Questões de Concurso
Sobre data mining em banco de dados
Foram encontradas 573 questões
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
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
EMPREL
Prova:
CESPE / CEBRASPE - 2023 - EMPREL - Analista de Infraestrutura e Suporte - Especialidade: Banco de Dados |
Q2237670
Banco de Dados
No modelo CRISP-DM (cross-industry standard process for
data mining), a etapa que consiste em identificar se o modelo
escolhido está apto a cumprir os objetivos definidos na primeira
etapa, o entendimento do negócio, é denominada
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
FUB
Prova:
CESPE / CEBRASPE - 2023 - FUB - Analista de Tecnologia da Informação |
Q2232986
Banco de Dados
No que se refere a data mining, julgue o próximo item.
Na etapa de preparação de dados do modelo CRISP-DM,
ocorre a identificação dos dados existentes, com suas
respectivas características.
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
FUB
Prova:
CESPE / CEBRASPE - 2023 - FUB - Analista de Tecnologia da Informação |
Q2232985
Banco de Dados
No que se refere a data mining, julgue o próximo item.
Na fase de análise de um projeto de data mining, uma das
técnicas utilizadas é a associação, cuja finalidade é
determinar um grau de afinidade entre eventos distintos.
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
SEFIN de Fortaleza - CE
Prova:
CESPE / CEBRASPE - 2023 - SEFIN de Fortaleza - CE - Analista Fazendário Municipal - Área de Conhecimento: Ciência da Computação, Informática/Processamento de Dados |
Q2228311
Banco de Dados
Julgue o item a seguir, a respeito de inteligência artificial (IA) e machine learning.
K-means é um algoritmo de aprendizado não supervisionado,
em que se calcula a distância entre os objetos da base e cada
um dos centroides; em que se atribui cada objeto ao
centroide mais próximo; e em que se classifica cada item
para sua média mais próxima.
Ano: 2023
Banca:
CESPE / CEBRASPE
Órgão:
SERPRO
Prova:
CESPE / CEBRASPE - 2023 - SERPRO - Analista - Especialização: Tecnologia |
Q2226549
Banco de Dados
Aprendizado de máquina é um subcampo da inteligência artificial que consiste no treinamento de modelos computacionais para que possam reconhecer padrões e, a partir de um conjunto de dados de entrada, prever o valor de uma variável de saída. Em relação ao aprendizado de máquina, julgue o item a seguir.
A medida de confiança de uma regra de associação é calculada pela frequência com que tal regra aparece em transações individuais na base de dados transacional.
A medida de confiança de uma regra de associação é calculada pela frequência com que tal regra aparece em transações individuais na base de dados transacional.
Ano: 2023
Banca:
FUNDATEC
Órgão:
IF-SC
Prova:
FUNDATEC - 2023 - IF-SC - Analista de Tecnologia da Informação |
Q2226081
Banco de Dados
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.
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.
Ano: 2023
Banca:
FUNDATEC
Órgão:
IF-SC
Prova:
FUNDATEC - 2023 - IF-SC - Professor EBTT - Informática |
Q2222876
Banco de Dados
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. Usado comumente em grandes bancos de dados, pode-se
considerar que é como um agregador e organizador de dados. Trata-se do conceito de:
Ano: 2023
Banca:
IF-MT
Órgão:
IF-MT
Prova:
IF-MT - 2023 - IF-MT - Professor do Ensino Básico, Técnico e Tecnológico - Informática |
Q2188060
Banco de Dados
Sobre as etapas do processo de descoberta de conhecimento e mineração de dados (KDD, Knowledge Discovery
and Data Mining), numere a coluna da direita de acordo com a coluna da esquerda:
1. Seleção de dados 2. Limpeza de dados 3.Mineração de dados 4. Avaliação
( ) São aplicados algoritmos para extração de características dos dados.
( ) O subconjunto objetivado dos dados e os atributos de interesse são identificados examinando-se o conjunto de dados bruto inteiro.
( ) Os padrões são apresentados para os usuários em uma forma inteligível.
( ) Ruído e exceções são removidos, valores de campo são transformados em unidades comuns e alguns campos são criados pela combinação de campos já existentes para facilitar a análise. Normalmente, os dados são colocados em um formato relacional, e várias tabelas podem ser combinadas em uma etapa de desnormalização.
Assinale a alternativa que apresenta a numeração CORRETA da coluna da direita, de cima para baixo, conforme Raghu e Gehrke (2011, p. 739):
1. Seleção de dados 2. Limpeza de dados 3.Mineração de dados 4. Avaliação
( ) São aplicados algoritmos para extração de características dos dados.
( ) O subconjunto objetivado dos dados e os atributos de interesse são identificados examinando-se o conjunto de dados bruto inteiro.
( ) Os padrões são apresentados para os usuários em uma forma inteligível.
( ) Ruído e exceções são removidos, valores de campo são transformados em unidades comuns e alguns campos são criados pela combinação de campos já existentes para facilitar a análise. Normalmente, os dados são colocados em um formato relacional, e várias tabelas podem ser combinadas em uma etapa de desnormalização.
