MINERAÇÃO DE DADOS OA2

Prévia do material em texto

MINERAÇÃO DE DADOS
Pergunta 1
Leia o texto a seguir:
As funcionalidades da mineração de dados são usadas para especificar os tipos de informações a serem obtidas nas tarefas de mineração. Em geral, essas tarefas podem ser classificadas em duas categorias: (1) descritivas: caracterizam as propriedades gerais dos dados; e (2) preditivas: fazem inferência a partir dos dados objetivando predições.
Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 07.
Considerando as informações apresentadas, avalie as seguintes asserções e a relação proposta entre elas.
I. A tarefa de mineração de dados denominada análise por associação busca encontrar relações em conjuntos de dados transacionais.
PORQUE
II. Os conjuntos de dados transacionais apresentam valores de atributos que ocorrem concomitantemente.
A respeito dessas asserções, assinale a opção correta:
A asserção I é verdadeira, pois descreve corretamente o objetivo da análise por associação. A asserção II é verdadeira, pois descreve corretamente as características das bases de dados transacionais. A asserção II não é uma justificativa da asserção I, pois definem conceitos diferentes.
Pergunta 2
Leia o texto a seguir:
“O ser humano é capaz de encontrar estruturas ou padrões apenas observando um processo (aparentemente caótico) do mundo real. Em ciência de computação, essa habilidade pode ser obtida a partir de um conjunto de exemplos, fornecidos pelo usuário ou por um processo do mundo real, através da inferência indutiva, a qual mesmo sendo o recurso mais utilizado pelo cérebro na produção de conhecimento novo, deve ser utilizada cuidadosamente. ”
Fonte: MONARD, M.; BARANAUSKAS, J. A. Indução de regras e árvores de decisão. Sistemas Inteligentes-Fundamentos e Aplicações, v. 1, p. 57, 2003.
Considere as seguintes afirmações a respeito das árvores de decisão.
As árvores de decisão são obtidas a partir de algoritmos que permitem particionar as características (atributos) de maneira hierárquica.
As árvores de decisão são consideradas para as tarefas de agrupamento, enquanto as tarefas de regressão contam com um modelo similar, denominado árvore de regressão.
III. Nas árvores de decisão, os atributos alvo (rótulo dos dados) são identificados por meio da divisão do conjunto de registros a partir dos valores dos atributos preditivos
IV. As árvores de decisão descrevem um modelo, obtido a partir de um conjunto de treinamento, para o agrupamento de registros que não possuem o atributo alvo.
É correto o que se afirma apenas em:
apenas as afirmações I e III são verdadeiras.
Pergunta 3
Leia o texto a seguir:
“As regras de associação descrevem padrões de relacionamento entre itens de uma base de dados. Uma de suas típicas aplicações é a análise de transações de compras. Este processo examina padrões de compras de consumidores para determinar produtos que costumam ser adquiridos em conjunto. Um exemplo de regra de associação, que poderia ser minerada a partir de uma base de dados de um supermercado, é dado por: {salaminho} → {cerveja}. Esta regra indica que os clientes que compram {salaminho}, tendem a também comprar {cerveja}.”
Fonte: GONSALVES, E. C. Regras de Associações e suas Medidas de Interesse Objetivas e Subjetivas. INFOCOMP Journal of Computer Science, v. 4, n. 1, p. 26-35, 2005.
Considere as seguintes afirmações a respeito da tarefa de extração de regras de associação.
Uma regra de associação pode ser definida como um padrão descritivo que representa a probabilidade de um item, ou conjunto de itens, ser observado em uma mesma transação;
Os atributos pertencentes aos registros, em uma base de dados transacional, são os itens que compõem esta base e caracterizam-se como o objeto de análise nessa tarefa;
III. O suporte é a proporção entra as transações preditas corretamente e o total de transações nas quais a regra está inserida;
IV. A confiança é referente ao número de transações que são corretamente preditas por uma determinada regra de associação, esse termo também é conhecido como cobertura da regra de associação.
É correto o que se afirmar apenas em: 
 apenas as afirmações I e II são verdadeiras.
Pergunta 4
0 / 0,6 pts
Leia o texto a seguir:
[...] há uma estimativa de que a quantidade de informação digital cresça 50 vezes até 2020 e atinja um investimento aproximado de meio trilhão de dólares. Esse crescimento [...] não se restringe à internet.
Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 
Considerando o conceito de Big Data como um qualificador para conjuntos de dados, as características pertinentes a esse tipo de dados, que são conhecidas como os “V’s” do Big Data, são definidas conceitualmente por:
O grande volume produzido.
A velocidade em que são produzidos.
III. A variedade de fontes e de tipos.
É correto o que se afirma em:
pois apenas as afirmações I e III são verdadeiras.
Pergunta 5
Leia o texto a seguir:
O termo mineração de dados foi cunhado como alusão ao processo de mineração [...] é parte integrante de um processo mais amplo, conhecido como descoberta de conhecimento em bases de dados (KDD). Embora muitos usem mineração de dados como sinônimo de KDD [...] a mineração de dados é empregada para a etapa de descoberta.
Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 05.
Considerando as etapas descritas pelo processo de KDD, avalie as afirmações e selecione a alternativa correta.
A primeira etapa realiza a seleção dos dados que serão analisados e resulta em um conjunto de dados de grande amplitude.
A segunda etapa é o pré-processamento dos dados onde são realizadas operações para prover rótulos aos dados.
