Atualmente, a indústria tem falado muito de métodos estatísticos para descoberta de conhecimento a partir de dados ou orientado a dados. Alguns des...

Atualmente, a indústria tem falado muito de métodos estatísticos para descoberta de conhecimento a partir de dados ou orientado a dados. Alguns desses métodos utilizam alguns algoritmos bem conhecidos de aprendizado de máquina ou machine learning. Alguns deles são: Naive Bayes (wrapper); Árvores de Decisão e Random Forests; Regressão Logística; Classifier Ensembles; Engenharia de atributos (feature selection); SVMs, redes neurais, etc. Todos esses recursos são aplicados para tratar base de dados. No entanto, diferentemente do que foi aplicado em anos passados, esses novos métodos trabalham com dados estruturados e não estruturados. A partir deste cenário e dos seus conhecimentos sobre dados como apoio a tomada de decisão, avalie as seguintes asserções:

I. O termo Business Intelligence (Inteligência de Negócios ou BI) é o processo de coleta, análise, monitoria e compartilhamento de informações para a gestão de negócios. Esse conceito pode se confundir com o conceito de Data Mining. BI analisa dados brutos operacionais para encontrar informação útil e auxiliar a tomada de decisão.
II. Data Mining utiliza ferramentas como agrupamentos, hipóteses, regras, árvore de decisão, atuando em nível mais estratégico e fornecendo à empresa conhecimento útil acerca do ambiente para decisões a longo prazo, segundo Korth, Silberschatz e Sudarshan (2012, p.563).
a) As asserções I e II são proposições verdadeiras e a II justifica a I.
b) As asserções I e II são proposições verdadeiras, mas a II não justifica a I.
c) A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
d) A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
e) As asserções I e II são proposições falsas.