solucao-n2-inteligencia-analitica

Prévia do material em texto

BIG DATA – N2 – inteligência Analitica – FMU - 2021
· Pergunta 1
1 em 1 pontos
	
	
	
	OLAP é uma abordagem para obter respostas para consultas multidimensionais. É usado no campo do BI para análises e relatórios sobre grandes quantidades de dados de várias fontes de dados. Os dados são coletados de várias fontes de dados e organizados na forma de cubos. Um cubo OLAP é um conjunto de dados estruturado que contém várias dimensões e medidas. Uma dimensão é uma maneira de categorizar fatos. Por exemplo, o total de vendas pode ser categorizado em dimensões como região e tempo.
De acordo com o conhecimento adquirido durante seus estudos, marque a alternativa correta a respeito de ETL.
	
	
	
	
		Resposta Selecionada:
	 
na fase de transformação, os dados carregados são modificados e seus valores são adequados ao modelo do data warehouse.
	Resposta Correta:
	 
na fase de transformação, os dados carregados são modificados e seus valores são adequados ao modelo do data warehouse.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois transformação é o processo de conversão dos dados extraídos do formato anterior para o formato exigido por outro banco de dados. A transformação ocorre usando regras ou tabelas de pesquisa ou combinando os dados com outros dados. Por exemplo, cálculo em que os valores monetários são convertidos de dólares americanos para euros.
	
	
	
· Pergunta 2
1 em 1 pontos
	
	
	
	Naive Bayes é uma implementação de aprendizado de máquina do Teorema de Bayes . É um algoritmo de classificação que prevê a probabilidade de cada ponto de dados pertencente a uma classe e depois classifica o ponto como a classe com a maior probabilidade.
De acordo com o conteúdo estudado e das informações acima citadas, qual dos conceitos a seguir é um exemplo de classificador de Naive Bayes?.
	
	
	
	
		Resposta Selecionada:
	 
NB Gaussiano e NB MultiNomial.
	Resposta Correta:
	 
NB Gaussiano e NB MultiNomial.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois NB gaussiano é usado quando você tiver valores de recursos contínuos. Este classificador assume que cada classe é normalmente distribuída. NB MultiNomial é bom para classificação de texto. Este classificador trata cada ocorrência de uma palavra como um evento.
	
	
	
· Pergunta 3
1 em 1 pontos
	
	
	
	Considere a seguir dois exemplos de aplicação de algoritmos de aprendizado:
Exemplo 1: Um algoritmo pode aprender as características dos e-mails rotulados como "spam" e marcar automaticamente as novas mensagens como spam quando tiverem as mesmas características.
Exemplo 2: você deseja prever quais alunos do ensino médio farão bem o ENEM (Exame Nacional do Ensino Médio) com base em dados dos participantes de testes anteriores, e rotulá-los com notas de "ruim", "média", "boa" e "excelente".
 
De acordo com o estudo realizado e com as informações dos passadas pelos exemplos 1 e 2, assinale a alternativa correta que corresponde aos tipos de aprendizado para os exemplo 1 e 2:
	
	
	
	
		Resposta Selecionada:
	 
Exemplo 1: supervisionado e Exemplo 2: supervisionado.
	Resposta Correta:
	 
Exemplo 1: supervisionado e Exemplo 2: supervisionado.
	Comentário da resposta:
	Resposta correta. A alternativa está correta. Os algoritmos de aprendizado supervisionado analisam “dados rotulados” - onde as classificações apropriadas são identificadas - para aprender padrões analíticos específicos. Após aprender com esses dados de treinamento, um algoritmo de aprendizado supervisionado pode reconhecer os mesmos padrões em novos conjuntos de dados e, consequentemente, prever eventos futuros. Este algoritmo é empregado nos dois exemplos.
	
	
	
· Pergunta 4
1 em 1 pontos
	
	
	
	Segundo o Fórum Econômico Mundial, o mundo produz 2,5 quintilhões de bytes de dados todos os dias. Com tantos dados, tornou-se cada vez mais difícil gerenciar e entender tudo. Seria impossível para uma única pessoa percorrer os dados linha por linha e ver padrões distintos e fazer observações. A proliferação de dados pode ser gerenciada como parte do processo de ciência de dados, que inclui o conceito de Data Visualization ou Visualização de Dados.
Fonte: THIRANI, V.; GUPTA, A. The value of data . 22 set. 2017. Disponível em: https://www.weforum.org/agenda/2017/09/the-value-of-data/ . Acesso em: 10 fev. 2020.
De acordo com o seu conhecimento adquirido durante os estudos e os conceitos e ferramentas de Data Visualization , assinale a alternativa correta em relação aos tipos e exemplos de visualização de dados.
	
