Prévia do material em texto
16/11/2026, 19:49 Atividade 4: Mineração de Dados e Big Data Atividade 4 Entrega 6 de Jun de 2025 em 23:59 Pontos 1 Perguntas 5 Disponível 18 de Fev de 2025 em 23:59 6 de Jun de 2025 em 23:59 Limite de tempo Nenhum A+ Tentativas permitidas 2 A Instruções A- Importante: Caso você esteja realizando a atividade através do aplicativo "Canvas Student", é necessário que você clique em "FAZER QUESTIONÁRIO", no final da página. Este teste não está mais disponível, pois curso foi concluído. Histórico de tentativas Tentativa Tempo Pontuação MAIS RECENTE Tentativa 1 6 minutos 1 de 1 Pontuação desta tentativa: 1 de 1 Enviado 3 de Jun de 2025 em 19:19 Esta tentativa levou 6 minutos. Resposta correta Pergunta 1 0,2 / 0,2 pts Contextualização: A aplicação de técnicas de mineração de dados permite que empresas e organizações extraiam insights valiosos de seus dados, aprimorando estratégias de marketing, otimizando operações e identificando oportunidades de negócio. Qual das seguintes técnicas de mineração de dados é mais comumente usada para identificar padrões e associações entre itens em grandes volumes de dados transacionais? Regressão Classificação Redes neurais artificiais Análise/Detecção de agrupamento (Clustering) Análise de associação/Regras de associação Esta é a resposta correta. A análise de associação é uma técnica de mineração de dados que é especificamente projetada para identificar padrões ou associações entre itens em grandes conjuntos 1/416/11/2026, 19:49 Atividade 4: Mineração de Dados e Big Data de dados, como em dados de transações de compras. Um exemplo clássico é a técnica "Apriori", que é usada para encontrar regras de associação, como "se um cliente compra X, então ele também tende a comprar Y". Essa técnica é amplamente usada em sistemas de recomendação e análise de cestas de compras. Resposta correta Pergunta 2 A+ 0,2 0,2 pts A Contextualização: Apesar dos desafios, os dados não estruturados oferecem oportunidades A- valiosas para as empresas, permitindo uma compreensão mais profunda do comportamento do cliente, tendências de mercado e outras informações cruciais para a tomada de decisões estratégicas. Qual das seguintes afirmações sobre dados não estruturados é verdadeira? Dados não estruturados geralmente não possuem um formato predefinido, como texto, áudio ou imagens. Dados não estruturados não seguem um formato fixo e podem incluir uma grande variedade de tipos de dados, como textos livres (como postagens em redes sociais ou e-mails), áudio, imagens, vídeos, entre outros. A falta de estrutura definida torna esses dados difíceis de organizar e analisar sem processamento adicional. VLibras Dados não estruturados são organizados em tabelas e podem ser facilmente manipulados por bancos de relacionais. Dados não estruturados são sempre processados em tempo real e exigem bancos de dados especializados em tempo real. Dados não estruturados são os mais fáceis de analisar, pois sempre seguem um formato padrão. Dados não estruturados são sempre armazenados em arquivos com formatos rígidos e altamente organizados. Resposta correta Pergunta 3 Contextualização: os dados estruturados desempenham um papel crucial na organização e análise de informações, permitindo que empresas e indivíduos tomem decisões informadas com base em dados precisos e bem organizados. Qual das características a seguir é típica de dados estruturados? Dados estruturados não têm um formato fixo e não exigem organização específica. Dados estruturados são difíceis de organizar e não podem ser armazenados em tabelas. Dados estruturados podem ser facilmente armazenados, consultados e analisados devido à sua organização em formatos como tabelas e bancos de dados relacionais. 2/416/11/2026, 19:49 Atividade 4: Mineração de Dados e Big Data Esta é a resposta correta. Dados estruturados são organizados em um formato bem definido, como tabelas ou planilhas, com linhas e colunas. Isso permite que sejam facilmente armazenados, acessados e analisados por sistemas de gerenciamento de banco de dados (SGBD) e ferramentas de análise de dados. Dados estruturados não podem ser manipulados por algoritmos de aprendizado de máquina. Dados estruturados são exclusivamente compostos por texto sem formatação. Resposta correta A+ A Pergunta 4 pts A- Contextualização: O aprendizado de máquina (ou machine learning) é um subcampo da inteligência artificial que se concentra no desenvolvimento de algoritmos e modelos capazes de aprender padrões a partir de dados, permitindo que sistemas façam previsões ou decisões sem intervenção humana explícita. Qual das seguintes afirmativas sobre aprendizado supervisionado em aprendizado de máquina é verdadeira? O aprendizado supervisionado é utilizado exclusivamente para tarefas de agrupamento (clustering). O aprendizado supervisionado é adequado apenas para problemas de regressão. Em aprendizado supervisionado, o modelo não necessita de dados de treinamento para funcionar. O aprendizado supervisionado envolve o uso de dados rotulados para treinar o modelo e fazer previsões VLibras Esta é a resposta correta. O aprendizado supervisionado utiliza dados rotulados para treinar o modelo. O objetivo é fazer com que o modelo aprenda a prever ou classificar as saídas corretas com base nas entradas fornecidas. Exemplos incluem classificação de emails como spam ou não-spam, ou prever o preço de uma casa com base em suas características. Em aprendizado supervisionado, o modelo é treinado sem usar dados rotulados. Resposta correta Pergunta 5 0,2/0,2 pts Contextualização: A baixa qualidade dos dados pode levar a decisões equivocadas, impactando negativamente os resultados organizacionais. Por exemplo, informações desatualizadas ou imprecisas podem resultar em estratégias de marketing ineficazes ou em análises financeiras incorretas. Qual dos seguintes aspectos é essencial para garantir a qualidade dos dados em uma organização? Os dados devem ser mantidos de forma desorganizada para facilitar a análise posterior. A coleta de dados deve ser feita sem a necessidade de validação para otimizar o processo. A precisão dos dados é irrelevante, desde que o volume de dados seja grande o suficiente. 3/416/11/2026, 19:49 Atividade 4: Mineração de Dados e Big Data A integridade dos dados é crucial, garantindo que os dados estejam completos e sem erros. Esta é a resposta correta. A integridade dos dados é um dos pilares da qualidade de dados. Isso significa que os dados devem ser completos, consistentes e precisos, sem falhas ou erros. Dados de alta integridade são essenciais para garantir que as análises e as decisões baseadas nesses dados sejam confiáveis. A qualidade dos dados não afeta a tomada de decisões nas empresas. A+ Pontuação do teste: 1 A A- VLibras 4/4