III. A terceira etapa é a transformação dos dados onde é feita a busca pelos atributos importantes para o objetivo.
IV. A quarta etapa é a mineração de dados e o objetivo é a descoberta de conhecimento.
É correto o que se afirma apenas em: 
 apenas as afirmações III e IV são verdadeiras.
Pergunta 6
Leia o texto a seguir:
Predição é uma terminologia usada para se referir à construção e o uso de um modelo para avaliar a classe de um objeto não rotulado ou para estimar o valor de um ou mais atributos de um dado objeto.[...] classificação e estimação (regressão) constituem os dois principais tipo de problemas de predição.
Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 08.
Considerando as tarefas de classificação e regressão, avalie as afirmações e selecione a alternativa correta.
A tarefa de classificação consiste em aprender um modelo que possa descrever um grupo para um registro não rotulado.
A tarefa de regressão consiste em aprender uma função que possa predizer um valor real para um registro não rotulado.
III. A tarefa de classificação é uma tarefa descritiva cujo modelo resultante é utilizado para obter informações sobre os dados
IV. A tarefa de regressão é uma tarefa preditiva cuja função resultante é utilizada para predizer um valor real.
É correto o que se afirma apenas em: 
pois apenas as afirmações II e IV são verdadeiras.
Pergunta 7
Leia o texto a seguir:
“Nas últimas décadas, em que a maioria das operações e atividades das instituições privadas e públicas são registradas computacionalmente e se acumulam em grandes bases de dados, a técnica da mineração de dados - Data Mining (DM) - é uma das alternativas mais eficazes para extrair conhecimento a partir de grandes volumes de dados, descobrindo relações ocultas, padrões e gerando regras para predizer e correlacionar dados, que podem ajudar as instituições nas tomadas de decisões mais rápidas ou, até mesmo, a atingir um maior grau de confiança.”
Fonte: GALVAO, N. D.; MARIN, H. F. Técnica de mineração de dados: uma revisão da literatura. Acta paul. enferm., São Paulo , v. 22, n. 5, p. 686-690, Oct.2009 .
Considere as seguintes afirmações sobre as tarefas de mineração de dados:
A classificação é uma tarefa preditiva que tem por objetivo aprender uma função ou modelo que possa ser útil para associar um rótulo ou descrição de um exemplo a uma classe específica.
A regressão é uma tarefa preditiva, assim como a classificação, e tem o objetivo de aprender uma função que seja efetiva para mapear um novo registro cujo atributo dependente seja ausente.
III. A detecção de agrupamentos é uma tarefa de aprendizado descritiva também conhecida como clustering. Nesse caso, as técnicas utilizadas são, comumente, relativas ao aprendizado supervisionado.
IV. As regras de associação têm por objetivo encontrar um conjunto de regras que descrevam a associação entre itens de uma base de dados relacional.
É correto o que se afirma apenas em: 
apenas as afirmações I e II são verdadeiras.
Pergunta 8
Leia o texto a seguir:
“Inteligência Empresarial, ou Business Intelligence, é um termo usado para a análise do negócio como um todo ou de maneira departamental. O conceito surgiu na década de 90 e descreve as habilidades das corporações para aceder a dados e explorar informações e recursos financeiros em proveito dos diretores (normalmente contidas em um Data Warehouse/Data Mart), analisando-as e desenvolvendo percepções e entendimentos a seu respeito, o que lhes permite incrementar e tornar mais pautada em informações a tomada de decisão.”
INTELIGÊNCIA EMPRESARIAL. In: WIKIPÉDIA, a enciclopédia livre. Flórida: Wikimedia Foundation, 2020. Disponível em: https://pt.wikipedia.org/w/index.php?title=Intelig%C3%AAncia_empresarial&oldid=59264498. Acesso em: 4 set. 2020.
Qual alternativa descreve corretamente o objetivo do CRM?
O CRM tem por objetivo realizar a gestão da relação existente entre o cliente e a organização, de modo a promover a manutenção do relacionamento. 
Pergunta 9
Leia o texto a seguir:
[...] esses avanços da tecnologia – tanto de hardware quanto de comunicação – têm produzido um problema de superabundância de dados, pois a capacidade de coletar e armazenar dados tem superado a habilidade de analisar e extrair conhecimento destes.
Fonte: CASTRO, L. N.; FERRARI, D. G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. p. 03.
O SCM (Supply Chain Management) promove uma maior visibilidade de todo o ciclo de vida dos produtos e serviços oferecidos pela organização,...
 o tipo de sistema que produz soluções para a automatização das rotinas internas é o ERP.
É correto afirmar que o SCM tem por objetivo gerenciar o ciclo de vida dos produtos e serviços, de modo a evitar gargalos e desperdício de tempo e recursos.
Pergunta 10
Analise a figura a seguir:
Captura de Tela 2021-02-05 às 16.07.25.png
Fonte: FONSECA, F. C. S.; BELTRAME, W. A. R. Aplicações Práticas dos Algoritmos de Clusterização K-means e Bisecting K-means. Universidade Federal do Espírito Santo (UFES). Vitória - ES, 2009.
Avalie as seguintes afirmações e relação proposta entre elas.
I. A avaliação dos resultados obtidos a partir de algoritmos de agrupamento pode ser feita considerando critérios de normalização. Nesse caso, busca-se encontrar grupos que minimizam ou maximizam um critério específico.
PORQUE
II. O ideal que se busca nos processos de agrupamento é a obtenção de grupos que sejam compactos, ou seja, os objetos estão muito próximos uns dos outros e, por outro lado, que os grupos estejam distanciados.
A respeito dessas asserções, assinale a opção correta: 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.