Professor: Murilo B de Camargo
Turma: Carreiras Policiais
Data: 20/02/2021 INFORMÁTICA
EXERCÍCIOS
1. Pode-se definir mineração de dados como o
processo de identificar, em dados, padrões válidos,
novos, potencialmente úteis e, ao final,
compreensíveis.
2. Um desenvolvedor de uma instituição bancária foi
designado para tentar usar técnicas de aprendizado
de máquina para, dado o saldo diário durante um
ano de um cliente, classificá-lo como BOM ou MAU
candidato a receber um cartão de crédito VIP. Para
isso, a única informação que pode usar — e que ele
recebeu — é um conjunto de treinamento com
50.000 clientes pré-classificados pelos seus
gerentes, contendo 365 campos com os saldos
diários e um campo com o número 1, caso o cliente
fosse um BOM candidato, ou o número 0 (zero), caso
fosse um MAU candidato. Essas respostas são
consideradas corretas.
Considerando as práticas tradicionais de
aprendizado de máquina, o desenvolvedor deve
escolher um algoritmo não supervisionado, porque
o conjunto de treinamento possui dados e rótulo,
sendo necessário aprender a função que prediz o
rótulo correto.
3. No método de classificação para mineração de
dados, a filiação dos objetos é obtida por meio de
um processo não supervisionado de aprendizado,
em que somente as variáveis de entrada são
apresentadas para o algoritmo.
4. No método de mineração de dados por
agrupamento (clustering), são utilizados
algoritmos com heurísticas para fins de descoberta
de agregações naturais entre objetos.
5. O fator de suporte e o fator de confiança são dois
índices utilizados para definir o grau de certeza de
uma regra de associação.
6. Os principais métodos de análise de agrupamentos
em mineração de dados incluem redes neurais,
lógica difusa, métodos estatísticos e algoritmos
genéticos.
7. As regras de associação adotadas em mineração de
dados buscam padrões frequentes entre conjuntos
de dados e podem ser úteis para caracterizar, por
exemplo, hábitos de consumo de clientes: suas
preferências são identificadas e em seguida
associadas a outros potenciais produtos de seu
interesse.
8. Na mineração de dados preditiva, ocorre a geração
de um conhecimento obtido de experiências
anteriores para ser aplicado em situações futuras.
9. A descoberta de conhecimento em bases de dados,
ou KDD (knowledge-discovery), é a etapa principal
do processo de mineração de dados.
MUDE SUA VIDA!
Com relação aos conceitos de análise de dados e
informações, julgue os itens a seguir.
10. O conceito de inteligência está relacionado à
capacidade de julgamento, ou seja, o ser humano
usa o seu conhecimento para tomar a melhor
decisão em uma situação real.
11. No nível de mensuração da análise exploratória de
dados, as variáveis são classificadas como
dependentes e independentes.
12. As três normas fundamentais que compõem o
conceito de dados abertos são: disponibilidade e
acesso; reuso e distribuição; e participação
universal.
13. Os relacionamentos entre os elementos de um
sistema podem ser expressos por meio de
diagramas como o modelo entidade-
relacionamento (MER), que permite organizar o
sistema de banco de dados em entidades, atributos,
relacionamentos e associações.
Com relação a Big Data, julgue os itens seguintes.
14. Os fatores críticos de sucesso da análise de Big Data
incluem uma sólida infraestrutura de dados, além
de ferramentas analíticas e pessoal habilitado para
lidar com elas.
15. Volume, variedade e visualização são as três
características, conhecidas como 3 Vs, utilizadas
para definir Big Data.
16. Julgue o item subsecutivo, a respeito de
balanceamento de carga e conceitos de falhas e
recuperação.
O striping de dados distribui os dados de maneira
transparente por múltiplos discos para fazê-los
parecer um único disco grande e de rápido
desempenho.
Acerca de redes de computadores, endereçamento
e protocolos da família TCP/IP e gerenciamento de
redes TCP/IP, julgue os itens a seguir.
17. Quanto à alocação de recursos em uma rede de
computadores, denomina-se controle de
congestionamento a capacidade de impedir que um
transmissor rápido envie uma quantidade
excessiva de dados a um receptor mais lento.
18. Detecção e correção de erros são mecanismos que
acrescentam informações redundantes ao tráfego
da rede de computadores, com o objetivo de
viabilizar a identificação e a mitigação de eventuais
falhas nos dados recebidos da transmissão.
19. Apesar de não ser orientado a conexão, o UDP (user
datagram protocol) disponibiliza opcionalmente
1
Professor: Murilo B de Camargo
Turma: Carreiras Policiais
Data: 20/02/2021 INFORMÁTICA
checksum e controle de fluxo para fornecer
confiabilidade adicional ao protocolo.
