Questões de Concurso
Comentadas sobre data mining em banco de dados
Foram encontradas 543 questões
A respeito do tratamento e análise de grandes volumes de dados, julgue o item que se segue.
O pré-processamento de dados, que inclui as etapas de limpeza e normalização, é opcional no tratamento de grandes volumes de dados, pois ferramentas modernas como o Spark conseguem lidar com dados brutos de forma eficiente.
A respeito do tratamento e análise de grandes volumes de dados, julgue o item que se segue.
A detecção de anomalias é uma técnica de mineração de dados que visa identificar padrões incomuns, ou outliers, sendo útil em aplicações como detecção de fraudes.
A respeito do tratamento e análise de grandes volumes de dados, julgue o item que se segue.
A mineração de dados pode ser aplicada para a identificação de padrões de associação, como a regra “se X, então Y”, frequentemente utilizada em análise de cestas de compras.
Julgue o item seguinte, a respeito das estruturas de dados e de bancos de dados e da análise de dados.
Na análise de dados, algoritmos de aprendizado de máquina realizam todas as etapas do processo, eliminando a necessidade de qualquer intervenção humana na interpretação dos resultados.
No processo de análise de dados, uma das etapas é a análise exploratória, que visa à identificação de padrões e possíveis tendências.
Em relação ao data warehouse, ao data lake e ao tratamento de dados, julgue o item seguinte.
A distância de Mahalanobis é uma medida estatística que indica quantos desvios‑padrão um determinado valor está da média. Ela é utilizada para identificar outliers em dados multidimensionais.
Relativamente aos conceitos de CRISP-DM, MLOps e Python, julgue o seguinte item.
No CRISP-DM, a etapa de data understanding inclui a construção e a validação de modelos preditivos, garantindo que os resultados estejam alinhados aos objetivos do negócio.
As bibliotecas NumPy, Pandas, SciPy e Statsmodels são frequentemente usadas para manipulação e análise de dados em Python, enquanto Matplotlib, Seaborn e Plotly são amplamente utilizadas para visualização de dados, permitindo a criação de gráficos e plots interativos.
Julgue o item a seguir, relativo ao modelo CRISP-DM (cross industry standard process for data mining).
Compreensão do negócio, compreensão dos dados, preparação dos dados, modelagem, avaliação e implantação são as fases do modelo CRISP-DM, e, nesse modelo, as fases devem ser seguidas de maneira estritamente sequencial, sem a possibilidade de iterações ou retrocessos.
A regressão é o método de data mining usado para prever valores contínuos como, por exemplo, previsão de vendas, preços de ações, identificação de transações fraudulentas, entre outros.
Para reconhecer padrões de ocorrência que se repetem em determinados conjuntos de dados, como, por exemplo, padrões de consumo, é usado o método de data mining denominado associação.
No modelo CRISP-DM, durante a fase de evaluation (avaliação), os resultados do modelo são comparados com os objetivos do negócio para determinar sua eficácia e adequação.
Durante a fase de data preparation (preparação dos dados) do modelo CRISP-DM, é necessário que todos os dados sejam normalizados e transformados em variáveis numéricas, independentemente de sua natureza original, para facilitar a análise posterior.
Julgue o próximo item, relativo a data analytics e ferramentas de análise de dados.
Data analytics está associada à camada quantitativa, visto que os dados são o principal insumo no processo de tomada de decisão, principalmente no âmbito empresarial.
Julgue o próximo item, relativo a data analytics e ferramentas de análise de dados.
A tomada de decisão passou a ser mais dinâmica nos atuais mercados, devido, entre outros aspectos, ao volume disponível de dados e aos cenários possíveis.
Julgue o próximo item, relativo a data analytics e ferramentas de análise de dados.
A tecnologia para tratamento de dados prescinde da participação humana, quando considerada a tomada de decisão na organização.
Conheça nossos planos