Grátis: De acordo com a descrição do processo KDD, selecione a alternativa que traz a fase do processo KDD que se relaciona com a execução efetiva dos algo... – Questões Respondidas

Inteligência Artificial

Outros

De acordo com a descrição do processo KDD, selecione a alternativa que traz a fase do processo KDD que se relaciona com a execução efetiva dos algoritmos e técnicas análise de dados e reconhecimento de padrões.
a.(errado) Interpretação e avaliação.
b. Transformação.
c. Seleção de dados.
d. Mineração de dados.
e. Pré-processamento.

Aprendendo com Desafios

há 9 meses

Aprendendo com Desafios

há 9 meses

AS ALGORITIMO PARA CIÊNCIAS DE DADOS 80HORAS

AS ALGORITIMO PARA CIÊNCIAS DE DADOS 80HORAS

UNICSUL

Respostas

Ed

há 8 meses

O processo KDD (Knowledge Discovery in Databases) envolve várias etapas, e cada uma delas tem um papel específico. A fase que se relaciona diretamente com a execução efetiva dos algoritmos e técnicas de análise de dados e reconhecimento de padrões é a fase de "Mineração de dados". Vamos analisar as alternativas: a) Interpretação e avaliação - Esta fase ocorre após a mineração de dados, onde os resultados são analisados e avaliados. b) Transformação - Refere-se à preparação dos dados, mas não à execução dos algoritmos. c) Seleção de dados - Esta fase envolve escolher quais dados usar, mas não a execução dos algoritmos. d) Mineração de dados - Esta é a fase onde os algoritmos são aplicados para extrair padrões e informações dos dados. e) Pré-processamento - Envolve a limpeza e preparação dos dados antes da mineração. Portanto, a alternativa correta é: d) Mineração de dados.

Essa resposta te ajudou?

0

0

left-side-bubbles-background

right-side-bubbles-background

Crie sua conta grátis para liberar essa resposta. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

AS ALGORITIMO PARA CIÊNCIAS DE DADOS 80HORAS

AS ALGORITIMO PARA CIÊNCIAS DE DADOS 80HORAS

UNICSUL

Mais perguntas desse material

Analise as afirmativas: I - Minerar dados é o processo de descobrir informações relevantes como padrões, associações, mudanças, anomalias e estruturas, em grandes quantidades de dados armazenados em bancos de dados; II - A mineração de dados serve única e exclusivamente para o reconhecimento de outliers e classificação de instâncias; III - Estimação de valores, detecção de outliers e agrupamento de instâncias são algumas das técnicas de análise e reconhecimento de padrões; Selecione a correta alternativa quanto às afirmativas:
I - Minerar dados é o processo de descobrir informações relevantes como padrões, associações, mudanças, anomalias e estruturas, em grandes quantidades de dados armazenados em bancos de dados;
II - A mineração de dados serve única e exclusivamente para o reconhecimento de outliers e classificação de instâncias;
III - Estimação de valores, detecção de outliers e agrupamento de instâncias são algumas das técnicas de análise e reconhecimento de padrões;
a. I – incorreta, II – incorreta e III - incorreta.
b. I – correta, II – correta e III - incorreta.
c. I – incorreta, II – correta e III - correta.
d. I – correta, II – incorreta e III - correta.
e. I – correta, II – correta e III - correta.

Analise as afirmativas: I - A abrangência de uma regra constitui-se no número de instâncias que são preditas corretamente; II - É conhecida como a precisão da regra associativa; III - Tem o objetivo de encontrar regras associativas em grandes e complexas bases de dados; Selecione a correta alternativa que traz o correto relacionamento entre uma definição e sua técnica:
I - A abrangência de uma regra constitui-se no número de instâncias que são preditas corretamente;
II - É conhecida como a precisão da regra associativa;
III - Tem o objetivo de encontrar regras associativas em grandes e complexas bases de dados;
a. I – algoritmo apriori, II – confiança e III – suporte.
b. I – confiança , II – algoritmo apriori e III – suporte.
c. I – suporte , II – algoritmo apriori e III – confiança.
d. I – confiança , II – suporte e III – algoritmo apriori.
e. I – suporte , II – confiança e III – algoritmo apriori.

Selecione a alternativa que traz o nome da técnica ou característica definida por: representam um padrão de relacionamento entre itens de dados no domínio da aplicação, que ocorrem com uma determinada frequência nas bases de dados.
a. clustering.
b. regra de associação.
c. outlier.
d. classificador.
e. padrão.

Analise a seguinte afirmativa e assinale a alternativa que traz o conceito abordado: Fornece percepções dos dados corporativos, descobrindo padrões e relacionamentos ocultos em grandes bancos de dados e inferindo regras a partir deles para prever comportamentos futuros. Esses modelos e regras podem, então, ser utilizados para guiar processos de decisão e prever o efeito dessas decisões.
a. conceito de data mining.
b. conceito de ETL.
c. conceito de BI.
d. conceito de data warehouse.
e. conceito de modelagem dimensional.

Analise as afirmativas: I - Eu quero encontrar relacionamentos entre ações ou itens; II - Eu desejo agrupar item dadas as suas similaridades; III - Eu quero encontrar o relacionamento ou valor específico de uma variável dada uma entrada; Selecione a correta alternativa que traz o correto relacionamento entre uma necessidade e sua técnica associada:
I - Eu quero encontrar relacionamentos entre ações ou itens;
II - Eu desejo agrupar item dadas as suas similaridades;
III - Eu quero encontrar o relacionamento ou valor específico de uma variável dada uma entrada;
a. I – estimação de valores ou regressão, II – classificação e III – regras de associação.
b. I – regras de associação , II – clustering e III – estimação de valores ou regressão.
c. I – regras de associação , II – clustering e III – classificação.
d. I – detecção de outlier, II – clustering e III – estimação de valores ou regressão.
e. I – regras de associação , II – classificação e III – estimação de valores ou regressão.

Analise as afirmativas: I - uma medida de similaridade ou dissimilaridade expressa em valor real a similaridade ou a diferença entre dois vetores ou instância; II - A distância de Mahalanobis foi introduzida em 1936 pelo matemático indiano Prasanta Chandra Mahalanobis. Essa medida se baseia nas correlações entre as variáveis; III - A distância Euclidiana é uma forma de geometria que se baseia na soma das diferenças absolutas de todas as coordenadas entre um ponto e outro, em outras palavras assemelha-se à distância calculada em um software de GPS; Selecione a correta alternativa quanto às afirmativas:
I - uma medida de similaridade ou dissimilaridade expressa em valor real a similaridade ou a diferença entre dois vetores ou instância;
II - A distância de Mahalanobis foi introduzida em 1936 pelo matemático indiano Prasanta Chandra Mahalanobis. Essa medida se baseia nas correlações entre as variáveis;
III - A distância Euclidiana é uma forma de geometria que se baseia na soma das diferenças absolutas de todas as coordenadas entre um ponto e outro, em outras palavras assemelha-se à distância calculada em um software de GPS;
a. I – correta, II – correta e III - incorreta.
b. I – incorreta, II – incorreta e III - incorreta.
c. I – correta, II – incorreta e III - correta.
d. I – correta, II – correta e III - correta.
e. I – incorreta, II – correta e III - correta.

Analise as afirmativas: I - A detecção de outliers tem importantes aplicações para detecção de fraudes em cartões de crédito, fraudes em sistemas de telecomunicações, detecção de falhas, redes de sensores, detecção de intrusos, detecção de spam em emails, diagnósticos médicos ou aplicações em marketing; II - uma anomalia ou um outlier, ocorre quando uma instância ou conjunto de instâncias são consideradas diferentes do restante do conjunto de dados.; III - Há três tipos de técnicas elencadas na literatura para a detecção de outliers: técnicas baseadas em distância, baseadas em densidade ou baseadas em estatísticas; Selecione a correta alternativa quanto às afirmativas:
I - A detecção de outliers tem importantes aplicações para detecção de fraudes em cartões de crédito, fraudes em sistemas de telecomunicações, detecção de falhas, redes de sensores, detecção de intrusos, detecção de spam em emails, diagnósticos médicos ou aplicações em marketing;
II - uma anomalia ou um outlier, ocorre quando uma instância ou conjunto de instâncias são consideradas diferentes do restante do conjunto de dados.;
III - Há três tipos de técnicas elencadas na literatura para a detecção de outliers: técnicas baseadas em distância, baseadas em densidade ou baseadas em estatísticas;
a. I – incorreta, II – correta e III - correta.
b. I – incorreta, II – incorreta e III - incorreta.
c. I – correta, II – correta e III - incorreta.
d. I – correta, II – incorreta e III - correta.
e. I – correta, II – correta e III - correta.

Analise as afirmativas: I - Escolhe aleatoriamente a quantidade de grupos ou clusters nos quais se deseja agrupar os objetos; II - Recebe como parâmetro a quantidade de grupos ou clusters nos quais se deseja agrupar os objetos; III - Utiliza medidas de similaridade entre os objetos; Selecione a correta alternativa quanto às afirmativas relacionadas ao algoritmo kmeans:
I - Escolhe aleatoriamente a quantidade de grupos ou clusters nos quais se deseja agrupar os objetos;
II - Recebe como parâmetro a quantidade de grupos ou clusters nos quais se deseja agrupar os objetos;
III - Utiliza medidas de similaridade entre os objetos;
a. I – correta, II – correta e III - incorreta.
b. I – incorreta, II – correta e III - correta.
c. I – correta, II – incorreta e III - correta.
d. I – incorreta, II – incorreta e III - incorreta.
e. I – correta, II – correta e III - correta.

Selecione a alternativa que traz uma correta definição de algoritmos de clustering.
a. Utilizado para se compreender quais são as características que melhor definem o comportamento de uma espécie.
b. Geram regras de associação que demonstram a presença de um determinado conjunto que implica na presença de algum outro conjunto distinto de itens.
c. Os algoritmos de Clustering são métodos de aprendizado não supervisionados usados para a criação de grupos homogêneos, dado um conjunto de dados com base em sua estrutura interna.
d. Comumente aplicado em análise de operações de compras com cartão de crédito, onde se percebem caso ocorram fraudes.
e. Comumente utilizada para a classificação de clientes mediante ao perfil de compra e crédito.