Questões de Concurso Sobre data mining em banco de dados

Foram encontradas 581 questões

Q3660448 Banco de Dados
Um analista de dados da AgSUS sabe que a detecção de anomalias, ou detecção de valores discrepantes, é a identificação de uma observação, evento ou ponto de dados que se desvia do que é padrão ou esperado, tornando-o inconsistente em relação ao resto do conjunto de dados. Relacione os tipos de anomalias de dados às suas respectivas definições.

1. Anomalias não intencionais.
2. Anomalias pontuais.
3. Anomalias contextuais.
4. Anomalias coletivas.

( ) Essas anomalias, também conhecidas como valores discrepantes globais, são pontos de dados individuais que estão muito fora do restante do conjunto de dados. Um exemplo desses tipo anomalia é um saque de conta bancária que é significativamente maior do que qualquer um dos saques anteriores do usuário;
( ) Essas anomalias envolvem um conjunto de instâncias de dados que juntas se desviam da norma, mesmo que as instâncias individuais possam parecer normais. Um exemplo desse tipo de anomalia seria um conjunto de dados de tráfego de rede que mostra um aumento repentino no tráfego de vários endereços IP ao mesmo tempo;
( ) Essas anomalias são pontos de dados que se desviam da norma devido a erros ou ruído no processo de coleta de dados. Esses erros podem ser sistemáticos ou aleatórios, originados por problemas como sensores defeituosos ou erro humano durante a entrada de dados. Esse tipo de anomalia pode distorcer o conjunto de dados, dificultando a obtenção de insights precisos;
( ) Essas anomalias são pontos de dados que se desviam da norma dentro de um contexto específico. Essas anomalias não são necessariamente valores discrepantes quando consideradas isoladamente, mas se tornam anômalas quando vistas dentro de seu contexto específico. Por exemplo, considere o uso de energia. Se houver um aumento repentino no consumo de energia ao meio-dia, quando normalmente nenhum membro da família está em casa. Este dado pode não ser um valor discrepante quando comparado ao consumo de energia pela manhã ou à noite (quando as pessoas geralmente estão em casa), mas é anômalo em relação ao horário em que ocorreu.

A relação correta, na ordem dada, é: 
Alternativas
Q3595755 Banco de Dados
Durante a preparação de um conjunto de dados para análise preditiva de inadimplência, um cientista de dados identificou diversos problemas de qualidade nos dados, incluindo:

• campos numéricos com valores negativos que não fazem sentido (como "idade" ou "renda");
• colunas categóricas com múltiplas grafias para a mesma categoria (ex: "PE", "pe", "Pernambuco");
• presença de valores nulos em campos-chave como “renda” e “número de dependentes”;
• valores repetidos na chave primária “ID cliente”.

Com base nas dimensões de qualidade de dados e nas boas práticas de tratamento com Python - especialmente usando Pandas -, é correto afirmar que a: 
Alternativas
Q3594430 Banco de Dados
A mineração de dados é um dos principais componentes do processo de descoberta de conhecimento em bases de dados (KDD - Knowledge Discovery in Databases). Seu objetivo é extrair padrões relevantes, previamente desconhecidos, e potencialmente úteis a partir de grandes volumes de dados.
Sobre a mineração de dados, assinale a afirmativa correta.
Alternativas
Q3593196 Banco de Dados
A Mineração de Dados é a etapa do processo de KDD (Knowledge Discovery in Databases) responsável por extrair modelos de conhecimento a partir dos dados disponíveis. Após a construção desses modelos, é fundamental avaliar sua qualidade, o que exige compará-los com dados específicos para mensurar métricas que reflitam seu desempenho. Para garantir uma avaliação imparcial, os dados utilizados na criação do modelo não devem ser os mesmos empregados em sua validação. Assim, o processo de KDD deve utilizar, no mínimo, dois conjuntos distintos de dados: um conjunto de treinamento, para gerar o modelo, e um conjunto de testes, para avaliá-lo.
Selecione a opção que identifica o método de particionamento de dados em que o “conjunto de treinamento” é gerado por N sorteios aleatórios com reposição a partir do conjunto de dados original (que contém N registros). Já o “conjunto de testes” é composto pelos registros não selecionados para o “conjunto de treinamento”.
Alternativas
Q3530279 Banco de Dados

Julgue o item subsequente, relativos à teoria da informação e a banco de dados.  


A mineração de dados é uma técnica em que se utilizam exclusivamente algoritmos de aprendizado supervisionado para a identificação de padrões em grandes volumes de dados; no contexto de Big Data, a premissa principal é a utilização de bancos de dados relacionais tradicionais, que são suficientes para o enfrentamento dos desafios de volume, variedade e velocidade característicos desse ambiente. 


Alternativas
Q3530064 Banco de Dados

Acerca de segurança da informação, bancos de dados e aprendizado de máquina, julgue o próximo item. 


A técnica de clustering em data mining atribui categorias aos grupos de dados para facilitar a análise e a tomada de decisão. 