Assinale a alternativa que apresenta a numeração CORRETA da coluna da direita, de cima para baixo, conforme Raghu e Gehrke (2011, p. 739):
Ano: 2023
Banca:
FGV
Órgão:
TJ-RN
Prova:
FGV - 2023 - TJ-RN - Analista Judiciário - Tecnologia de Informação – Análise de Sistemas |
Q2183344
Banco de Dados
A analista Carla recebeu a tarefa de implementar uma solução
algorítmica para classificar os processos arquivados no TJRN
entre aqueles que foram ganhos e aqueles que foram perdidos.
Na primeira abordagem, Carla se baseou no algoritmo de
machine learning que, aplicado à classificação binária, divide os
dados de entrada em duas regiões separadas por uma reta. Ao
fim do algoritmo, a distância da reta para o dado mais próximo de
cada região é a mesma e a maior possível.
Sendo assim, na primeira abordagem, Carla utilizou como base o algoritmo de machine learning:
Sendo assim, na primeira abordagem, Carla utilizou como base o algoritmo de machine learning:
Ano: 2023
Banca:
FUNDATEC
Órgão:
PROCERGS
Prova:
FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |
Q2172386
Banco de Dados
Assinale a alternativa correta sobre os critérios de seleção de atributos aplicáveis na
construção de árvores de decisão.
Ano: 2023
Banca:
FUNDATEC
Órgão:
PROCERGS
Prova:
FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |
Q2172384
Banco de Dados
__________ é um método de classificação binária que traça um hiperplano ótimo
que maximiza a margem de separação entre duas classes de dados. A etapa principal do algoritmo é
descobrir os vetores que são as instâncias equidistantes do hiperplano.
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.
Ano: 2023
Banca:
FUNDATEC
Órgão:
PROCERGS
Prova:
FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |
Q2172383
Banco de Dados
__________ é uma classe de métodos ensemble que utiliza classificadores de árvore
de decisão. É uma combinação de preditores de árvores tal que cada árvore depende dos valores de
um vetor aleatório amostrado independentemente e com a mesma distribuição para todas as árvores.
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.
Assinale a alternativa que preenche corretamente a lacuna do trecho acima.
Ano: 2023
Banca:
FUNDATEC
Órgão:
PROCERGS
Prova:
FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |
Q2172377
Banco de Dados
Analise as assertivas abaixo sobre o método de agrupamento k-means:
I. Dada uma coleção de objetos, cada um com n atributos, k-means é um método que, para I - um valor escolhido de k, identifica k grupos de objetos com base na proximidade dos objetos com relação ao centroide do grupo. O centro é determinado como a média do vetor n-dimensional de atributos de cada grupo.
II. Por ser um método supervisionado, o K-means ajuda a excluir a subjetividade das análises.
III. K-means é um método para definir agrupamentos. Uma vez que os agrupamentos e os seus centroides são identificados, é fácil classificar novos objetivos para um cluster baseado na distância do objeto do centroide mais próximo.
Quais estão corretas?
I. Dada uma coleção de objetos, cada um com n atributos, k-means é um método que, para I - um valor escolhido de k, identifica k grupos de objetos com base na proximidade dos objetos com relação ao centroide do grupo. O centro é determinado como a média do vetor n-dimensional de atributos de cada grupo.
II. Por ser um método supervisionado, o K-means ajuda a excluir a subjetividade das análises.
III. K-means é um método para definir agrupamentos. Uma vez que os agrupamentos e os seus centroides são identificados, é fácil classificar novos objetivos para um cluster baseado na distância do objeto do centroide mais próximo.
Quais estão corretas?
Ano: 2023
Banca:
FUNDATEC
Órgão:
PROCERGS
Prova:
FUNDATEC - 2023 - PROCERGS - ANC - Analista em Computação - Ênfase em Ciências de Dados |
Q2172372
Banco de Dados
Relacione a Coluna 1 à Coluna 2, associando as categorias de aprendizado de máquina
às suas características.
Coluna 1 1. Aprendizado Supervisionado. 2. Aprendizado Não Supervisionado. 3. Aprendizado Profundo.
Coluna 2 ( ) O algoritmo recebe um conjunto de dados rotulados e aprende comparando a saída do modelo com a saída esperada, reajustando seus parâmetros até chegar em um limiar aceitável e pré-determinado a priori.
( ) Os algoritmos buscam encontrar padrões ou estruturas em conjuntos de dados não rotulados, por exemplo, gerando agrupamentos de dados.
( ) Conjunto de algoritmos que modelam abstrações de alto nível de dados usando grafos com várias camadas de processamento, compostas de várias transformações lineares e não lineares.
( ) Processo de aprendizado baseado em redes neurais com várias camadas (em geral, mais de cinco camadas): entrada, saída e oculta.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
Coluna 1 1. Aprendizado Supervisionado. 2. Aprendizado Não Supervisionado. 3. Aprendizado Profundo.
Coluna 2 ( ) O algoritmo recebe um conjunto de dados rotulados e aprende comparando a saída do modelo com a saída esperada, reajustando seus parâmetros até chegar em um limiar aceitável e pré-determinado a priori.
( ) Os algoritmos buscam encontrar padrões ou estruturas em conjuntos de dados não rotulados, por exemplo, gerando agrupamentos de dados.
( ) Conjunto de algoritmos que modelam abstrações de alto nível de dados usando grafos com várias camadas de processamento, compostas de várias transformações lineares e não lineares.
( ) Processo de aprendizado baseado em redes neurais com várias camadas (em geral, mais de cinco camadas): entrada, saída e oculta.
A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
Conheça nossos planos