O resultado desta avaliação ficará disponível após o dia 21/09/2023.

TEORIAS ANALÍTICAS AVANCADAS

Simulado: NPG7988_AV_202211500657 (AG)

Aluno(a): FERNANDA VIEIRA DIAS Matrícula: 202211500657
Data: 29/07/2023 21:43:12 (Finalizada)

1a Questão
(TCE-SP/FCC-2010) Considere uma dada população de eventos ou novos itens que podem ser particionados
(segmentados) em conjuntos de elementos similares, tal como, por exemplo, uma população de dados sobre
uma doença que pode ser dividida em grupos baseados na similaridade dos efeitos colaterais produzidos. Um
dos modos de descrever o conhecimento descoberto durante a Data Mining é chamado de:

Clustering.
Otimização.
Classificação.
Associação.
Temporização.

2a Questão
(TCM-PA/FCC-2010) Especificamente, um Data Mining no qual as tendências são modeladas conforme o
tempo, usando dados conhecidos, e as tendências futuras são obtidas com base no modelo possui a forma de
mining:

Espacial.
Textual.
Flocos de neve.
Estrela.
Preditivo.

3a Questão
Em relação às ferramentas e os fundamentos de Data Mining, é correto afirmar:

Estima-se que, atualmente, em média, 80% de todos os dados disponíveis são do tipo estruturado.
Existem diversas ferramentas open source e comerciais de Data Discovery. Dentre as open source está
a InfoSphere Data Explorer, e entre as comerciais está a Vivisimo, da IBM.
Os dados podem ser não estruturados (bancos de dados, CRM, ERP), estruturados (texto, documentos,
arquivos, mídias sociais, cloud) ou uma mistura de ambos (e-mails, SOA/web services, RSS). As
ferramentas de Data Discovery mais completas possuem conectividade para todas essas origens de
dados de forma segura e controlada.
Data Mining é o processo de descobrir conhecimento em banco de dados, que envolve várias etapas. O
KDD - Knowledge Discovery in Database é uma destas etapas, portanto, a mineração de dados é um
conceito que abrange o KDD.
 As ferramentas de Data Mining permitem ao usuário avaliar tendências e padrões não conhecidos entre
os dados. Esses tipos de ferramentas podem utilizar técnicas avançadas de computação como redes
neurais, algoritmos genéticos e lógica nebulosa, entre outras.
A etapa de KDD do Data Mining consiste em aplicar técnicas que auxiliem na busca de relações entre
os dados. De forma geral, existem três tipos de técnicas: Estatísticas, Exploratórias e Intuitivas. Todas
são devidamente experimentadas e validadas para o processo de mineração.

4a Questão
A etapa de Mineração de Dados compreende a busca efetiva por conhecimentos úteis no contexto da aplicação
de KDD (Knowledge Discovery in Database), ou Descoberta do Conhecimento em Bases de Dados. É a
principal etapa do processo de KDD. Acerca de algumas das tarefas do KDD, analise a assertiva a seguir:
compreende a busca por uma função que mapeie os registros de um banco de dados em um intervalo de
valores reais. Assinale a alternativa que apresenta esta tarefa:

Classificação.
Clusterização.
Sumarização.
Agrupamento.
Regressão.

5a Questão
Em relação às ferramentas e os fundamentos de Data Mining, é correto afirmar:

Estima-se que, atualmente, em média, 80% de todos os dados disponíveis são do tipo estruturado.
Existem diversas ferramentas open source e comerciais de Data Discovery. Dentre as open source, está
a InfoSphere Data Explorer, e entre as comerciais está a Vivisimo, da IBM.
A etapa de KDD do Data Mining consiste em aplicar técnicas que auxiliem na busca de relações entre
os dados. De forma geral, existem três tipos de técnicas: Estatísticas, Exploratórias e Intuitivas. Todas
são devidamente experimentadas e validadas para o processo de mineração.
Os dados podem ser não estruturados (bancos de dados, CRM, ERP), estruturados (texto, documentos,
arquivos, mídias sociais, cloud) ou uma mistura de ambos (e-mails, SOA/web services, RSS). As
ferramentas de Data Discovery mais completas possuem conectividade para todas essas origens de
dados de forma segura e controlada.
As ferramentas de Data Mining permitem ao usuário avaliar tendências e padrões não conhecidos entre
os dados. Esses tipos de ferramentas podem utilizar técnicas avançadas de computação, como redes
neurais, algoritmos genéticos e lógica nebulosa, entre outras.
Data Mining é o processo de descobrir conhecimento em banco de dados, que envolve várias etapas. O
KDD ¿ Knowledge Discovery in Database é uma destas etapas, portanto, a mineração de dados é um
conceito que abrange o KDD.

6a Questão
Qual o processo irmão do KDD que é utilizado comumente no âmbito industrial?

SIGM.
SIGKDD.
KDD-DM.
KDM.
 CRISP-DM.

7a Questão
Os modelos simbólicos são aqueles que:

Se baseiam em táticas de agrupamento por similaridade

São aqueles que só lidam com problemas categóricos
Se baseiam estritamente em dados e inferências estatísticas em cima deles
Se baseiam em lógica e regras de inferência para aprender e raciocinar
São aqueles que lidam apenas com problemas numéricos

8a Questão
O boom da IA se deve ao surgimento de novas tecnologias e dispositivos que por estarem sempre conectados
produzem uma quantidade enorme de dados. Estes dados que alimentam os modelos de aprendizado de
máquina também são conhecidos como:

Observações.
Big Data.
Dados Faltantes.
Conhecimento.
Informações.

9a Questão
Como podemos checar as métricas de classificação do modelo neural da biblioteca Scikit-Learn?

Regressão Linear
Gráfico de Histograma
Plotly
Gráfico de Matriz de Dispersão
Classification Report

10a Questão
A qual técnica de Aprendizado de Máquina o Algoritmo de Árvore de Decisão Classificadora pertence?

Regressão
Agrupamento
Classificação
Modelos Generativos
Q-Learning