No processo de descoberta de conhecimento em bases de dados...
Próximas questões
Com base no mesmo assunto
Ano: 2026
Banca:
COPEVE-UFAL
Órgão:
IFAL
Prova:
COPEVE-UFAL - 2026 - IFAL - Professor EBTT - Informática |
Q3953486
Banco de Dados
No processo de descoberta de conhecimento em bases de
dados, a qualidade dos resultados obtidos pelos algoritmos de
aprendizado de máquina está diretamente vinculada à qualidade
dos dados de entrada. Dados provenientes de fontes
heterogêneas, frequentemente, apresentam ruídos, redundâncias
e lacunas que podem enviesar as análises estatísticas.
Dentro do fluxo de trabalho de Ciência de Dados, o conjunto de operações que envolve o tratamento de dados faltantes (null/missing values), a normalização de formatos, a remoção de registros redundantes e a correção de erros de digitação ou inconsistências lógicas é tecnicamente denominado
Dentro do fluxo de trabalho de Ciência de Dados, o conjunto de operações que envolve o tratamento de dados faltantes (null/missing values), a normalização de formatos, a remoção de registros redundantes e a correção de erros de digitação ou inconsistências lógicas é tecnicamente denominado
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: A
O que precisava saber: Era necessário distinguir limpeza de dados das demais etapas do fluxo de trabalho. Limpeza de dados é o processo de tratar problemas de qualidade, como dados faltantes, duplicidades, ruídos, inconsistências, erros de registro e padronização de formatos, para tornar a base adequada à análise.
Critério decisivo: A descrição do enunciado reúne operações de correção e padronização dos dados brutos — tratamento de valores ausentes, normalização de formatos, remoção de redundâncias e correção de erros e inconsistências —, o que caracteriza limpeza de dados (Data Cleaning).
Tema central: Tratamento e saneamento de dados antes da análise/modelagem em Ciência de Dados e ETL.
Análise das alternativas
A
Certa
A alternativa A está correta porque nomeia exatamente o processo descrito no enunciado: o tratamento de dados faltantes, inconsistências, redundâncias, erros de digitação e padronização de formatos. Pela base, esse conjunto de procedimentos corresponde à limpeza de dados, cuja finalidade é sanear problemas de qualidade antes da análise ou modelagem.
B
Errada
Data Mining está ligado à descoberta de padrões e conhecimento nos dados. A base afirma que mineração de dados não é a etapa de saneamento da base; ela ocorre depois da preparação, enquanto o enunciado descreve correção e preparação dos dados.
C
Errada
EDA é a etapa de exploração e descrição da estrutura dos dados. Segundo a base, ela não é o nome técnico do tratamento de falhas, redundâncias e inconsistências, que é justamente o foco do enunciado.
D
Errada
Data Integration refere-se à combinação de fontes distintas em uma base unificada. A base destaca que a questão enfatiza o saneamento dos dados — correções, remoção de duplicidades, tratamento de ausências e inconsistências —, e não apenas a junção de fontes.
E
Errada
Feature Engineering envolve criação ou transformação de atributos para melhorar a modelagem. Pela base, isso não corresponde ao tratamento básico de erros, ausências, duplicidades e padronização descrito no enunciado.
Pegadinha da questão
A principal confusão está em citar fontes heterogêneas e descoberta de conhecimento, o que pode induzir o candidato a marcar integração de dados ou mineração de dados. Porém, o núcleo da descrição está nas operações de saneamento da base, que caracterizam limpeza de dados.
Dica para questões semelhantes
- Se o enunciado destacar valores faltantes, duplicidades, erros de digitação, ruídos e inconsistências, o foco é qualidade de dados, portanto limpeza de dados.
- Diferencie preparação da base de análise da base: limpeza corrige e padroniza dados; mineração busca padrões; EDA explora; integração une fontes; engenharia de atributos cria ou transforma variáveis.
- Quando aparecer normalização de formatos junto com correção de registros e remoção de redundâncias, a chave é identificar saneamento de dados, não modelagem nem descoberta de conhecimento.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Conheça nossos planos