Questões de Concurso
Sobre data mining em banco de dados
Foram encontradas 581 questões
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-SE
Prova:
CESPE - 2014 - TJ-SE - Analista Judiciário - Banco de Dados |
Q405056
Banco de Dados
Julgue os próximos itens, com relação a DataMining e ETL.
Embora os algoritmos genéticos apresentem elevada demanda computacional, eles possibilitam a resolução de problemas em paralelo; por isso, são uma boa ferramenta para mineração de dados.
Embora os algoritmos genéticos apresentem elevada demanda computacional, eles possibilitam a resolução de problemas em paralelo; por isso, são uma boa ferramenta para mineração de dados.
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-SE
Prova:
CESPE - 2014 - TJ-SE - Analista Judiciário - Banco de Dados |
Q405055
Banco de Dados
Julgue os próximos itens, com relação a DataMining e ETL.
O processo de transformação de dados pode exigir que dados logicamente relacionados, mas fisicamente separados, sejam recompostos, ainda que envolvam registros distintos ou até mesmo estejam em bancos de dados operacionais distintos.
O processo de transformação de dados pode exigir que dados logicamente relacionados, mas fisicamente separados, sejam recompostos, ainda que envolvam registros distintos ou até mesmo estejam em bancos de dados operacionais distintos.
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-SE
Prova:
CESPE - 2014 - TJ-SE - Analista Judiciário - Banco de Dados |
Q405053
Banco de Dados
Julgue os próximos itens, com relação a DataMining e ETL.
O uso de agrupamento (clustering) em DataMining exige que os registros sejam previamente categorizados, tendo por finalidade aproximar registros similares para predizer valores de variáveis.
O uso de agrupamento (clustering) em DataMining exige que os registros sejam previamente categorizados, tendo por finalidade aproximar registros similares para predizer valores de variáveis.
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-SE
Prova:
CESPE - 2014 - TJ-SE - Analista Judiciário - Banco de Dados |
Q405050
Banco de Dados
Julgue os itens a seguir, acerca de modelagem multidimensional, DataWarehouse e DataMarts.
A captura de dados baseada na técnica Timestamp é inadequada para capturar estados intermediários, nas situações em que os dados operacionais são transientes.
A captura de dados baseada na técnica Timestamp é inadequada para capturar estados intermediários, nas situações em que os dados operacionais são transientes.
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-SE
Prova:
CESPE - 2014 - TJ-SE - Técnico Judiciário - Programação de Sistemas |
Q403844
Banco de Dados
Acerca de DataMining e de DataWarehouse, julgue o item subsecutivo.
Os principais processos de DataMining são a identificação de variações embasado em normas, a detecção e análise de relacionamentos, a paginação de memória e o controle de periféricos.
Os principais processos de DataMining são a identificação de variações embasado em normas, a detecção e análise de relacionamentos, a paginação de memória e o controle de periféricos.
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-SE
Prova:
CESPE - 2014 - TJ-SE - Analista Judiciário - Análise de Sistemas |
Q402741
Banco de Dados
Com relação a sistemas de suporte à decisão, julgue os seguintes itens.
DataMining pode ser considerado uma etapa no processo de descoberta de conhecimento em base de dados, consistindo em análise de conjuntos de dados cujo objetivo é descobrir padrões úteis para tomada de decisão.
DataMining pode ser considerado uma etapa no processo de descoberta de conhecimento em base de dados, consistindo em análise de conjuntos de dados cujo objetivo é descobrir padrões úteis para tomada de decisão.
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-SE
Prova:
CESPE - 2014 - TJ-SE - Analista Judiciário - Análise de Sistemas |
Q402736
Banco de Dados
Com relação a sistemas de suporte à decisão, julgue os seguintes itens.
Assim como o DataMining, os DataMarts são voltados para a obtenção de informações estratégicas de maneira automática, ou seja, com o mínimo de intervenção humana a partir da análise de dados oriundos de DataWarehouses.
Assim como o DataMining, os DataMarts são voltados para a obtenção de informações estratégicas de maneira automática, ou seja, com o mínimo de intervenção humana a partir da análise de dados oriundos de DataWarehouses.
