Alternativa correta: D - KDD (Knowledge Discovery in Databases)

O processo de KDD é um método abrangente para encontrar padrões e conhecimentos úteis a partir de grandes conjuntos de dados. Esta metodologia envolve várias etapas que incluem a preparação e seleção de dados, pré-processamento, transformação, data mining propriamente dito, e a interpretação/avaliação dos resultados encontrados.

O motivo pelo qual a alternativa D é a correta é que o KDD refere-se ao processo completo, que vai além do simples ato de extrair dados (data mining). O data mining é uma etapa dentro do KDD, focado na aplicação de algoritmos para identificar padrões. Entretanto, a fase de data mining só é efetiva após uma série de outros passos como a limpeza e preparação de dados, que são essenciais para garantir a qualidade dos dados analisados e, consequentemente, do conhecimento extraído.

Portanto, é fundamental entender o KDD como um processo end-to-end que engloba desde a compreensão do domínio de aplicação, passando pelos pré-processamentos necessários, até a utilização efetiva dos padrões encontrados para apoio à tomada de decisão e outras atividades analíticas.

Para  Fayyad o KDD (Knowledge Discovery in Databases ou Descoberta de Conhecimento nas Bases de Dados)  refere-se a todo o processo de descoberta de conhecimento, e a Mineração de Dados a uma das atividades do processo.

Processo KDD:

Seleção dos dados > pré-processamento > transformação > mineração de dados  > Avaliação (padrões)  > Conhecimento

KDD - KNOWLEDGE DISCOVERY IN DATABASES

LETRA D

A Mineração de Dados faz parte de um processo muito maior de descoberta de conhecimento chamada KDD (Knowledge Discovery in Databases – Descoberta de Conhecimento em Bancos de Dados). O processo de descoberta de conhecimento compreende cinco fases: 

(1) Seleção; 

(2) Pré-processamento; 

(3) Transformação; 

(4) Data Mining; 

(5) Interpretação e Avaliação – alguns autores possuem uma classificação um pouco diferente.

Fonte: Estratégia Concursos.

Letra D

KDD (extração do conhecimento)

Conceitos:

“é um processo, de várias etapas, não trivial, interativo e iterativo, para identificação de padrões compreensíveis, válidos, novos e potencialmente úteis a partir de grandes conjuntos de dados.“ (FAYYAD, 1996).

“é um processo não trivial de identificação de novos padrões válidos, úteis e compreensíveis.”

___________________

Fases do KDD:

(1) Seleção de dados: seleciona um conjunto de dados para serem ANALISADOS (estruturados, semi-estruturados, não-estruturados)

(2) Pré-processamento (limpeza): eliminar ruídos, tuplas vazias, corrigir ou remover dados inconsistentes, identificar anomalias (outliers).

(3) Transformação dos dados: transformação dos dados utilizando métodos como: Normalização, Agregação, Criação de novos atributos, e Sintetização dos dados.

(4) Mineração de dados (data mining): é a fase MAIS importante do processo de KDD. Aplicam-se técnicas para extrair informações a partir de um grande volume de dados e transforma essas informações em conhecimento útil.

(5) Interpretação / Avaliação: interpreta e avalia os padrões extraídos na etapa de Mineração de dados. (podendo retornar a qualquer fase anterior caso seja necessário)

A resposta correta é D) KDD (Knowledge Discovery in Databases). ✅

Explicação:

O trecho menciona várias etapas que fazem parte do processo de Descoberta de Conhecimento em Bases de Dados (KDD), incluindo a estruturação do banco de dados, seleção, pré-processamento, transformação, análise e interpretação dos dados.

O Data Mining (Mineração de Dados) é uma das etapas dentro do KDD, mas o processo maior citado envolve todas as fases descritas.

Por que as outras alternativas estão incorretas?

❌ A) Data mining → Apenas uma parte do KDD, focada na aplicação de algoritmos para encontrar padrões nos dados.

❌ B) Data mart → Subconjunto de um Data Warehouse, usado para consultas específicas, mas não abrange todo o processo descrito.

❌ C) Data warehouse → Armazena grandes volumes de dados organizados para análise, mas não inclui as etapas de mineração e interpretação.

❌ E) Segmentação de dados → Técnica usada na análise de dados, mas não representa um processo completo de descoberta de conhecimento.