Questões de Concurso
Sobre data mining em banco de dados
Foram encontradas 568 questões
Q2322052
Banco de Dados
No contexto de Descoberta do Conhecimento em Bancos de
Dados - Knowledge Discovery in Database (KDD), o analista de
dados João deverá analisar um conjunto de dados preparado e
consolidado com dados financeiros sobre transações, saldos de
contas e históricos de crédito de clientes ao longo dos últimos
anos. O objetivo é identificar possíveis anomalias ou atividades
suspeitas que possam indicar fraudes.
Para isso, a fase do processo KDD que João deverá utilizar é:
Para isso, a fase do processo KDD que João deverá utilizar é:
Q2322051
Banco de Dados
O agente de fiscalização João está analisando um conjunto de
dados que representa o salário mensal de funcionários de uma
empresa. João utilizará o Diagrama de Boxplot para identificar a
presença de outliers nos dados. As estatísticas resumidas para os
dados são as seguintes:
Valor mínimo: R$ 1.200,00 Primeiro quartil (Q1): R$ 2.500,00 Mediana (Q2): R$ 3.200,00 Terceiro quartil (Q3): R$ 4.800,00 Valor máximo: R$ 10.000,00
Em relação à identificação de outliers usando o Diagrama de Boxplot, pode-se afirmar que serão considerados outliers:
Valor mínimo: R$ 1.200,00 Primeiro quartil (Q1): R$ 2.500,00 Mediana (Q2): R$ 3.200,00 Terceiro quartil (Q3): R$ 4.800,00 Valor máximo: R$ 10.000,00
Em relação à identificação de outliers usando o Diagrama de Boxplot, pode-se afirmar que serão considerados outliers:
Q2322049
Banco de Dados
Considere o conjunto de dados da entidade PACIENTE que possui
o atributo do tipo contínuo TEMPERATURA com os valores {38.0,
39.5, 36.0, 35.5}. Para alimentar uma tarefa de Mineração de
Dados, é necessário transformar os dados do atributo
TEMPERATURA em um número finito de intervalos, como: {35-37,
38-40}.
A tarefa de preparação de dados utilizada no atributo TEMPERATURA é:
A tarefa de preparação de dados utilizada no atributo TEMPERATURA é:
Ano: 2023
Banca:
Quadrix
Órgão:
CREFITO-14ª Região(PI)
Prova:
Quadrix - 2023 - CREFITO-14ª Região(PI) - Analista Administrativo - Tecnologia da Informação |
Q2288452
Banco de Dados
Assinale a alternativa que apresenta o método de mineração
de dados que é especificamente associado a tarefas
de classificação, cujo objetivo é classificar as instâncias
em classes predefinidas com base em características
ou atributos.
Ano: 2023
Banca:
Quadrix
Órgão:
CREFITO-14ª Região(PI)
Prova:
Quadrix - 2023 - CREFITO-14ª Região(PI) - Analista Administrativo - Tecnologia da Informação |
Q2288451
Banco de Dados
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)
Ano: 2023
Banca:
FEPESE
Órgão:
EMASA-SC
Prova:
FEPESE - 2023 - EMASA-SC - Analista de Tecnologia da Informação |
Q2284001
Banco de Dados
Assinale a alternativa que indica corretamente a
técnica de mineração de dados que tem como objetivo primário identificar relacionamentos através de
modelos de dependência entre variáveis distintas em
grandes bancos de dados.
Ano: 2023
Banca:
FGV
Órgão:
TJ-SE
Prova:
FGV - 2023 - TJ-SE - Analista Judiciário - Especialidade - Análise de Sistemas - Suporte Técnico em Infraestrutura |
Q2282297
Banco de Dados
Durante a Mineração dos Dados sobre a tramitação dos
processos eletrônicos do TJSE, o analista Pedro não estava
chegando a resultados compreensíveis e resolveu verificar se
havia anomalias nos dados.
