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-