Atividade 1_ Mineração de Dados

Prévia do material em texto

Atividade 1
Entrega 22 out em 23:59 Pontos 1 Perguntas 1
Disponível 14 ago em 0:00 - 22 out em 23:59 Limite de tempo Nenhum
Instruções
Este teste foi travado 22 out em 23:59.
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 269 minutos 1 de 1
Pontuação deste teste: 1 de 1
Enviado 4 out em 21:26
Esta tentativa levou 269 minutos.
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.
1 / 1 ptsPergunta 1
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.
A+
A
A-
https://famonline.instructure.com/courses/31415/quizzes/156207/history?version=1
Sua Resposta:
 
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!
 
 O termo KDD, ou Knowledge Discovery in Databases (Descoberta de
Conhecimento em Bases de Dados, em português), refere-se ao processo de
identificação, extração e transformação de informações valiosas e úteis a partir de
grandes volumes de dados. A mineração de dados é reconhecida como uma das
etapas que compõem o processo de KDD, pois representa a fase central em que
algoritmos e técnicas são aplicados para descobrir padrões, tendências e insights
nos dados. Justifica-se essa inclusão, pois a mineração de dados desempenha
A+
A
A-
um papel relevante na transformação de dados brutos em conhecimento
acionável, contribuindo para a tomada de decisões informadas. 
 O processo de KDD, ou Descoberta de Conhecimento em Bases de Dados,
foi formalizado em 1989 com o objetivo de extrair conhecimento valioso de
grandes conjuntos de dados. Esse processo envolve uma sequência de fases
que incluem a coleta de informações, o tratamento dos dados, a transformação, a
mineração e a interpretação/avaliação. O KDD é composto por cinco etapas
interdependentes, sendo um processo iterativo que pode ser repetido para
aprimorar os resultados. Envolve a participação de profissionais como o usuário
final, especialistas do domínio e analistas do domínio. O objetivo final é identificar
padrões compreensíveis, válidos, novos e potencialmente úteis a partir de
grandes bases de dados. 
b) O Processo de Descoberta de Conhecimento em Bases de Dados (KDD) é
composto por diversas etapas interdependentes:
∙ Seleção de Dados: Nesta etapa, os dados relevantes são coletados de várias
fontes. A seleção define o escopo da análise e cria um conjunto inicial de dados. 
∙ Pré-processamento: Os dados coletados são pré-processados para eliminar
ruídos, tratar valores ausentes e normalizar os dados, garantindo que estejam
prontos para análise. 
∙ Transformação de Dados: Nesta fase, os dados são transformados para
atender às necessidades da análise. Isso pode envolver a redução de dimensões
ou a criação de novos atributos.
∙ Mineração de Dados: É a etapa central do KDD, onde algoritmos de mineração
são aplicados para descobrir padrões, tendências e conhecimento relevante. 
Essa etapa envolve a aplicação de técnicas de aprendizado de máquina e
estatísticas.
∙ Interpretação e Avaliação: Após a mineração de dados, os resultados são
interpretados e avaliados para determinar a relevância e a utilidade dos padrões
descobertos. O conhecimento é apresentado de forma compreensível para apoiar
a tomada de decisões. 
 Essas etapas são interdependentes e podem ser iterativas, pois os
resultados de uma etapa podem influenciar a próxima. Profissionais como
especialistas do domínio, analistas e usuários finais podem estar envolvidos em
todo o processo para garantir que o conhecimento extraído seja útil e valioso.
Referência: Rock Content. Entenda o que é Data Mining suas aplicações e
como funciona a mineração de dados (https://rockcontent.com/br/blog/data-
mining/) . Acessado em 21/01/2020.
A+
A
A-
https://rockcontent.com/br/blog/data-mining/
https://rockcontent.com/br/blog/data-mining/
https://rockcontent.com/br/blog/data-mining/
https://rockcontent.com/br/blog/data-mining/
https://rockcontent.com/br/blog/data-mining/
a) O KDD pode ser definido como o processo de descoberta de padrões e
tendências por meio da análise de grandes conjuntos de dados. Nesse
contexto, a mineração de dados é considerada a etapa mais importante do
KDD, cujo objetivo é a execução das análises por meio de algoritmos
específicos para a descoberta/reconhecimento de padrões.
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.
 
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.
Pontuação do teste: 1 de 1
A+
A
A-