Baixe o app para aproveitar ainda mais
Prévia do material em texto
Atividade Dissertativa Entrega 17 out em 23:59 Pontos 1 Perguntas 1 Disponível 10 ago em 0:00 - 17 out em 23:59 2 meses Limite de tempo Nenhum Instruções Importante: Caso você esteja realizando a atividade através do aplicativo "Canvas Student", é necessário que você clique em "FAZER O QUESTIONÁRIO", no final da página. Este teste foi travado 17 out em 23:59. Histórico de tentativas Tentativa Tempo Pontuação MAIS RECENTE Tentativa 1 14.540 minutos 1 de 1 Pontuação deste teste: 1 de 1 Enviado 22 set em 19:16 Esta tentativa levou 14.540 minutos. Pergunta 1 1 / 1 pts Leia o texto a seguir: Data Mining, em português, mineração de dados, refere-se ao processo de extrair de uma grande quantidade de dados padrões consistentes, capazes de gerar insights valiosos. (...). Com o uso automatizado de algoritmos de aprendizagem, em um tempo razoável, o Data Mining consegue evidenciar tendências de consumo e interação apresentadas por potenciais clientes da empresa. ROCK CONTENT. Entenda o que é Data Mining suas aplicações e como funciona a mineração de dados(2019). Disponível em: https://rockcontent.com/br/blog/data-mining/. Acessado em 21/01/2020. A partir da contextualização acima, responda os itens a seguir: a) A mineração de dados é reconhecida como uma das etapas que constituem o Processo de Descoberta de Conhecimento em Bases de Dados, ou em inglês Knowledge Discovery in Database (KDD). Defina o termo KDD e justifique sua resposta. b) O KDD é constituído de diferentes etapas. Quais são? Justifique sua resposta. Orientações: - Sua resposta deve ser um texto único e conter entre 10 e 15 linhas (considerando fonte padrão, tamanho 12). - Observe as normas gramaticais, pois erros ortográficos, de coesão e coerência podem descontar pontuação. - Busque ao menos uma leitura para embasar sua resposta (pode ser em livros acadêmicos, artigos e/ou notícias), e insira a referência pesquisada após o seu texto. - Cuidado com cópias ou plágios, pois sua atividade poderá ser zerada! Sua Resposta: Em 1989 o processo de KDD (Knowledge Discovery in Databases) foi formalizado em referência a procura de conhecimento a partir de bases de dados. Seu principal objetivo é extrair conhecimento de grandes bases dados. A descoberta do conhecimento envolve uma sequência de fases que devem ser obedecidas, iniciando-se com a coleta de informações, passando pelo tratamento e, por fim, a apresentação do resultado final da extração do conhecimento. O processo de KDD é composto por cinco fases: seleção de dados, pré-processamento, transformação, mineração e interpretação/avaliação. Trata-se de um processo iterativo, pois poderá ser repetido quantas vezes for necessário na busca de melhores resultados, mas também é considerado um processo interativo devido à participação de profissionais como o usuário final, o especialista do domínio e o analista do domínio. Esse processo é aplicado na identificação de padrões compreensíveis, válidos, novos e potencialmente úteis a partir de grandes bases de dados. Embora cada fase do processo de KDD seja independente, podendo ser tratada individualmente, existe uma forte dependência entre elas. Referência de bibliografia: Site - https://www.devmedia.com.br/descoberta-de- conhecimento-utilizando-o-processo-kdd/38709 (Links para um site externo.) Hoje em dia, muitos pesquisadores utilizam os termos KDD e mineração de dados como sinônimos. Desse modo, é comum que seja utilizado o termo mineração de dados para se referenciar o processo do KDD e as etapas que são descritas por ele de forma global. 1. b) Considerando-se uma visão ampla, conceitualmente, o processo KDD é constituído de diferentes etapas, uma delas é a mineração de dados. Assim, a primeira etapa do KDD realiza a seleção dos dados que serão analisados, a partir de diferentes fontes de dados. Essa etapa resulta em um conjunto de dados que delimita o contexto a ser analisado. O conjunto de dados selecionados, de acordo com o objetivo pretendido, é submetido à segunda etapa do KDD, na qual é feito um pré-processamento dos dados. Nessa etapa, são realizadas operações para a diminuição de ruído nos dados e, também, são definidas as estratégias a respeito de como tratar a ausência de determinados valores. A terceira etapa do KDD se refere à transformação dos dados. Assim, o objetivo aqui é a busca pelos atributos que serão, de fato, importantes para o objetivo definido anteriormente. Outro possível tratamento é, a partir de determinados métodos de transformação, a redução do número de variáveis que serão consideradas no processo. Finalmente, após os dados terem sido selecionados, pré-processados e tratados, chegamos à etapa da mineração de dados. Nessa etapa, considerada a mais importante do KDD, o objetivo é a descoberta de padrões nos dados que sejam úteis para a descoberta de conhecimento. Uma observação que pode ser feita é que os dados podem ter de ser adaptados de acordo com a tarefa de mineração que se pretende.
Compartilhar