Alternativas
Q3472935 Banco de Dados
Um analista judiciário especialista em tecnologia da informação do TRE-TO está atuando em uma demanda para mais implementações de IA nas operações do tribunal. Os objetivos dessa tarefa são oferecer soluções mais práticas e simplificar e automatizar atividades rotineiras, fazendo com que a IA atue como uma aliada na tomada de decisões. Considerando essa situação, a partir do uso do Banco de Dados Oracle 21C, qual ferramenta o analista pode utilizar para simplificar o desenvolvimento de modelos de machine learning preditivos, auxiliando a escolha do modelo, a seleção de atributos a serem utilizados e os ajustes dos parâmetros necessários para a criação de modelos cada vez mais precisos? 
Alternativas
Q3409309 Banco de Dados
Acerca de deep learning, de Big Data e de redes neurais, julgue o item subsequente.
Em uma rede neural artificial, a função de ativação é responsável por armazenar os pesos de cada conexão entre os neurônios para posterior retropropagação.
Alternativas
Q3409307 Banco de Dados
Acerca de deep learning, de Big Data e de redes neurais, julgue o item subsequente.
O overfitting, em modelos de deep learning, ocorre quando o modelo tem alta precisão tanto nos dados de treinamento quanto nos dados de teste, indicativo de que o modelo generaliza bem. 
Alternativas
Q3409306 Banco de Dados
Acerca de deep learning, de Big Data e de redes neurais, julgue o item subsequente.
No contexto do deep learning, a função das camadas ocultas (hidden layers) em uma rede neural profunda é extrair e processar os dados de forma que a rede aprenda características progressivamente mais complexas nas camadas mais profundas. 
Alternativas
Q3409300 Banco de Dados
Julgue o item seguinte, relativo à administração de banco de dados Oracle, à modelagem de dados relacional, à normalização de dados e ao data mining.
Em data mining, a técnica de regras de associação é usada para prever valores contínuos com base em atributos independentes, utilizando-se árvores de regressão.
Alternativas
Q3355912 Banco de Dados
Na gestão ambiental contemporânea, a integração de Big Data tem se mostrado fundamental para análises complexas e tomadas de decisão estratégicas. Considerando os princípios de análise de grandes volumes de dados no contexto ambiental, analise as seguintes assertivas:

I.Big Data permite a integração de dados geoespaciais, climáticos e de biodiversidade em tempo real.
II.A mineração de dados ambientais possibilita predições sobre mudanças ecosistêmicas com alta precisão.
III.A heterogeneidade das fontes de dados ambientais representa um desafio para análises consistentes.
IV.Técnicas de machine learning são limitadas para processamento de dados ambientais complexos.

É correto o que se afirma em:
Alternativas
Q3309652 Banco de Dados
No contexto da mineração de dados, diferentes algoritmos são utilizados para solucionar problemas específicos, como segmentação de dados, descoberta de padrões e construção de modelos preditivos. Considerando os métodos Apriori, FP-Growth, k-means e árvores de decisão, assinale a opção que corresponde à descrição correta do funcionamento de um desses algoritmos.  
Alternativas
Q3307165 Banco de Dados

Julgue o seguinte item, relativo a técnicas de visualização de dados em business intelligence, a data lakes e a regras de associação em mineração de dados.


Em mineração de dados, as regras de associação podem ser utilizadas para identificar combinações recorrentes entre argumentos jurídicos e decisões judiciais, revelar padrões entre tipos de ação e desfechos processuais, e auxiliar na recomendação de precedentes com base em casos semelhantes.

Alternativas
Q3302849 Banco de Dados

Uma rede de supermercados deseja entender os padrões de compra dos clientes para organizar melhor seus produtos e otimizar suas estratégias de vendas. Para isso, a equipe de análise de dados decidiu utilizar um algoritmo de descoberta de regras de associação para identificar itens, frequentemente, comprados juntos.


Assinale a alternativa que representa a métrica fundamental para avaliar a relevância de uma regra de associação.

Alternativas
Q3290564 Banco de Dados
Uma equipe está trabalhando em um projeto de análise preditiva com base em dados estruturados provenientes de diferentes fontes de um Tribunal Regional do Trabalho. Durante a etapa de pré-processamento, o time precisa lidar com valores ausentes/faltantes, escalonar os dados para uniformizar as unidades e selecionar as variáveis mais importantes para treinar um modelo supervisionado. Para realizar estas tarefas nesta etapa, a equipe deve 
Alternativas
Q3287320 Banco de Dados

A respeito do tratamento e análise de grandes volumes de dados, julgue o item que se segue. 


O pré-processamento de dados, que inclui as etapas de limpeza e normalização, é opcional no tratamento de grandes volumes de dados, pois ferramentas modernas como o Spark conseguem lidar com dados brutos de forma eficiente.

Alternativas
Q3287319 Banco de Dados

A respeito do tratamento e análise de grandes volumes de dados, julgue o item que se segue. 


A detecção de anomalias é uma técnica de mineração de dados que visa identificar padrões incomuns, ou outliers, sendo útil em aplicações como detecção de fraudes. 

Alternativas
Q3287317 Banco de Dados

A respeito do tratamento e análise de grandes volumes de dados, julgue o item que se segue. 


A mineração de dados pode ser aplicada para a identificação de padrões de associação, como a regra “se X, então Y”, frequentemente utilizada em análise de cestas de compras. 

Alternativas
Q3284651 Banco de Dados

Julgue o item seguinte, a respeito das estruturas de dados e de bancos de dados e da análise de dados. 


Na análise de dados, algoritmos de aprendizado de máquina realizam todas as etapas do processo, eliminando a necessidade de qualquer intervenção humana na interpretação dos resultados. 

Alternativas
Respostas
41: B
42: A
43: C
44: B
45: E
46: E
47: A
48: E
49: E
50: C
51: E
52: C
53: B
54: C
55: C
56: C
57: E
58: C
59: C
60: E