Questão de Banco de Dados — BI (Business Intelligence) — CESPE / CEBRASPE 2025
Banco de Dados›BI (Business Intelligence)
Código
ce202059
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Pesquisador – Área: Gestão da Informação – Subárea: Engenharia de Dados
Julgue o próximo item, relativo a aprendizado de máquina e BI (Business Intelligence).O algoritmo de agrupamento K-means — baseado em centroides, que divide um conjunto de dados em grupos semelhantes com base na distância entre seus centroides — pode ser utilizado para, a partir de uma base de dados de uma rede social, identificar comunidades de usuários com interesses comuns em determinados assuntos.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Algoritmo K-means e identificação de comunidades
✅ CERTO. O K-means é um algoritmo de agrupamento (clustering) não supervisionado que particiona um conjunto de dados em grupos com base na distância entre os pontos e os centroides de cada cluster. Sua aplicação é perfeitamente adequada para identificar comunidades de usuários com interesses comuns em redes sociais, agrupando perfis semelhantes — tarefa comum tanto em aprendizado de máquina quanto em projetos de BI.
1Definir k clusters
2Inicializar centroides
3Atribuir pontos ao centroide mais próximo
4Recalcular centroides (média)
5Repetir até convergir
LEVEL · soulevel.com.br
Afirmativa — ✅ CERTO
O K-means é um algoritmo de clusterização baseado em centroides: cada cluster é representado por seu centroide (média dos pontos do grupo), e os objetos são atribuídos ao cluster cujo centroide estiver mais próximo (geralmente usando distância euclidiana). Trata-se de uma técnica não supervisionada, ou seja, não requer rótulos prévios — os próprios dados revelam a estrutura de agrupamento.
No contexto de redes sociais, é comum aplicar clustering para segmentar usuários por comportamento, interesses ou perfil demográfico. O K-means pode, sim, identificar comunidades com interesses comuns a partir de atributos como curtidas, compartilhamentos, palavras-chave em postagens, etc. Essa é uma aplicação clássica de mineração de dados (data mining) e está alinhada com os objetivos de BI.
O item descreve corretamente o funcionamento do algoritmo ("baseado em centroides", "divide um conjunto de dados em grupos semelhantes com base na distância entre seus centroides") e sua aplicação prática. Portanto, está certo.
PEGA ESSA DICA!
Lembre-se de que o K-means exige que o número de clusters () seja definido previamente. Em problemas reais, técnicas como o método do cotovelo ou o índice de silhueta ajudam a escolher o adequado.