Para isso, o analista Pedro empregou a técnica:
Para isso, o analista Pedro empregou a técnica:
Ano: 2023
Banca:
FGV
Órgão:
TJ-SE
Prova:
FGV - 2023 - TJ-SE - Analista Judiciário - Especialidade - Análise de Sistemas - Banco de Dados - |
Q2281951
Banco de Dados
Uma das etapas mais importantes do processo de Mineração de
Dados é o pré-processamento dos dados das fontes que,
normalmente, apresentam diversos tipos de heterogeneidade. A
operação de pré-processamento que transforma dados
quantitativos (contínuos) em dados qualitativos, ou seja,
atributos numéricos em atributos discretos ou nominais com um
número finito de intervalos, obtendo uma partição não
sobreposta de um domínio contínuo, é a:
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
TBG
Prova:
CESPE / CEBRASPE - 2023 - TBG - Analista Júnior – Ênfase: Comercialização |
Q2281431
Banco de Dados
Acerca de mineração de dados (data mining), julgue o item a seguir.
A mineração de dados não se limita às técnicas de obtenção
de dados, envolvendo também a observação de padrões nos
dados obtidos.
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
TBG
Prova:
CESPE / CEBRASPE - 2023 - TBG - Analista Júnior – Ênfase: Comercialização |
Q2281430
Banco de Dados
Acerca de mineração de dados (data mining), julgue o item a seguir.
No procedimento de limpeza de dados (data cleaning),
identifica-se ausência de valores quando um conjunto de
dados apresenta apenas dados agregados em relação a
certo atributo.
Q2278423
Banco de Dados
Qual termo se refere ao processo de analisar, explorar e
extrair padrões a partir de grandes quantidades de dados?
Ano: 2023
Banca:
FUVEST
Órgão:
USP
Prova:
FUVEST - 2023 - USP - Analista de Sistemas (Especialidade: Ciência de Dados) |
Q2277942
Banco de Dados
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?
Ano: 2023
Banca:
FUVEST
Órgão:
USP
Prova:
FUVEST - 2023 - USP - Analista de Sistemas (Especialidade: Ciência de Dados) |
Q2277941
Banco de Dados
Suponha que você possua dados de uma grande rede de lojas
e que precise criar um classificador para prever se um
determinado cliente comprará ou não um determinado
produto. Para isso, a empresa disponibilizou uma amostra
contendo dados de 10.000 clientes que compraram o produto
e de 10.000 clientes que não compraram o produto. Dentre os
vários atributos (ou características) de cada cliente estão:
faixa de renda familiar (um valor discreto de 1 a 5), idade, o
valor total de produtos já comprados da empresa (somando
todas as compras já realizadas), e se comprou ou não o
produto (0 = não, 1 = sim) durante uma campanha. Antes de
executar um algoritmo de treinamento do classificador, um
procedimento importante de pré-processamento a ser
realizado sobre esses dados é:
Ano: 2023
Banca:
FUVEST
Órgão:
USP
Prova:
FUVEST - 2023 - USP - Analista de Sistemas (Especialidade: Ciência de Dados) |
Q2277939
Banco de Dados
Considere que você possua um dataset contendo 100
instâncias de uma classe A e 120 instâncias de uma classe B.
Você utilizou 80% das instâncias de cada classe deste dataset
para treinar um classificador, e o utilizou para prever a classe
de todas as 220 instâncias do dataset. Curiosamente, seu
classificador acertou a classe de todas as instâncias que foram
utilizadas no treinamento do classificador, mas acertou
apenas cerca de 50% das instâncias que não foram usadas no
treinamento. Este é um cenário típico que indica que você
deveria ter aplicado qual técnica no seu processo de
treinamento?
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
DATAPREV
Prova:
CESPE / CEBRASPE - 2023 - DATAPREV - Analista de Tecnologia da Informação - Perfil: Engenheiro de Dados |
Q2275999
Banco de Dados
De acordo com o que dispõem os conceitos de business intelligence, julgue o item que se segue.
A mineração de processos é um ramo da mineração de dados que utiliza inteligência de negócios para prever tendências, ajudando tomadores de decisão a estudarem o impacto de suas decisões no futuro da organização.
