Baixe o app para aproveitar ainda mais
Prévia do material em texto
17/05/2021 Revisar envio do teste: Teste Final (N2) – POS0776 ... https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_665466_1 1/6 Curso POS0776 INTELIGÊNCIA ANALÍTICA PG0968211 - 202112.ead- Teste Teste Final (N2) Iniciado 17/05/21 13:14 Enviado 17/05/21 14:01 Status Completada Resultado da tentativa 8 em 10 pontos Tempo decorrido 47 minutos Resultados exibidos Respostas enviadas, Respostas corretas, Comentários Pergunta 1 Resposta Selecionada: Resposta Correta: Comentário da resposta: O Data Warehouse é uma construção do sistema de gerenciamento de banco de dados relacional para atender aos requisitos dos sistemas de processamento de transações. Pode ser descrito livremente como qualquer repositório de dados centralizado que possa ser consultado para obter benefícios comerciais. É um banco de dados que armazena informações orientadas para satisfazer solicitações de tomada de decisão. A respeito de Data Warehouse e Data Mining, analise as a�rmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). I. ( ) Data warehousing suporta arquiteturas e ferramentas para que os executivos usem suas informações para tomar decisões estratégicas, são verdadeiros armazéns de dados. II. ( ) Clusterização é uma técnica de Data Mining utilizada na extração e preparação de dados de um banco para um data warehouse. III. ( ) Data mining é uma evolução de data mart que, por sua vez, é uma evolução do conceito de data warehouse. IV. ( ) Data mining utiliza algoritmos que analisam grandes bases de dados e revelam padrões escondidos nesses dados, como um minerador em busca de ouro. Assinale a alternativa que apresenta a sequência correta. V, F, F, V. V, F, F, V. Resposta correta. A alternativa está correta, pois, um Data Warehouse é um banco de dados relacional projetado para consulta e análise em vez de processamento de transações, pelo qual, utilizando ferramentas analíticas como Data Mining, é possível encontrar padrões escondidos nos dados. Com o resultado dessa análise, executivos podem obter informações para tomadas estratégicas. Pergunta 2 1 em 1 pontos 0 em 1 pontos 15437.01 17/05/2021 Revisar envio do teste: Teste Final (N2) – POS0776 ... https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_665466_1 2/6 Resposta Selecionada: Resposta Correta: Comentário da resposta: Considere a seguir dois exemplos de aplicação de algoritmos de aprendizado: Exemplo 1: Um algoritmo pode aprender as características dos e-mails rotulados como "spam" e marcar automaticamente as novas mensagens como spam quando tiverem as mesmas características. Exemplo 2: você deseja prever quais alunos do ensino médio farão bem o ENEM (Exame Nacional do Ensino Médio) com base em dados dos participantes de testes anteriores, e rotulá-los com notas de "ruim", "média", "boa" e "excelente". De acordo com o estudo realizado e com as informações dos passadas pelos exemplos 1 e 2, assinale a alternativa correta que corresponde aos tipos de aprendizado para os exemplo 1 e 2: Não é possível de aplicarmos aprendizado no exemplo 2. Exemplo 1: supervisionado e Exemplo 2: supervisionado. Sua resposta está incorreta. A alternativa está incorreta. Tanto no exemplo 1 quanto no exemplo 2, o algoritmo aprenderá as características através dos dados a ele passado. No exemplo 1, com base em um montante de e-mails rotulados como SPAM, o algoritmo saberá de�nir se um futuro e-mail será ou não SPAM. No exemplo 2, com base nas avaliações de X alunos, o algoritmo saberá reconhecer se o (X+1) aluno terá uma boa avaliação ou não, logo, trata- se de algoritmo supervisionado. Pergunta 3 Resposta Selecionada: Resposta Correta: Comentário da resposta: Naive Bayes é uma implementação de aprendizado de máquina do Teorema de Bayes . É um algoritmo de classi�cação que prevê a probabilidade de cada ponto de dados pertencente a uma classe e depois classi�ca o ponto como a classe com a maior probabilidade. De acordo com o conteúdo estudado e das informações acima citadas, qual dos conceitos a seguir é um exemplo de classi�cador de Naive Bayes?. NB Gaussiano e NB MultiNomial. NB Gaussiano e NB MultiNomial. Resposta correta. A alternativa está correta, pois NB gaussiano é usado quando você tiver valores de recursos contínuos. Este classi�cador assume que cada classe é normalmente distribuída. NB MultiNomial é bom para classi�cação de texto. Este classi�cador trata cada ocorrência de uma palavra como um evento. Pergunta 4 OLAP é uma abordagem para obter respostas para consultas multidimensionais. É usado no campo do BI para análises e relatórios sobre grandes quantidades de