Pular para o conteúdo principal

Questão de Banco de Dados — Data Mining — SELECON 2021

Banco de DadosData Mining
Código
qq685279
Banca
SELECON
Órgão
EMGEPRON
Ano
2021
Nível
Superior
Cargo
Analista de Sistemas (Auditoria)
No que diz respeito à mineração de dados, Data Mining é um processo para explorar grandes quantidades de dados à procura de padrões consistentes, visando transformar dados em informações úteis, e que utiliza diversas técnicas de análise e mineração de dados, das quais três são caracterizadas a seguir.I. É direcionada ao agrupamento de dados, com base em um critério de identificação de dados semelhantes, fundamental para a seleção de grupos e posterior geração de insights.II. São utilizadas com mais frequência nos estágios iniciais do processo de Data Mining que servem para modelar relações entre os dados que entram e saem do processo de mineração. Por meio do uso de algoritmos, podem reconhecer padrões escondidos e correlações em dados brutos, agrupá-los e classificá-los e, com o tempo, aprender e melhorar continuamente.III. É uma ferramenta para ajudar uma pessoa, ou um grupo de pessoas, a tomarem uma decisão ao visualizar as suas ramificações e consequências. É uma ferramenta de suporte bastante útil para orientar discussões e guiar um grupo na resolução de um problema ou, até mesmo, na elaboração de um plano de ação. É de fácil interpretação dos dados e mostra o caminho a ser percorrido para alcançar determinado objetivo.Essas técnicas em I, II e III, são conhecidas, respectivamente, como:
  1. Avisualização, redes neurais e gráfico de Pareto
  2. Bclusterização, redes neurais e árvore de decisão
  3. Cvisualização, regras de associação e árvore de decisão
  4. Dclusterização, regras de associação e gráfico de Pareto
Revelar gabarito e comentário

GabaritoB — clusterização, redes neurais e árvore de decisão

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”.

Mineração de Dados: Técnicas de Data Mining

Gabarito: letra B. As descrições correspondem, respectivamente, a clusterização (agrupamento por similaridade), redes neurais (aprendizado contínuo e reconhecimento de padrões) e árvore de decisão (suporte à decisão com ramificações). A banca cobra a diferenciação entre técnicas clássicas de Data Mining.

A questão apresenta três descrições típicas de técnicas de mineração de dados. Vamos analisar cada uma:

  • Item I: Fala em "agrupamento de dados" e "identificação de dados semelhantes". Isso é a essência da clusterização (ou análise de conglomerados), que particiona os dados em grupos homogêneos sem conhecimento prévio de categorias. Não se confunde com visualização, que é representação gráfica, nem com regras de associação, que buscam correlações entre itens.

  • Item II: Menciona "reconhecer padrões escondidos e correlações" e "com o tempo, aprender e melhorar continuamente". Essa capacidade de aprendizado incremental é característica das redes neurais (ou redes neurais artificiais), que ajustam seus pesos com base em novos dados. Regras de associação não "aprendem continuamente"; são extraídas de uma vez.

  • Item III: Descreve uma ferramenta que "visualiza ramificações e consequências" e "mostra o caminho a ser percorrido para alcançar determinado objetivo". Isso é exatamente uma árvore de decisão, que representa decisões e seus possíveis resultados em uma estrutura hierárquica. Já o gráfico de Pareto é um diagrama de barras para priorizar problemas, sem ramificações.

Técnica (Item)

Descrição Principal

Característica Distintiva

Exemplo de Aplicação

I – Clusterização

Agrupamento de dados por similaridade

Identifica grupos homogêneos sem categorias prévias

Segmentação de clientes

II – Redes Neurais

Reconhecimento de padrões e correlações ocultas

Aprendizado contínuo e melhoria incremental

Previsão de séries temporais

III – Árvore de Decisão

Suporte à decisão com ramificações hierárquicas

Mostra caminhos e consequências de escolhas

Classificação de risco de crédito

1Clusterização
Agrupamento por similaridade
Sem categorias prévias
2Redes neurais
Aprendizado contínuo
Reconhece padrões ocultos
3Árvore de decisão
Ramificações de decisão
Caminho até o objetivo
Técnicas de Data Mining
LEVELsoulevel.com.br
Técnicas de Data Mining: Clusterização (Agrupamento por similaridade, Sem categorias prévias); Redes neurais (Aprendizado contínuo, Reconhece padrões ocultos); Árvore de decisão (Ramificações de decisão, Caminho até o objetivo)

Alternativa A — ❌ Incorreta

Troca clusterização por visualização e árvore de decisão por gráfico de Pareto. Visualização não é técnica de agrupamento; gráfico de Pareto não apresenta ramificações de decisão.

Alternativa B — ✅ Correta ⟵ GABARITO

Corresponde exatamente à sequência correta: clusterização (I), redes neurais (II) e árvore de decisão (III).

Alternativa C — ❌ Incorreta

Troca redes neurais por regras de associação no item II, mas regras de associação não possuem capacidade de aprendizado contínuo.

Alternativa D — ❌ Incorreta

Troca redes neurais por regras de associação e árvore de decisão por gráfico de Pareto, acumulando dois erros.

PEGA ESSA DICA!

Para questões sobre técnicas de Data Mining, foque nas palavras-chave: agrupamento → clusterização; aprendizado contínuo/redes neurais → redes neurais; ramificações/decisão → árvore de decisão; regras do tipo "se-então" → regras de associação.

Gabarito: letra B.

Link permanente: /questoes/qq685279