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TC-DF
Prova:
CESPE - 2014 - TC-DF - Analista de Administração Pública - Sistemas de TI |
Q392016
Banco de Dados
Julgue os itens subsecutivos, com relação a Data Mining, desempenho de sistemas de bancos de dados e controle de concorrência.
Com o uso da classificação como técnica de Data Mining, busca-se a identificação de uma classe por meio de múltiplos atributos. Essa técnica também pode ser usada em conjunto com outras técnicas de mineração de dados.
Com o uso da classificação como técnica de Data Mining, busca-se a identificação de uma classe por meio de múltiplos atributos. Essa técnica também pode ser usada em conjunto com outras técnicas de mineração de dados.
Ano: 2014
Banca:
FUNDEP (Gestão de Concursos)
Órgão:
IFN-MG
Prova:
FUNDEP - 2014 - IFN-MG - Analista de Tecnologia da Informação |
Q388306
Banco de Dados
Ao se utilizar a técnica de data mining (mineração de dados), como é conhecido o resultado dessa mineração, em que, por exemplo, se um cliente compra equipamento de vídeo, ele pode também comprar outros equipamentos eletrônicos?
Ano: 2014
Banca:
CESPE / CEBRASPE
Órgão:
TJ-CE
Prova:
CESPE - 2014 - TJ-CE - Analista Judiciário - Ciências Computação |
Q386535
Banco de Dados
Assinale a opção correta acerca de datamining.
Ano: 2014
Banca:
FEPESE
Órgão:
MPE-SC
Prova:
FEPESE - 2014 - MPE-SC - Analista - Tecnologia da Informação |
Q386433
Banco de Dados
Analise as afrmativas abaixo com relação à Data Mining e Data Warehouse.
1. Ferramentas de Data Mining podem ser utilizadas independentemente do Data Warehouse, mas obtêm-se melhores resultados quando aplicadoasde forma conjunta.
2. Técnicas de Clusterização podem ser utilizadas na extração e na preparação de dados de um banco de dados para um Data Warehouse.
3. Data Mining é uma evolução do conceito de Data Warehouse.
4. A mineração de dados baseia-se na utilização de algoritmos capazes de analisar grandes bases de dados de modo efciente e revelar padrões interessantes, escondidos nos dados.
Assinale a alternativa que indica todas as afrmativas corretas.
1. Ferramentas de Data Mining podem ser utilizadas independentemente do Data Warehouse, mas obtêm-se melhores resultados quando aplicadoasde forma conjunta.
2. Técnicas de Clusterização podem ser utilizadas na extração e na preparação de dados de um banco de dados para um Data Warehouse.
3. Data Mining é uma evolução do conceito de Data Warehouse.
4. A mineração de dados baseia-se na utilização de algoritmos capazes de analisar grandes bases de dados de modo efciente e revelar padrões interessantes, escondidos nos dados.
Assinale a alternativa que indica todas as afrmativas corretas.
Ano: 2014
Banca:
FCC
Órgão:
TRF - 3ª REGIÃO
Prova:
FCC - 2014 - TRF - 3ª REGIÃO - Analista Judiciário - Informática - Banco de Dados |
Q356036
Banco de Dados
Mineração de dados é a investigação de relações e padrões globais que existem em grandes bancos de dados, mas que estão ocultos no grande volume de dados. Com base nas funções que executam, há diferentes técnicas para a mineração de dados, dentre as quais estão:
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo de registros. Por exemplo: 75% dos envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão envolvidos em processos ligados a roubo de dados sigilosos.
II. identificar sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do sexo feminino após ajuizarem uma causa contra o INSS solicitando nova perícia médica ajuízam uma causa contra o INSS solicitando ressarcimento monetário.
III. as categorias são definidas antes da análise dos dados. Pode ser utilizada para identificar os atributos de um determinado grupo que fazem a discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de técnicas referenciados em I, II e III, respectivamente, são:
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo de registros. Por exemplo: 75% dos envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão envolvidos em processos ligados a roubo de dados sigilosos.
II. identificar sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do sexo feminino após ajuizarem uma causa contra o INSS solicitando nova perícia médica ajuízam uma causa contra o INSS solicitando ressarcimento monetário.