A respeito de segurança em redes de
computadores e criptografia, julgue os itens
seguintes.
20. Os ataques de phishing caracterizam-se pelo envio
de mensagens eletrônicas que despertam a atenção
de usuários por meio da sugestão de vantagens ou
ameaças de prejuízos e também por induzirem os
usuários a fornecer dados pessoais e(ou)
financeiros.
21. O objetivo principal de um ataque DDoS é invadir
bases de dados para coletar informações sensíveis;
para isso, ele realiza a sobrecarga dos recursos do
servidor, por meio do envio de excessiva
quantidade de requisições ou por meio da geração
de grande tráfego de dados na rede.
Acerca dos sistemas operacionais Windows e Linux
e da interoperabilidade entre esses sistemas,
julgue os itens que se seguem
22. O WSL (subsistema Windows para Linux), em sua
última versão, viabiliza a chamada de binários do
Windows no console do Linux e a chamada de
binários do Linux no console do Windows.
Com relação a dado, informação, conhecimento e
inteligência, julgue os itens que se seguem.
23. A filosofia do uso de dados abertos orienta que os
dados sejam reutilizados amplamente, no entanto
não é permitida a combinação de um data set
aberto com conjuntos de dados não abertos.
24. O portal brasileiro de dados abertos
(www.dados.gov.br) disponibiliza diversos
conjuntos de dados em formatos PDF, CSV, HTML e
JSON.
25. Dublin Core é um esquema de metadados que
auxilia na descrição de objetos digitais por meio da
definição de diversos elementos de metadados,
entre os quais se incluem título, autor, assunto,
formato e fonte.
26. Os metadados sintáticos, estruturais e semânticos
descrevem, respectivamente, a sintaxe, a estrutura
e o conteúdo dos dados.
27. Um dado que está inserido em um contexto pode
ser denominado de informação.
28. A técnica de agregação na mineração de dados atua
em conjunto de registros que tenham sido
previamente classificados.
29. A mineração de textos utiliza técnicas diferentes da
mineração de dados, tendo em vista que os textos
representam um tipo específico de dado.
MUDE SUA VIDA!
30. O objetivo da etapa de pré-processamento é
diminuir a quantidade de dados que serão
analisados, por meio da aplicação de filtros e de
eliminadores de palavras.
31. Mecanismos de busca utilizam mineração de textos
para apresentar ao usuário os resultados de suas
pesquisas, de modo que ambos os conceitos se
equivalem.
32. Na etapa de mineração do data mining, ocorre a
seleção dos conjuntos de dados que serão
utilizados no processo de mining.
33. A correlação assíncrona pode indicar um alto
coeficiente de similaridade entre dois eventos,
mesmo que eles tenham iniciado em momentos
distintos.
34. A técnica machine learning pode ser utilizada para
apoiar um processo de data mining.
35. No data mining, uma regra de associação relaciona
a presença de um conjunto de itens com outra faixa
de valores de um outro conjunto de variáveis.
36. Na técnica de árvore de decisão em data mining, é
empregada a abordagem denominada
a) análise de volumetria.
b) combinação de variáveis.
c) estratificação.
d) avaliação de dados.
e) percepção.
37. Pode-se definir mineração de dados como o
processo de identificar, em dados, padrões válidos,
novos, potencialmente úteis e, ao final,
compreensíveis.
38. Big data refere-se a uma nova geração de
tecnologias e arquiteturas projetadas para
processar volumes muito grandes e com grande
variedade de dados, permitindo alta velocidade de
captura, descoberta e análise.
39. Situação hipotética: Na ação de obtenção de
informações por meio de aprendizado de máquina,
verificou-se que o processo que estava sendo
realizado consistia em examinar as características
de determinado objeto e atribuir-lhe uma ou mais
classes; verificou-se também que os algoritmos
utilizados eram embasados em algoritmos de
aprendizagem supervisionados. Assertiva: Nessa
situação, a ação em realização está relacionada ao
processo de classificação.
40. Descobrir conexões escondidas e prever
tendências futuras é um dos objetivos da
mineração de dados, que utiliza a estatística, a
inteligência artificial e os algoritmos de
aprendizagem de máquina.
41. A mineração de dados se caracteriza especialmente
pela busca de informações em grandes volumes de
dados, tanto estruturados quanto não
2
Professor: Murilo B de Camargo
Turma: Carreiras Policiais
Data: 20/02/2021 INFORMÁTICA
estruturados, alicerçados no conceito dos 4V’s:
volume de mineração, variedade de algoritmos,
velocidade de aprendizado e veracidade dos
padrões.
