TI - Ciência de Dados e Inteligência Artificial · INSTITUTO AOCP · 2024 | Questão sqc-qa630906

Pré-processamento de dados: transformação

Gabarito: letra B. O enunciado descreve a transformação dos dados, etapa do pré-processamento que engloba técnicas como suavização, agrupamento, generalização, normalização e criação de novos atributos — exatamente o que a alternativa B afirma. As demais etapas (limpeza, integração, redução) têm escopos distintos, e "enriquecimento" não é uma etapa clássica do processo de mineração de dados.

O pré-processamento é a fase que prepara os dados brutos para a mineração, e é dividido em quatro grandes etapas: limpeza, integração, transformação e redução. Cada uma ataca um problema específico da qualidade dos dados. A limpeza lida com dados incompletos, ruidosos e inconsistentes — preenche valores ausentes, suaviza ruídos e corrige inconsistências. A integração combina dados de múltiplas fontes em um repositório único. A transformação — o foco da questão — modifica a forma ou a escala dos dados para torná-los adequados aos algoritmos de mineração. A redução diminui o volume de dados sem perder informação relevante.

A transformação é a etapa que mais se confunde com as outras, porque ela opera sobre os dados já limpos e integrados, alterando sua representação. As técnicas citadas no enunciado são a assinatura dessa etapa: suavização (remove ruído, muitas vezes confundida com limpeza), agrupamento (agrega valores em categorias), generalização (substitui valores de baixo nível por conceitos de alto nível), normalização (escala os dados para um intervalo comum, como 0 a 1) e criação de novos atributos (deriva novas variáveis a partir das existentes, como calcular a idade a partir da data de nascimento).

A pegadinha da banca está em listar a suavização, que é uma técnica de limpeza de ruído, junto com as demais técnicas de transformação. Isso faz o candidato desavisado marcar "limpeza dos dados". Mas a suavização, embora apareça na limpeza, também é usada na transformação — e o enunciado cita quatro técnicas inequivocamente de transformação (agrupamento, generalização, normalização e criação de atributos), o que torna a resposta clara.

NÃO CAIA NESSA!

A banca mistura a suavização (técnica típica da limpeza de dados) com as técnicas de transformação para induzir o candidato a marcar a letra D. Mas repare: o enunciado lista agrupamento, generalização, normalização e criação de novos atributos — todas inequivocamente da transformação. A suavização, embora apareça na limpeza, também é usada na transformação. O conjunto das cinco técnicas aponta para a transformação, não para a limpeza.

Critério	Limpeza (D)	Transformação (B) ✅	Integração (C)	Redução (A)
Técnicas citadas no enunciado	Apenas suavização	Todas as 5 (suavização, agrupamento, generalização, normalização, criação de atributos)	Nenhuma	Apenas generalização (parcial)
Objetivo principal	Corrigir dados incompletos, ruidosos e inconsistentes	Modificar forma/escala dos dados para os algoritmos	Combinar dados de múltiplas fontes	Diminuir volume sem perder informação
Técnicas típicas	Preenchimento de valores ausentes, suavização, correção de inconsistências	Suavização, agrupamento, generalização, normalização, criação de atributos	Resolução de conflitos de esquema/valores, identificação de duplicatas	Seleção de atributos/instâncias, discretização, PCA
Posição no fluxo	Primeira etapa	Após limpeza e integração	Antes da transformação	Etapa final

Alternativa A — ❌ Incorreta

A redução dos dados é uma etapa distinta do pré-processamento, que visa diminuir o volume de dados sem perder informação relevante. Suas técnicas típicas são: seleção de atributos, seleção de instâncias, discretização e redução de dimensionalidade (como PCA). Nenhuma das técnicas citadas no enunciado (suavização, agrupamento, generalização, normalização, criação de atributos) pertence à redução — a generalização até aparece na redução, mas as demais não.

Alternativa B — ✅ Correta ⟵ GABARITO

A transformação dos dados é exatamente a etapa que modifica a representação dos dados para adequá-los aos algoritmos de mineração. As técnicas citadas no enunciado são a definição clássica dessa etapa: suavização (remove ruído), agrupamento (agrega valores), generalização (eleva o nível de abstração), normalização (escala os dados) e criação de novos atributos (deriva novas variáveis). É a única alternativa que engloba todas as técnicas listadas.

Alternativa C — ❌ Incorreta

A integração dos dados é a etapa que combina dados de múltiplas fontes (bancos de dados, arquivos, sistemas) em um repositório único e coerente. Suas técnicas envolvem resolução de conflitos de esquema e de valores, identificação de entidades duplicadas e consolidação de dados. Nenhuma das técnicas citadas (suavização, agrupamento, generalização, normalização, criação de atributos) pertence à integração — ela ocorre antes da transformação.

Alternativa D — ❌ Incorreta

A limpeza dos dados é a etapa que trata dados incompletos, ruidosos e inconsistentes. Suas técnicas incluem preenchimento de valores ausentes, suavização de ruído e correção de inconsistências. A suavização é uma técnica de limpeza, o que pode confundir o candidato. Mas as demais técnicas citadas (agrupamento, generalização, normalização, criação de atributos) não pertencem à limpeza — são da transformação. O conjunto das cinco aponta para a transformação.

Alternativa E — ❌ Incorreta

Enriquecimento dos dados não é uma etapa clássica do pré-processamento na mineração de dados. O termo é usado em contextos como enriquecimento de dados de clientes com fontes externas, mas não faz parte do processo padrão de KDD/CRISP-DM. As etapas canônicas são: limpeza, integração, transformação e redução. O enunciado descreve claramente a transformação.

Gabarito: letra B — a transformação dos dados é a etapa que utiliza suavização, agrupamento, generalização, normalização e criação de novos atributos.