Atividade Dissertativa - Mineração de Dados

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.