	
	
	
		Resposta Selecionada:
	 
Distribuição de Frequência: Histogramas e Gráficos de Caixa.
	Resposta Correta:
	 
Distribuição de Frequência: Histogramas e Gráficos de Caixa.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois, são exemplos de gráficos de distribuição de frequência o histograma e os gráficos de caixa. Os histogramas plotam o número de vezes que um evento ocorre em um determinado conjunto de dados e são apresentados em um formato de gráfico de barras. Os gráficos de caixa são visualizações não paramétricas que exibem uma medida de dispersão.
	
	
	
· Pergunta 5
1 em 1 pontos
	
	
	
	Leia a seguinte citação a respeito do aprendizado supervisionado:
“O aprendizado supervisionado ocorre quando um algoritmo aprende a partir de dados de exemplo e respostas-alvo associadas que consistem de valores numéricos ou rótulos de string, como classes ou etiquetas, para prever a resposta correta diante de novos exemplos. A estratégia supervisionada é semelhante à aprendizagem humana sob a supervisão de um professor.”
Fonte: MUELLER, J.; MASSARON, Luca. Aprendizado de Máquinas. Rio de Janeiro: Alta Books. 2019, p.
Considerando o exposto e sobre os algoritmos de aprendizado supervisionado, analise as afirmativas a seguir.
I. Algoritmos de K-vizinhos mais próximos são usados no aprendizado supervisionado, com o objetivo de relacionar dados, por exemplo, categorizar músicas por gênero, artista e editor.
II. Algoritmos de regressões lineares são exemplos de aprendizado supervisionado usados para prever o valor de mercado de uma empresa com base na localização ou setor.
III. O agrupamento ou clustering é um processo de aprendizado supervisionado que organiza itens semelhantes e diferentes, porém, identificando relacionamentos entre os dados.
IV. A aprendizagem por regras de associação é um algoritmo de aprendizagem supervisionado para pesquisadores de mercado na busca de relacionamento de dados.
 
Está correto o que se afirma em:
	
	
	
	
		Resposta Selecionada:
	 
I e II, apenas.
	Resposta Correta:
	 
I e II, apenas.
	Comentário da resposta:
	Resposta correta. A alternativa está correta. Algoritmos de K-vizinhos mais próximos em vez de obter informações complexas a partir dos dados, eles estabelecem relações entre itens semelhantes, conforme o exemplo da música citado. Regressões lineares são algoritmos preveem o valor de uma variável desconhecida analisando outras variáveis.
	
	
	
· Pergunta 6
1 em 1 pontos
	
	
	
	A empresa Netfit, atuante na área de entretenimento via streaming, deseja segmentar seus clientes em grupos distintos para enviar ofertas de assinatura apropriadas. O objetivo principal é enviar ofertas específicas para o público correto, evitando assim despender tempo em realizar ação de marketing para um público que não consumirá o seu produto. Esta segmentação e o envio das ofertas ocorrerá no próximo ano e, com isso, espera-se que as vendas aumentem em 40%.
A partir do caso apresentado e do conteúdo estudado sobre mineração de dados e aprendizagem de máquina, podemos dizer corretamente que o caso acima é um exemplo de:
	
	
	
	
		Resposta Selecionada:
	 
Aprendizado supervisionado.
	Resposta Correta:
	 
Aprendizado supervisionado.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois, a empresa deseja segmentar seus clientes em grupos distintos para enviar ofertas de assinatura apropriadas. Como temos os rótulos dos dados (nome, idade, sexo, formação,etc) e a empresa deseja enviar as ofertas para grupos distintos (todos os homens entre 20 e 30 anos, por exemplo), então temos dados para treinar o algoritmo supervisionado para que, com apoio desta base de conhecimento, o sistema possa concluir para qual grupo irá cada uma das ofertas.
	
	
	
· Pergunta 7
1 em 1 pontos
	
	
	
	No “coração” do processo de mineração de dados, você apresentará os dados preparados às ferramentas de business intelligence (BI), como Tableau Server ou Microsoft Power BI. Essas ferramentas usarão diferentes algoritmos para extrair padrões a partir destes dados e prever tendências futuras.
De posse dos seus conhecimentos adquiridos durante os estudos e da informação apresentada, considere os diversos tipos de algoritmos utilizados para minerar dados. Dentre estes algoritmos, assinale a alternativa que apresenta aquele cuja técnica é utilizada para classificação, regressão e segmentação de dados de séries temporais:
	
	
	
	
		Resposta Selecionada:
	 
Redes neurais.
	Resposta Correta:
	 
Redes neurais.
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois as redes neurais são usadas para modelar relacionamentos complexos entre entradas e saídas ou para encontrar padrões nos dados. As tarefas desempenhadas por um algoritmo de rede neural são de classificação, regressão e segmentação de dados heterogêneos.
	
