Um Tribunal de Contas mantém um canal de atendimento on-line que recebe demandas durante 24 horas.

Para reduzir o tempo de resposta, o sistema passou a analisar o histórico dos atendimentos, considerando, entre outros elementos:

• horário de entrada da demanda;
• texto apresentado pelo usuário;
• categoria registrada;
• unidade para a qual a demanda foi encaminhada; e
• orientação fornecida.

A análise dos horários permitiu identificar os períodos de maior procura e as variações no volume de atendimentos ao longo do dia. Verificou-se também que demandas apresentadas de formas distintas eram frequentemente solucionadas com a mesma orientação. Considere parte dos resultados:



Embora os padrões de horário e volume pudessem ser identificados, a organização da base dificultava relacionar diferentes formas de apresentação às mesmas necessidades e orientações.
A conclusão sobre essa limitação foi sustentada pelo fato de a análise ter identificado

O Tribunal de Contas recebeu registros de pagamentos para análise. De acordo com as regras de qualidade da base:

• cada id_pagamento deve aparecer apenas uma vez;
• o campo valor deve estar preenchido e conter número maior que zero;
• após o tratamento dos dados, os registros válidos devem ser agrupados segundo a proximidade entre seus valores.

Para realizar o procedimento, foi elaborado o seguinte código em Python, que implementa uma forma simplificada de agrupamento por centroides: 




A respeito da execução do código e das etapas de qualidade e mineração de dados, assinale a afirmativa correta.

O histórico de pagamentos de órgãos jurisdicionados reúne milhões de registros descritos por atributos como valor, favorecido, objeto, unidade responsável e período. Não há, nessa base, indicação prévia de quais ocorrências sejam regulares ou irregulares.
Pretende-se empregar os próprios dados para selecionar uma parcela reduzida dos registros que mereça exame prioritário. O critério de seleção deverá considerar combinações pouco usuais entre os atributos, inclusive quando cada característica, observada isoladamente, for frequente. A seleção resultante servirá apenas para direcionar a análise dos auditores.

A técnica compatível com esse objetivo é

Considerando a aplicação de regras de associação ao contexto de mineração de dados, assinale a opção correta. 

A respeito de mineração de dados, assinale a opção correta. 

Em uma iniciativa de Business Intelligence, uma instituição consolidou dados provenientes de sistemas transacionais distintos para alimentar painéis gerenciais, análises OLAP e modelos exploratórios de descoberta de padrões. Durante a revisão da arquitetura, foram avaliados processos de ETL, regras de qualidade de dados, granularidade das cargas, tratamento de dimensões lentamente mutáveis e uso de técnicas de Data Mining. Com base no tema, analise as sentenças a seguir: 
I- Em processos de ETL, a etapa de transformação pode envolver padronização de formatos, tratamento de valores ausentes, remoção de duplicações, conversão de tipos, aplicação de regras de negócio e conformidade entre dimensões oriundas de fontes distintas.

II- A qualidade dos dados em ambientes analíticos depende exclusivamente da ferramenta de visualização utilizada, pois inconsistências de origem, duplicidades, ausência de chaves de integração e divergências semânticas são corrigidas automaticamente durante a renderização dos dashboards.

III- Técnicas de Data Mining podem ser utilizadas para identificar padrões, associações, agrupamentos, classificações ou tendências em grandes conjuntos de dados, mas seus resultados exigem interpretação crítica, validação e atenção a vieses, qualidade da amostra e pertinência do modelo.

IV- A carga incremental em um Data Warehouse elimina a necessidade de controle temporal dos dados, pois qualquer alteração em sistemas de origem deve sobrescrever integralmente os registros históricos para preservar apenas o estado atual das informações.

Analisadas as sentenças, estão CORRETAS apenas: 

A mineração de dados em bancos de dados, particularmente em um data warehouse, tem como finalidade principal

A mineração de dados envolve técnicas utilizadas para descobrir padrões e relações em grandes volumes de dados, podendo empregar métodos supervisionados ou não supervisionados. Considerando esses conceitos, informe se é verdadeiro (V) ou falso (F) o que se afirma a seguir e assinale a alternativa com a sequência correta.

( ) Classificação é uma técnica não supervisionada cujo objetivo é prever uma classe categórica a partir dos dados analisados.
( ) Regressão é uma técnica supervisionada utilizada para prever um valor numérico contínuo com base em um conjunto de dados previamente rotulados.
( ) Clusterização é uma técnica não supervisionada que visa agrupar objetos similares sem a utilização de rótulos prévios.
( ) Regras de associação buscam identificar relações do tipo “Se X ocorre, então Y tende a ocorrer”, sendo o algoritmo k-NN (k-Nearest Neighbors, ou k-vizinhos mais próximos) um dos métodos comumente utilizados para esse fim. 

No ciclo de vida CRISP-DM (Cross-Industry Standard Process for Data Mining), usado em Ciência de Dados, qual etapa trata da limpeza, tratamento e formatação dos dados: