Logo Passei Direto
Buscar
A sumarização na mineração de dados refere-se ao processo de extrair informações ou conhecimentos essenciais e concisos a partir de conjuntos de dados complexos e volumosos. O objetivo é reduzir a quantidade de dados sem perder informações críticas. Isso envolve identificar padrões, tendências, características principais ou resumos estatísticos que capturem o significado subjacente dos dados.
Indique qual das alternativas abaixo apresenta de forma correta a diferença entre sumarização automática e sumarização manual.
A sumarização automática é baseada em regras pré-definidas ou algoritmos, enquanto a sumarização manual é baseada na interpretação humana dos dados.
A sumarização automática é realizada por humanos, enquanto a sumarização manual é realizada por algoritmos de aprendizado de máquina.
A sumarização automática é mais precisa e confiável do que a sumarização manual.
A sumarização automática é mais rápida e eficiente do que a sumarização manual.
A sumarização automática é baseada em regras pré-definidas ou algoritmos, enquanto a sumarização manual é baseada na interpretação humana dos dados.
User badge image
Exercícios Para o Conhecimento

há 23 horas

Respostas

User badge image

Ed Verified user icon

há 23 horas

A alternativa correta é: "A sumarização automática é baseada em regras pré-definidas ou algoritmos, enquanto a sumarização manual é baseada na interpretação humana dos dados." Essa afirmação destaca a principal diferença entre os dois tipos de sumarização, onde a automática utiliza processos computacionais e a manual depende da análise e interpretação feitas por pessoas.

Essa resposta te ajudou?

0
Dislike0

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Mais perguntas desse material

Imagine uma empresa de varejo que vende produtos eletrônicos. Ela coleta dados de vendas ao longo do tempo, incluindo informações como datas de venda, tipos de produtos vendidos, preços, promoções, dados climáticos e feriados. O objetivo de um cientista de dados é utilizar técnicas para prever a demanda futura dos produtos. Isso ajudará a empresa a otimizar os níveis de estoque, planejar promoções e melhorar a eficiência operacional.
Dado o conhecimento das etapas da ciência de dados, indique qual é a etapa em que são desenvolvidos modelos de mineração de dados.
Modelagem.
Coleta de dados.
Limpeza de dados.
Modelagem.
Avaliação.
Comunicação dos resultados.

Uma empresa de desenvolvimento de softwares, que inclui entre seus produtos um sistema de envio e recebimento de e-mails, optou por criar uma nova versão do sistema com melhorias nos filtros de detecção de spam. Para esse propósito, a equipe de engenharia de software recebeu a tarefa de treinar o software.
Considerando esse exemplo, analise as opções abaixo e indique aquela que explica o objetivo do treinamento de um modelo de aprendizado de máquina.
Ajustar os parâmetros do modelo para minimizar a função de perda.
Ajustar os parâmetros do modelo para maximizar a função de perda.
Ajustar os parâmetros do modelo para minimizar a função de perda.
Ajustar os parâmetros do modelo para maximizar a função de recompensa.
Ajustar os parâmetros do modelo para minimizar a função de recompensa.
Ajustar os parâmetros do modelo para maximizar a precisão do modelo.

Qual é a suposição feita pelos algoritmos de Naive Bayes?
As variáveis são independentes umas das outras ao fazer suas previsões.
As variáveis são independentes umas das outras ao fazer suas previsões.
As variáveis são dependentes umas das outras ao fazer suas previsões.
O relacionamento entre as variáveis é sempre linear.
O relacionamento entre as variáveis é sempre não linear.
O modelo deve ser treinado com dados rotulados.

Segundo Géron, A. (2017), "A preparação de dados para análise envolve várias etapas importantes para garantir que os dados estejam limpos, consistentes e prontos para serem usados em análises ou modelagens".
Com base nas colocações de Géron, indique qual das alternativas abaixo define corretamente o pré-processamento de dados:
Um processo de limpeza, transformação e redução de dados brutos para torná-los adequados para análise.
Um conjunto de técnicas para a análise de dados.
Um método para a visualização de dados complexos.
Um processo de limpeza, transformação e redução de dados brutos para torná-los adequados para análise.
Um conjunto de ferramentas para a coleta de dados.

Segundo Laney (2001), Big Data são conjuntos de dados extremamente grandes e complexos que exigem tecnologias e métodos específicos para armazenamento, processamento e análise devido ao seu tamanho e complexidade.
Das alternativas abaixo, qual corresponde às características de um Big Data, segundo Laney?
Volume, Velocidade e Variedade.
Intangibilidade, Granularidade e Estruturação.
Gerar valor, Privacidade, Agrupável.
Estruturação, Privacidade, Volume.
Volume, Velocidade e Variedade.

Mais conteúdos dessa disciplina