42. Na busca de padrões no data mining, é comum a
utilização do aprendizado não supervisionado, em
que um agente externo apresenta ao algoritmo
alguns conjuntos de padrões de entrada e seus
correspondentes padrões de saída, comparando-se
a resposta fornecida pelo algoritmo com a resposta
esperada.
43. A respeito das técnicas e(ou) métodos de
mineração de dados, assinale a opção correta.
a) O agrupamento (ou clustering) realiza
identificação de grupos de dados que
apresentam coocorrência.
b) A classificação realiza o aprendizado de uma
função que pode ser usada para mapear os
valores associados aos dados em um ou mais
valores reais.
c) A regressão ou predição promove o
aprendizado de uma função que pode ser usada
para mapear dados em uma de várias classes
discretas definidas previamente, bem como
encontrar tendências que possam ser usadas
para entender e explorar padrões de
comportamento dos dados.
d) As regras de associação identificam grupos de
dados, em que os dados têm características
semelhantes aos do mesmo grupo e os grupos
têm características diferentes entre si.
e) Os métodos de classificação supervisionada
podem ser embasados em separabilidade
(entropia), utilizando árvores de decisão e
variantes, e em particionamento, utilizando
SVM (support vector machines).
44. O método de clustering k-means objetiva
particionar ‘n’ observações entre ‘k’ grupos; cada
observação pertence ao grupo mais próximo da
média.
No que se refere à mineração de dados, julgue o
item a seguir.
45. No modelo CRISP-DM, a fase na qual se planejam
todas as atividades para carga dos dados é
denominada entendimento dos dados.
46. Assinale a opção correta a respeito do CRISP-DM.
a) CRISP-DM é uma suíte de ferramentas
proprietárias que vem se tornando um padrão
da indústria para mineração de dados, uma vez
que fornece um plano completo e tecnologias
MUDE SUA VIDA!
para a realização de um projeto de mineração
de dados.
b) A verificação da qualidade dos dados é uma
atividade da fase de entendimento dos dados.
c) Durante a fase de preparação dos dados, é
realizado um inventário de requisitos,
suposições e restrições de recursos.
d) Na fase de avaliação dos dados, são realizadas
as atividades de identificar valores especiais
dos dados e catalogar seu significado.
e) Na fase de preparação dos dados, são
realizadas as atividades de analisar o potencial
de implantação de cada resultado e estimar o
potencial de melhoria do processo atual.
47. Dados são valores ou ocorrências que compõe a
matéria prima da informação. Podem ser do tipo
estruturados, como um conjunto de palavras
dentro de um livro, imagens e vídeos.
48. O conhecimento tácito é também chamado como
não formalizado. Por ter alto valor subjetivo, está
mais passível de erro ou enviesamento.
49. Tratando-se de aprendizagem de máquina, o fator
de confiança para as evidências varia de -1 a 1 para
representar a certeza do fato.
50. Aprendizagem de máquina pode ajudar a
clusterização na identificação de outliers, que são
objetos completamente diferentes do padrão da
amostra.
51. O objetivo das técnicas de pré-processamento de
dados é preparar os dados brutos para serem
analisados sem erros de incompletudes,
inconsistências e ruídos.
52. Agrupar registros em grupos, de modo que os
registros em um grupo sejam semelhantes entre si
e diferentes dos registros em outros grupos é uma
maneira de descrever conhecimento descoberto
durante processos de mineração de dados.
53. Uma big data não engloba dados não estruturados,
mas inclui um imenso volume de dados
estruturados suportado por tecnologias como
o DataMining e o DataWarehouse para a obtenção
de conhecimento a partir da manipulação desses
dados.
54. Assinale a opção que indica um processo de
extração e transformação de dados em um data
warehouse.
a) Big Data
b) OLAP
c) OLTP
d) ETL
e) machine learning
3
Professor: Murilo B de Camargo
Turma: Carreiras Policiais
Data: 20/02/2021 INFORMÁTICA

GABARITO
28. Errado
1. Certo
29. Errado
2. Errado
30. Certo
3. Errado
31. Errado
4. Certo
32. Errado
5. Certo
33. Certo
6. Certo
34. Certo
7. Certo
35. Certo
8. Certo
36. C
9. Errado
37. Certo
10. Certo
38. Certo
11. Errado
39. Certo
12. Certo
40. Certo
13. Certo
41. Errado
14. Certo
42. Errado
15. Errado
43. E
16. Certo
44. Certo
17. Errado
45. Errado
18. Certo
46. B
19. Errado
47. Errado
20. Certo
48. Certo
21. Errado
49. Errado
22. Certo
50. Certo
23. Errado
51. Certo
24. Certo
52. Certo
25. Certo
53. Errado
26. Errado
54. D
27. Certo

MUDE SUA VIDA!

4