue o item subsecutivo.
Em data mining, um mesmo processo de análise de dados
pode utilizar bancos de dados relacionais ou NoSQL, mas
não simultaneamente.
Considerando processos de análise e mineração de dados, julgue o item subsecutivo.
O processo de análise por inferência busca o conhecimento
dos dados para obtenção de resultados consolidados.
Considerando processos de análise e mineração de dados, julgue o item subsecutivo.
Em data mining, a técnica de associação é uma função que
determina o coeficiente de afinidade entre certos eventos.
Considerando processos de análise e mineração de dados, julgue o item subsecutivo.
É na fase de mineração do data mining que são definidos os metadados dos dados manipulados.
Considerando processos de análise e mineração de dados, julgue o item subsecutivo.
A técnica da árvore de decisão utiliza, entre outras, a
abordagem de predição, na qual grupos diferentes são
identificados de acordo com características em comum.
No que se refere à análise e à mineração de dados, julgue o próximo item.
A tarefa de agrupamento de dados consiste na análise de
conjuntos de dados em que estão presentes apenas as
descrições dos dados e pode até mesmo resolver problemas
de detecção de desvios.
No que se refere à análise e à mineração de dados, julgue o próximo item.
A modelagem preditiva é a mais profunda para a estimativa
de resultados desconhecidos e inclui técnicas de amostra
como árvores de decisão, redes neurais, análise de regressão
e classificação.
No que se refere à análise e à mineração de dados, julgue o próximo item.
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.
No que se refere à análise e à mineração de dados, julgue o próximo item.
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.
No que se refere à análise e à mineração de dados, julgue o próximo item.
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.
A respeito de dados, julgue o item a seguir.
Análise de dados descritiva refere-se ao tipo de análise que
se baseia em técnicas estatísticas e mineração de dados para
prever o que vai acontecer em um contexto organizacional.
Coluna 1
1. Data Warehouse.
2. Data Mart.
3. Data Mining.
Coluna 2
( ) 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.
( ) Centraliza e consolida grandes quantidades de dados de várias fontes. Seus recursos analíticos permitem que as organizações obtenham informações de negócios úteis de seus dados para melhorar a tomada de decisões.
( ) É uma forma simples de utilizar outro repositório mencionado acima com foco em um único assunto ou linha de negócios.
( ) Com ele, as equipes podem acessar dados e obter insights mais rapidamente, pois não precisam perder tempo pesquisando em outros repositórios mais complexos ou agregando manualmente dados de diferentes fontes.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
Julgue o item a seguir, a respeito de mineração de dados, de arquitetura dos dados e de modelagem de 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.
( ) 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
1. Data Warehouse.
2. Data Mart.
3. Data Lake.
4. Big Data.
5. Business Intelligence e Analytics.
6. Mineração de Dados.
( ) Ambiente de armazenamento de dados centralizado que integra informações de várias fontes para suportar a análise de negócios.
( ) Conjunto de ferramentas, técnicas e processos para coletar, organizar e analisar informações para fins estratégicos.
( ) Subconjunto de um Data Warehouse, geralmente focado em um único departamento ou área de negócios.
( ) Processo de descoberta de padrões, tendências e informações úteis em conjuntos de dados.
( ) Abordagem flexível e escalável para armazenar grandes volumes de dados de diferentes tipos.
( ) Conjuntos de dados extremamente grandes e complexos, muitas vezes além da capacidade de ferramentas de processamento de dados tradicionais.
A sequência está correta em
Conheça nossos planos