Logo Passei Direto

A maior rede de estudos do Brasil

Grátis
24 pág.
informatica_pf5

Pré-visualização | Página 1 de 1

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.