Questões de Concurso
Sobre data mining em banco de dados
Foram encontradas 581 questões
I. É direcionada ao agrupamento de dados, com base em um critério de identificação de dados semelhantes, fundamental para a seleção de grupos e posterior geração de insights. II. São utilizadas com mais frequência nos estágios iniciais do processo de Data Mining que servem para modelar relações entre os dados que entram e saem do processo de mineração. Por meio do uso de algoritmos, podem reconhecer padrões escondidos e correlações em dados brutos, agrupá-los e classificá-los e, com o tempo, aprender e melhorar continuamente. III. É uma ferramenta para ajudar uma pessoa, ou um grupo de pessoas, a tomarem uma decisão ao visualizar as suas ramificações e consequências. É uma ferramenta de suporte bastante útil para orientar discussões e guiar um grupo na resolução de um problema ou, até mesmo, na elaboração de um plano de ação. É de fácil interpretação dos dados e mostra o caminho a ser percorrido para alcançar determinado objetivo.
Essas técnicas em I, II e III, são conhecidas, respectivamente, como:
A análise de clustering é uma tarefa que consiste em agrupar um conjunto de objetos de tal forma que estes, juntos no mesmo grupo, sejam mais semelhantes entre si que em outros grupos.
A respeito de mineração de dados, julgue o item que se segue.
No método de classificação para mineração de dados,
a filiação dos objetos é obtida por meio de um processo não
supervisionado de aprendizado, em que somente as variáveis
de entrada são apresentadas para o algoritmo.
A respeito de mineração de dados, julgue o item que se segue.
No método de mineração de dados por agrupamento
(clustering), são utilizados algoritmos com heurísticas para
fins de descoberta de agregações naturais entre objetos.
A respeito de mineração de dados, julgue o item que se segue.
O fator de suporte e o fator de confiança são dois índices
utilizados para definir o grau de certeza de uma regra de
associação.
A respeito de mineração de dados, julgue o item que se segue.
Os principais métodos de análise de agrupamentos em
mineração de dados incluem redes neurais, lógica difusa,
métodos estatísticos e algoritmos genéticos.
Com relação a noções de mineração de dados e Big Data, julgue o item que se segue.
As regras de associação adotadas em mineração de dados buscam padrões frequentes entre conjuntos de dados e podem ser úteis para
caracterizar, por exemplo, hábitos de consumo de clientes: suas preferências são identificadas e em seguida associadas a outros
potenciais produtos de seu interesse.
Com relação a noções de mineração de dados e Big Data, julgue o item que se segue.
Na mineração de dados preditiva, ocorre a geração de um conhecimento obtido de experiências anteriores para ser aplicado em situações futuras.
Com relação a noções de mineração de dados e Big Data, julgue o item que se segue.
A descoberta de conhecimento em bases de dados, ou KDD (knowledge-discovery), é a etapa principal do processo de mineração de
dados.
Com relação a noções de mineração de dados e Big Data, julgue o item que se segue.
A fase de implantação do CRISP-DM (cross industry standard process for data mining) só deve ocorrer após a avaliação do modelo
construído para atingir os objetivos do negócio.
Com relação a noções de mineração de dados e Big Data, julgue o item que se segue.
Na primeira fase do CRISP-DM (cross industry standard process for data mining), há o entendimento dos dados para que se analise
a qualidade destes.
Em data mining, enquanto a classificação identifica possíveis agrupamentos dentro de uma massa de dados sem grupos predefinidos, a aglomeração reconhece modelos que identificam o grupo a que um item pertence e os relaciona por meio do exame de itens já categorizados.
A mineração de dados, também conhecida como Data Mining, é uma das muitas áreas da computação e tem como objetivo identificar correlações e padrões em um grande conjunto de dados, com o objetivo de prever resultados. A respeito dos conceitos que fazem parte da mineração de dados, analise as afirmativas abaixo.
I. Redes neurais e árvores de decisão são dois conhecidos exemplos de ramificações da mineração de dados.
II. São exemplos de etapas da mineração de dados: exploração de dados, preparação de dados, modelagem e avaliação de implementação.
III. A mineração de dados faz uso de fundamentos pertencentes a outras três grandes áreas de conhecimento, são elas: matemática, estatística e data warehouse.
É correto o que se afirma
Conheça nossos planos