Questões de Concurso
Sobre data mining em banco de dados
Foram encontradas 573 questões
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.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
MPO
Prova:
CESPE - 2013 - MPOG - Gestor - Categoria Profissional 4 |
Q333908
Banco de Dados
A respeito de mineração e análise de dados para suporte à inteligência do negócio, julgue os itens a seguir.
Os dados podem provir de diferentes modelos de dados, mas devem ser integrados em um modelo integrado antes de serem armazenados em um datawarehouse.
Os dados podem provir de diferentes modelos de dados, mas devem ser integrados em um modelo integrado antes de serem armazenados em um datawarehouse.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
CPRM
Prova:
CESPE - 2013 - CPRM - Analista em Geociências - Sistemas |
Q328363
Banco de Dados
Julgue os itens subsequentes, a respeito de sistemas de suporte à decisão.
A fase de modelagem de um data mining agrega a seleção e aplicação das técnicas sobre os dados selecionados. Inúmeras técnicas podem ser empregadas para obtenção de padrões úteis, como por exemplo, a PMML (predictive model markup language), que objetiva, via schemas XML, a definição para modelos encontrados em associações, modelos de regressão e clustering.
A fase de modelagem de um data mining agrega a seleção e aplicação das técnicas sobre os dados selecionados. Inúmeras técnicas podem ser empregadas para obtenção de padrões úteis, como por exemplo, a PMML (predictive model markup language), que objetiva, via schemas XML, a definição para modelos encontrados em associações, modelos de regressão e clustering.
Ano: 2013
Banca:
FUNRIO
Órgão:
MPO
Prova:
FUNRIO - 2013 - MPOG - Analista de Tecnologia da Informação |
Q325929
Banco de Dados
Qual o tipo de descoberta de conhecimento através de mineração de dados (do inglês “data mining”), em que se relaciona a presença de conjuntos de itens diversos, como por exemplo: “Quando uma mulher compra uma bolsa em uma loja, ela está propensa a comprar sapatos”?
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
SERPRO
Prova:
CESPE - 2013 - SERPRO - Programador de computador |
Q315881
Banco de Dados
Texto associado
Julgue os itens que se seguem à luz dos conceitos básicos de datamining e datawarehouse.
Nos métodos de particionamento para k-clusterização e k-medoids, o elemento que melhor representa o cluster é definido de acordo com seus atributos, sem que haja muita influência dos valores próximos aos limites do cluster.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
SERPRO
Prova:
CESPE - 2013 - SERPRO - Programador de computador |
Q315880
Banco de Dados
Texto associado
Julgue os itens que se seguem à luz dos conceitos básicos de datamining e datawarehouse.
Tarefas descritivas têm como objetivo derivar padrões como correlações, tendências, grupos, trajetórias e anomalias, os quais sumarizam as relações subjacentes nos dados.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
SERPRO
Prova:
CESPE - 2013 - SERPRO - Programador de computador |
Q315879
Banco de Dados
Texto associado
Julgue os itens que se seguem à luz dos conceitos básicos de datamining e datawarehouse.
Em algoritmos de clusterização hierárquica, os clusters são formados gradativamente por meio de aglomerações ou divisões de elementos, gerando uma hierarquia de clusters.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
SERPRO
Prova:
CESPE - 2013 - SERPRO - Programador de computador |
Q315878
Banco de Dados
Texto associado
Julgue os itens que se seguem à luz dos conceitos básicos de datamining e datawarehouse.
Em tarefas preditivas, o atributo a ser predito é conhecido como variável independente, enquanto que os atributos usados para fazer a predição são conhecidos como alvo.
Ano: 2013
Banca:
CESPE / CEBRASPE
Órgão:
SERPRO
Prova:
CESPE - 2013 - SERPRO - Programador de computador |
Q315860
Banco de Dados
Texto associado
Com relação a gerenciamento eletrônico de documentos (GED) e datawaehouse, julgue os itens que se seguem.
Denomina-se de análise dimensional o processo de análise mediante o qual dados originários são selecionados das bases operacionais e modelados no ambiente de datamining, de acordo com as perspectivas ou visões elegidas para a realização.
Conheça nossos planos