dados de várias fontes de 1 em 1 pontos 1 em 1 pontos 17/05/2021 Revisar envio do teste: Teste Final (N2) – POS0776 ... https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_665466_1 3/6 Resposta Selecionada: Resposta Correta: Comentário da resposta: dados. Os dados são coletados de várias fontes de dados e organizados na forma de cubos. Um cubo OLAP é um conjunto de dados estruturado que contém várias dimensões e medidas. Uma dimensão é uma maneira de categorizar fatos. Por exemplo, o total de vendas pode ser categorizado em dimensões como região e tempo. De acordo com o conhecimento adquirido durante seus estudos, marque a alternativa correta a respeito de ETL. na fase de transformação, os dados carregados são modi�cados e seus valores são adequados ao modelo do data warehouse. na fase de transformação, os dados carregados são modificados e seus valores são adequados ao modelo do data warehouse. Resposta correta. A alternativa está correta, pois transformação é o processo de conversão dos dados extraídos do formato anterior para o formato exigido por outro banco de dados. A transformação ocorre usando regras ou tabelas de pesquisa ou combinando os dados com outros dados. Por exemplo, cálculo em que os valores monetários são convertidos de dólares americanos para euros. Pergunta 5 Resposta Selecionada: Resposta Correta: Comentário da resposta: No “coração” do processo de mineração de dados, você apresentará os dados preparados às ferramentas de business intelligence (BI), como Tableau Server ou Microsoft Power BI. Essas ferramentas usarão diferentes algoritmos para extrair padrões a partir destes dados e prever tendências futuras. De posse dos seus conhecimentos adquiridos durante os estudos e da informação apresentada, considere os diversos tipos de algoritmos utilizados para minerar dados. Dentre estes algoritmos, assinale a alternativa que apresenta aquele cuja técnica é utilizada para classificação, regressão e segmentação de dados de séries temporais: Redes neurais. Redes neurais. Resposta correta. A alternativa está correta, pois as redes neurais são usadas para modelar relacionamentos complexos entre entradas e saídas ou para encontrar padrões nos dados. As tarefas desempenhadas por um algoritmo de rede neural são de classi�cação, regressão e segmentação de dados heterogêneos. Pergunta 6 Segundo o Fórum Econômico Mundial, o mundo produz 2,5 quintilhões de bytes de 1 em 1 pontos 1 em 1 pontos 17/05/2021 Revisar envio do teste: Teste Final (N2) – POS0776 ... https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_665466_1 4/6 Resposta Selecionada: Resposta Correta: Comentário da resposta: dados todos os dias. Com tantos dados, tornou-se cada vez mais difícil gerenciar e entender tudo. Seria impossível para uma única pessoa percorrer os dados linha por linha e ver padrões distintos e fazer observações. A proliferação de dados pode ser gerenciada como parte do processo de ciência de dados, que inclui o conceito de Data Visualization ou Visualização de Dados. Fonte: THIRANI, V.; GUPTA, A. The value of data . 22 set. 2017. Disponível em: h ttps://www.weforum.org/agenda/2017/09/the-value-of-data/. Acesso em: 10 fev. 2020. De acordo com o seu conhecimento adquirido durante os estudos e os conceitos e ferramentas de Data Visualization , assinale a alternativa correta em relação aos tipos e exemplos de visualização de dados. Distribuição de Frequência: Histogramas e Grá�cos de Caixa. Distribuição de Frequência: Histogramas e Gráficos de Caixa. Resposta correta. A alternativa está correta, pois, são exemplos de grá�cos de distribuição de frequência o histograma e os grá�cos de caixa. Os histogramas plotam o número de vezes que um evento ocorre em um determinado conjunto de dados e são apresentados em um formato de grá�co de barras. Os grá�cos de caixa são visualizações não paramétricas que exibem uma medida de dispersão. Pergunta 7 Resposta Selecionada: Resposta Correta: Comentário da resposta: Leia a seguinte citação a respeito do aprendizado supervisionado: “O aprendizagem não supervisionada ocorre quando um algoritmo aprende a partir de exemplos claros, sem nenhuma resposta associada, deixando o algoritmo determinar os padrões de dados por conta própria. Esse tipo de algoritmo tende a reestruturar os dados em algo diferente, como novas características que representam uma classe ou uma nova série de valores não correlacionados.” Fonte: MUELLER, J.; MASSARON, Luca. Aprendizado de Máquinas. Rio de Janeiro: Alta Books. 