A mineração de processos é um ramo da mineração de dados que utiliza inteligência de negócios para prever tendências, ajudando tomadores de decisão a estudarem o impacto de suas decisões no futuro da organização.
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
DATAPREV
Prova:
CESPE / CEBRASPE - 2023 - DATAPREV - Analista de Tecnologia da Informação - Perfil: Sustentação Tecnológica |
Q2275525
Banco de Dados
Acerca da mineração de dados, julgue o item seguinte.
A mineração de dados é um processo cujos alicerces são
aprendizado de máquina, análises estatísticas e volumes de
dados.
Ano: 2023
Banca:
IV - UFG
Órgão:
IF Goiano
Prova:
IV - UFG - 2023 - IF Goiano - Analista de Tecnologia da Informação |
Q2256917
Banco de Dados
Na Mineração de Dados, qual dos seguintes métodos é
usado para identificar padrões sequenciais em conjuntos de
dados temporais?
Q2253821
Banco de Dados
Texto associado
Considere a existência de uma tabela relacional N, com apenas uma coluna, intitulada numero, contendo os números inteiros de 1 até 100, um em cada linha, como ilustrada a seguir.
Como pode haver discrepâncias entre implementações da linguagem SQL, é dado que a função sqrt(x) retorna a raiz quadrada de x e que a expressão a % b retorna o resto da divisão inteira de a por b.
Observe a seguinte estrutura do conjunto de dados PESSOA que contém dados sobre pessoas e a sua renda anual.
O conjunto de dados PESSOA será usado para a tarefa de aprendizagem supervisionada de classificação com a finalidade de prever se a renda (Classe) de uma pessoa excede 50 mil por ano.
Para isso, a operação de pré-processamento de dados que deve ser executada no conjunto de dados PESSOA é:
O conjunto de dados PESSOA será usado para a tarefa de aprendizagem supervisionada de classificação com a finalidade de prever se a renda (Classe) de uma pessoa excede 50 mil por ano.
Para isso, a operação de pré-processamento de dados que deve ser executada no conjunto de dados PESSOA é:
Q2253820
Banco de Dados
Texto associado
Considere a existência de uma tabela relacional N, com apenas uma coluna, intitulada numero, contendo os números inteiros de 1 até 100, um em cada linha, como ilustrada a seguir.
Como pode haver discrepâncias entre implementações da linguagem SQL, é dado que a função sqrt(x) retorna a raiz quadrada de x e que a expressão a % b retorna o resto da divisão inteira de a por b.
O fiscal de rendas Renan está explorando a base de dados sobre a situação fiscal de empresas que atuam no Rio de Janeiro, e encontrou os seguintes padrões:
• TIPO_EMPRESA ="MEI", RENDA _ANO= "NIVEL A",> QUANTIDADE_SOCIOS=1, SITUACAO_FISCAL="INADIMPLENTE" (suporte = 50%, confiança = 70%)
• TIPO_EMPRESA="Simples", RENDA_ANO="NIVEL B"-> QUANTIDADE_SOCIOS= 2, SITUACAO_FISCAL="REGULAR" (suporte 30%, confiança = 80%)
A técnica de Mineração de dados que Renan aplicou para descobrir elementos que ocorrem em comum dentro de um determinado conjunto de dados foi:
• TIPO_EMPRESA ="MEI", RENDA _ANO= "NIVEL A",> QUANTIDADE_SOCIOS=1, SITUACAO_FISCAL="INADIMPLENTE" (suporte = 50%, confiança = 70%)
• TIPO_EMPRESA="Simples", RENDA_ANO="NIVEL B"-> QUANTIDADE_SOCIOS= 2, SITUACAO_FISCAL="REGULAR" (suporte 30%, confiança = 80%)
A técnica de Mineração de dados que Renan aplicou para descobrir elementos que ocorrem em comum dentro de um determinado conjunto de dados foi:
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
MPE-RO
Prova:
CESPE / CEBRASPE - 2023 - MPE-RO - Analista de Sistemas |
Q2239089
Banco de Dados
Em mineração de dados, para atribuir registros a um conjunto
predefinido de classes, é utilizada a técnica de
Conheça nossos planos