Baixe o app para aproveitar ainda mais
Prévia do material em texto
INFORMÁTICA LÉO MATOS 1.(CESPE TJSE 2014 ) Quanto maior for a entropia de um sinal, menor será o potencial de compressão sem perdas desse sinal. ENTROPIA Para a área de Teoria da Informação, a entropia é definida como sendo uma forma de medir o grau médio de incerteza a respeito de fontes de informação, o que consequentemente permite a quantificação da informação presente que flui no sistema. Em termos simples, o conceito de entropia se associa à ideia de que, quanto mais incerto é o resultado de um experimento aleatório, maior é a informação que se obtém ao observar a sua ocorrência. Por exemplo, a saída de um cara ou coroa de uma moeda honesta (com duas saídas igualmente prováveis) fornece menos informação (menor entropia) do que especificar a saída da rolagem de um dado de seis faces (com seis saídas igualmente prováveis). Compressão: retira a redundância da fonte, reduzindo a entropia de maneira controlada. Exemplos: JPEG, MPEG. Compactação: retira a redundância da fonte, sem alterar sua entropia. Exemplo: compactadores de arquivos. 2. (CESPE MPOG 2013) ETL é definido como o processo de descobrir padrões, associações, mudanças, anomalias e estruturas em grandes quantidades de dados armazenados ou em repositórios de informação gerais dentro do data mining. ETL – Extração, Transformação e Carga 3. (CESPE MPOG 2013) ETL é definido como o processo de descobrir padrões, associações, mudanças, anomalias e estruturas em grandes quantidades de dados armazenados ou em repositórios de informação gerais dentro do data mining. 4. (CESPE BACEN 2013) Árvores de decisão e regras de associação são exemplos de algoritmos de data mining. Classificação A mineração de dados pode particionar os dados de modo que diferentes classes (categorias) ou fatos que possam identificadas com base na combinação de parâmetros. Esse processo gera uma árvore de decisão ou um conjunto de regras de classificação, e com isso é possível analisar melhor cada classe no banco de dados para classificação de dados subsequentes. Exemplo: através de históricos de transações anteriores, podem-se classificar estes clientes em categorias para liberação de crédito, a partir das características de um indivíduo, determinar a que classe social ele pertence. Conjunto de classes = {A, B, C, D, E}. Modelo Construído Árvore de decisão Idade Pagou >=18 Não Sim Sim Não <18 Não • Nodo Raiz • Nodo Interno • Nodo terminal “folha” Regras de Associação Essas regras correlacionam a presença de um itemset com outra faixa de valores para um conjunto de variáveis diverso. Exemplo: quando uma compradora adquire uma bola, ela provavelmente compra sapatos. 5. (CESPE BACEN 2013) Árvores de decisão e regras de associação são exemplos de algoritmos de data mining. 6. (CESPE EBSERH 2018) O endereço físico MAC está associado à interface de comunicação que identifica, de forma única, cada dispositivo conectado a uma rede de computadores. MAC: O endereço MAC é o endereço físico da placa de rede, gravado na memória ROM da placa mãe pelo fabricante, e não pode ser alterado. O endereço MAC é formado por 48 bits, representado em hexadecimal. 7. (CESPE ANP) O IPv4 utiliza 32 bits para endereçamento e hop limit para datagramas, enquanto que o IPv6 usa 256 bits para endereçamento e TTL (time to live) para datagramas.
Compartilhar