2019, p De acordo com o seu conhecimento adquirido durante os estudos, marque a alternativa que, corretamente, apresenta um algoritmo do aprendizado não supervisionado. Aprendizagem por regras de associação. Aprendizagem por regras de associação. Resposta correta. A alternativa está correta, pois aprendizagem de regras de associação é um algoritmo popular para pesquisadores de mercado. O aprendizado de associação procura relacionamentos interessantes entre 1 em 1 pontos https://www.weforum.org/agenda/2017/09/the-value-of-data/ 17/05/2021 Revisar envio do teste: Teste Final (N2) – POS0776 ... https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_665466_1 5/6 variáveis em conjuntos de dados massivos para revelar itens que ocorrem frequentemente juntos. Pergunta 8 Resposta Selecionada: Resposta Correta: Comentário da resposta: A empresa Net�t, atuante na área de entretenimento via streaming, deseja segmentar seus clientes em grupos distintos para enviar ofertas de assinatura apropriadas. O objetivo principal é enviar ofertas especí�cas para o público correto, evitando assim despender tempo em realizar ação de marketing para um público que não consumirá o seu produto. Esta segmentação e o envio das ofertas ocorrerá no próximo ano e, com isso, espera-se que as vendas aumentem em 40%. A partir do caso apresentado e do conteúdo estudado sobre mineração de dados e aprendizagem de máquina, podemos dizer corretamente que o caso acima é um exemplo de: Algoritmo de segmentação de dados. Aprendizado supervisionado. Sua resposta está incorreta. A alternativa está incorreta, pois neste exemplo estamos nos referindo a aprendizagem supervisionada, uma vez que temos uma base de dados rotuladas e desejamos usar destes rótulos para realizarmos os agrupamentos. Após agrupar os dados, o algoritmo realizará uma análise e obterá o conhecimento necessário para indicar qual tipo de oferta a ser enviada para cada grupo de público distinto. Pergunta 9 Resposta Selecionada: Resposta Correta: A mineração de dados ajuda, principalmente, na extração de informações, na transformação e no carregamento de transações de dados no sistema de data warehouse. Ele armazena e gerencia, principalmente, os dados em um sistema de gerenciamento de banco de dados multidimensional. Ele analisa os dados por um software aplicativo e mostra que, em um formato útil, esses dados são acessados, principalmente, pelos pro�ssionais ou analistas de negócios. Com base na informação apresentada e no conteúdo estudado sobre a mineração de dados, analise as a�rmativas a seguir: I. Duas técnicas conhecidas de mineração de dados são predição e análise de regressão, ambas relacionam dados em busca de padrão. II. Mineração de dados é usada para identi�car os padrões anteriormente ocultos. III. Mineração de dados é um processo em que os dados são extraídos dos vários recursos e, posteriormente, armazenados em um data mart. IV. Agentes inteligentes é uma das técnicas populares usadas em mineração de dados. Está correto o que se a�rma em: I e II. I e II. 0 em 1 pontos 1 em 1 pontos 17/05/2021 Revisar envio do teste: Teste Final (N2) – POS0776 ... https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_665466_1 6/6 Segunda-feira, 17 de Maio de 2021 19h54min57s BRT Comentário da resposta: Resposta correta. A alternativa está correta, pois a mineração de dados possui muitas técnicas como: predição, análise de regressão, análise de agrupamento, entre outras. Ela explora os dados usando consultas, explorando os dados e analisando os resultados ou a saída na busca por padrões ocultos. Isso ajuda a gerar relatórios, planejar estratégias e visualizar os conjuntos de dados signi�cativos. Pergunta 10 Resposta Selecionada: Resposta Correta: Comentário da resposta: É fácil confundir um data warehouse com um banco de dados, pois os dois conceitos compartilham algumas semelhanças. A principal diferença, no entanto, entra em vigor quando uma empresa precisa executar análises em uma grande coleta de dados. Os data warehouses são criados para lidar com esse tipo de tarefa, enquanto os bancos de dados não. De acordo com o conhecimento adquirido durante seus estudos, assinale a alternativa que corretamente apresenta o tipo de integração de dados provenientes de várias fontes. ETL. ETL. Resposta correta. A alternativa está correta, pois ETL é um tipo de integração de dados que se refere às três etapas (extrair, transformar, carregar) usadas para integrar (misturar) dados de várias fontes. É frequentemente usado para construir um data warehouse. Durante esse processo, os dados são obtidos (extraídos) de um sistema de origem, convertidos (transformados) em um formato que pode ser analisado e armazenados (carregados) em um data warehouse ou outro sistema. 1 em 1 pontos
Compartilhar