Questão de Banco de Dados — Data Mining — FGV 2024

Processo KDD — Fase de Transformação dos Dados

Gabarito: letra D. A geração de vetores reais de baixa dimensionalidade a partir de textos é uma atividade de transformação dos dados no processo KDD, pois converte dados brutos (textos) em uma representação numérica adequada para a fase de mineração. As demais opções referem-se a etapas distintas do processo.

No texto, Aline utiliza word2vec para gerar vetores — isso altera o formato original dos dados, aplicando uma técnica de representação (embedding). No KDD, a fase de transformação (ou pré-processamento) abrange exatamente esse tipo de conversão, criando atributos ou representações mais adequadas para análise.

Alternativa A — ❌ Incorreta

A seleção dos dados é a etapa de escolha das fontes e variáveis relevantes. Aline já selecionou os textos da rede social; a criação dos vetores ocorre após essa seleção.

Alternativa B — ❌ Incorreta

A limpeza dos dados envolve remoção de ruídos, correção de erros e tratamento de valores ausentes. O texto não menciona nenhuma ação de limpeza; a geração de vetores é uma transformação, não uma limpeza.

Alternativa C — ❌ Incorreta

A mineração dos dados é a etapa em que algoritmos são aplicados para descobrir padrões (classificação, clusterização etc.). A criação de vetores prepara os dados para mineração, mas não é a mineração em si.

Alternativa D — ✅ Correta ⟵ GABARITO

A transformação dos dados converte os dados em formatos adequados para a mineração. A representação de textos como vetores numéricos usando word2vec é um exemplo clássico de transformação. Conforme o processo KDD, essa fase inclui a criação de novos atributos e a redução de dimensionalidade.

Alternativa E — ❌ Incorreta

Enriquecimento dos dados (data enrichment) é o processo de agregar informações externas ou complementares aos dados existentes. A criação de vetores a partir do próprio texto não é enriquecimento, e sim transformação.

Gabarito: letra D.