A mineração de dados, ou data mining, é tecnicamente definida como o processo de:
- A) Armazenamento de dados em longo prazo em um esquema unificado para facilitar o processamento analítico on-line (OLAP).
- B) Descoberta de padrões interessantes, significativos e informações úteis em grandes quantidades de dados.
- C) Recuperação de informações já conhecidas pelo usuário por meio de mecanismos de busca textual e indexação.
A respeito das chamadas falácias de Data Mining, é correto afirmar que:
- A) O processo de mineração não é totalmente automático, sendo iterativo e requerendo supervisão humana.
- B) Os investimentos realizados em projetos de mineração são recuperados de forma imediata e garantida.
- C) As ferramentas de software são tão intuitivas que dispensam o conhecimento prévio do negócio por parte do analista.
No contexto do aprendizado de máquina aplicado à mineração de dados, o conceito de aprendizagem está operacionalmente associado à:
- A) Capacidade da máquina de reter indefinidamente grandes volumes de dados brutos em sua memória física.
- B) Existência de uma consciência ou estado de alerta por parte do processador central durante o treinamento.
- C) Mudança de comportamento do sistema que resulte em um melhor desempenho em tarefas futuras.
A distinção teórica entre treinamento e aprendizado para máquinas reside fundamentalmente na presença de:
- A) Propósito ou intenção no processo de mudança de comportamento.
- B) Algoritmos genéticos e lógica nebulosa obrigatoriamente integrados.
- C) Uma quantidade reduzida de dados para evitar a heterogeneidade das variáveis.
Padrões extraídos de dados que capturam a estrutura de decisão de maneira explícita, permitindo que sejam examinados e usados para fundamentar decisões futuras, são denominados padrões:
- A) Triviais.
- B) Estruturais.
- C) Ocultos.
Mostrando 5 de 104 questões. Inicie o simulado para ver todas!