	
	
· Pergunta 8
1 em 1 pontos
	
	
	
	O objetivo geral do processo de minerar dados é a extração de informações de um conjunto bruto de dados, transformando-os em uma estrutura compreensível para uso posterior. Deste modo, a mineração de dados torna-se uma etapa essencial no processo de análise preditiva. Os principais métodos de mineração de dados são a generalização, classificação, agrupamento, associação, visualização de dados entre outros. Por outro lado, a mineração de dados envolve cinco estágios, que abrange desde a obtenção até o compartilhamento de descobertas.
A respeito dos estágios
da mineração de dados, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s).
 I. ( ) O primeiro estágio é o de compreender o objetivo a ser alcançado com a mineração de dados.
II. ( ) Um dos estágios da mineração de dados é de verificar a presença de transações rotineiras.
III. ( ) O terceiro estágio é a preparação dos dados por meio de ETL (extrair, transformar, carregar).
IV. ( ) O estágio final da mineração de dados (estágio 5) é de analisar, minerar e modelar os dados.
 
Assinale a alternativa que apresenta a sequência correta.
	
	
	
	
		Resposta Selecionada:
	 
 V, F, V, F.
	Resposta Correta:
	 
 V, F, V, F.
	Comentário da resposta:
	 Resposta correta. A alternativa está correta, pois o primeiro estágio da mineração de dados define como o processo apoiará seus objetivos de negócios. Deste modo, a pergunta a ser feita é: quais áreas de negócios eu desejo melhorar com a mineração de dados? No terceiro estágio, também chamado de “estágio de preparação de dados”, você usará as estratégias ETL (extrair, transformar, carregar) para preparar seus dados para análise
	
	
	
· Pergunta 9
1 em 1 pontos
	
	
	
	Leia a seguinte citação a respeito do aprendizado supervisionado:
“O aprendizagem não supervisionada ocorre quando um algoritmo aprende a partir de exemplos claros, sem nenhuma resposta associada, deixando o algoritmo determinar os padrões de dados por conta própria. Esse tipo de algoritmo tende a reestruturar os dados em algo diferente, como novas características que representam uma classe ou uma nova série de valores não correlacionados.”
Fonte: MUELLER, J.; MASSARON, Luca. Aprendizado de Máquinas. Rio de Janeiro: Alta Books. 2019, p
 
De acordo com o seu conhecimento adquirido durante os estudos, marque a alternativa que, corretamente, apresenta um algoritmo do aprendizado não supervisionado.
	
	
	
	
		Resposta Selecionada:
	 
Aprendizagem por regras de associação.
	Resposta Correta:
	 
Aprendizagem por regras de associação.
	Comentário da resposta:
	Resposta correta.  A alternativa está correta, pois aprendizagem de regras de associação é um algoritmo popular para pesquisadores de mercado. O aprendizado de associação procura relacionamentos interessantes entre variáveis ​​em conjuntos de dados massivos para revelar itens que ocorrem frequentemente juntos.
	
	
	
· Pergunta 10
1 em 1 pontos
	
	
	
	Em 11 de março de 2011, um terremoto de magnitude 8,9 atingiu a costa do Japão, sacudindo uma região de 800 quilômetros e provocando um tsunami. Este foi um dos maiores terremotos já registrados no país. Com base nisso, pesquisadores reuniram os dados referente aos abalos sísmicos dos últimos 100 meses no Japão e agora desejam prever a magnitude do próximo terremoto.
Considerando as informações apresentadas e com base nos conteúdos estudados, podemos inferir que o caso apresentado é um exemplo de:
	
	
	
	
		Resposta Selecionada:
	 
Aprendizagem supervisionada
	Resposta Correta:
	 
Aprendizagem supervisionada
	Comentário da resposta:
	Resposta correta. A alternativa está correta, pois, o aprendizado supervisionado refere-se a uma classe de sistemas e algoritmos que determinam um modelo preditivo usando pontos de dados com resultados conhecidos. Como os pesquisadores já possuem os dados e, a partir deles desejam realizar uma predição, logo, temos o conceito de aprendizado supervisionado.