III. as categorias são definidas antes da análise dos dados. Pode ser utilizada para identificar os atributos de um determinado grupo que fazem a discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de técnicas referenciados em I, II e III, respectivamente, são:
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
MC
Prova:
CESPE / CEBRASPE - 2013 - MC - Atividade de Complexidade Gerencial - Tecnologia da Informação |
Q2130906
Banco de Dados
Com relação a soluções de suporte à decisão, julgue o item subsecutivo.
Data mining utiliza diversos tipos de padrões e técnicas para
descobrir o conhecimento em base de dados. Eles são
provenientes, automaticamente, do banco de dados e não há
interação manual na descoberta de novos tipos de padrões.
Ano: 2013
Banca:
CCV-UFC
Órgão:
UFC
Prova:
CCV-UFC - 2013 - UFC - Analista de Tecnologia da Informação/Banco de Dados e Gestão da Informação |
Q929633
Banco de Dados
Sobre Mineração de Dados, assinale a alternativa correta.
Ano: 2013
Banca:
ESPP
Órgão:
MPE-PR
Prova:
ESPP - 2013 - MPE-PR - Analista de Administração de Banco de Dados |
Q794234
Banco de Dados
Data Mining refere-se à busca de informações
relevantes, ou “à descoberta de conhecimento”, a
partir de um grande volume de dados. Assim como a
descoberta de conhecimento no ramo da inteligência
artificial, a extração de dados tenta descobrir
automaticamente modelos estatísticos a partir dos
dados. O conhecimento obtido a partir de um banco
de dados pode ser representado em regras. Duas
importantes classes de problemas de extração de
dados são as:
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
BACEN
Prova:
CESPE - 2013 - BACEN - Analista - Análise e Desenvolvimento de Sistemas |
Q446774
Banco de Dados
Com relação à inteligência de negócios, julgue o item subsecutivo.
Árvores de decisão e regras de associação são exemplos de algoritmos de data mining.
Árvores de decisão e regras de associação são exemplos de algoritmos de data mining.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
BACEN
Prova:
CESPE - 2013 - BACEN - Analista - Análise e Desenvolvimento de Sistemas |
Q446773
Banco de Dados
Com relação à inteligência de negócios, julgue o item subsecutivo.
Data warehouse (DW) e data mart (DM) são componentes importantes em um ambiente de business intelligence, visto que eles representam repositórios de múltiplos bancos de dados operacionais da empresa. Um DM agrega informações de diversos DWs distribuídos pelos departamentos da empresa.
Data warehouse (DW) e data mart (DM) são componentes importantes em um ambiente de business intelligence, visto que eles representam repositórios de múltiplos bancos de dados operacionais da empresa. Um DM agrega informações de diversos DWs distribuídos pelos departamentos da empresa.
Ano: 2013
Banca:
FCC
Órgão:
MPE-MA
Prova:
FCC - 2013 - MPE-MA - Analista Ministerial - Banco de Dados |
Q412674
Banco de Dados
Uma das funções desempenhadas pelas técnicas de mineração de dados consiste em determinar que itens de um conjunto de dados ocorrem de forma simultânea. Essa função recebe a denominação de
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
MPU
Prova:
CESPE - 2013 - MPU - Analista - Suporte e Infraestrutura |
Q349078
Banco de Dados
Julgue os próximos itens, acerca de sistemas de suporte à decisão.
Em se tratando de mineração de dados, a técnica de agrupamento (clustering) permite a descoberta de dados por faixa de valores, por meio do exame de alguns atributos das entidades envolvidas.
Em se tratando de mineração de dados, a técnica de agrupamento (clustering) permite a descoberta de dados por faixa de valores, por meio do exame de alguns atributos das entidades envolvidas.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
MPO
Prova:
CESPE - 2013 - MPOG - Técnico de Nível Superior - V - Categoria Profissional 7 |
Q334338
Banco de Dados
ETL é definido como o processo de descobrir padrões, associações, mudanças, anomalias e estruturas em grandes quantidades de dados armazenados ou em repositórios de informação gerais dentro do data mining.
Conheça nossos planos