Banco de Questões de Concursos

No modelo de referência CRISP‑DM, a fase que é geralmente executada em várias iterações, nas quais os analistas de dados executam vários modelos, utilizando as configurações padrão, e vão ajustando os parâmetros para valores otimizados é a(…

No que diz respeito ao modelo de referência CRISP-DM (Cross Industry Standard Process for Data Mining), julgue o item. No ciclo do CRISP-DM, a fase de implantação é a mais simples (jamais será um processo complexo), pois se resume à execuçã…

No que diz respeito ao modelo de referência CRISP-DM (Cross Industry Standard Process for Data Mining), julgue o item. O CRISP-DM é uma metodologia abrangente de mineração de dados e um modelo de processo que fornece, para os usuários de da…

Os analistas de Ciência de Dados da ALEGO reconhecem que a abordagem tradicional de análise de dados envolve um ciclo composto por diversas etapas e uma vez que tenham definidos seus modelos preditivos, eles podem ser aplicados a novos conj…

Com relação à técnica de clustering (agrupamento) em tarefas de Data Mining, analise a lista das notas de uma turma de alunos. [imagem] À luz do emprego do algoritmo K-means, assinale a distribuição dos alunos, de acordo com suas notas, em…

Assinale a alternativa que apresenta o método de mineração de dados que é especificamente associado a tarefas de classificação, cujo objetivo é classificar as instâncias em classes predefinidas com base em características ou atributos.

No que diz respeito ao modelo de referência CRISP-DM (Cross Industry Standard Process for Data Mining), julgue o item. A única desvantagem que impede o uso em larga escala do CRISP-DM é o seu alto custo, uma vez que os usuários somente pode…

Observe a seguinte estrutura do conjunto de dados PESSOA que contém dados sobre pessoas e a sua renda anual. [imagem] O conjunto de dados PESSOA será usado para a tarefa de aprendizagem supervisionada de classificação com a finalidade de pr…

Considere o seguinte conjunto de transações em uma loja de varejo: [imagem] A partir desse conjunto de transações, produz-se a regra de associação R: Leite → Pão Nesse contexto, é correto afirmar que a métrica de R que possui valor igual a…

O perceptron é um dos modelos de redes neurais artificiais mais simples e tradicionais. A figura a seguir ilustra o grafo arquitetural de um perceptron. Analise-a. [imagem] Com relação as características do grafo, analise as afirmativas a s…

No que diz respeito ao modelo de referência CRISP-DM (Cross Industry Standard Process for Data Mining), julgue o item. O entendimento do negócio é a fase do ciclo do CRISP-DM que exige mais tempo em mineração de dados, pois estima-se que es…

No que diz respeito ao modelo de referência CRISP-DM (Cross Industry Standard Process for Data Mining), julgue o item. Modelagem e avaliação são algumas das fases do ciclo do CRISP-DM.

Modelos de regressão linear são métodos estocásticos para modelagem da relação entre variáveis aleatórias e uma função polinomial.

Enquanto um falso positivo é um erro do tipo 2, um falso negativo é um erro do tipo 1.

Data mining é o processo de descobrir padrões e informações valiosas em grandes conjuntos de dados, a partir da utilização de técnicas estatísticas, de aprendizado de máquina e de inteligência artificial.

Em uma rede neural artificial, a função de ativação é responsável por armazenar os pesos de cada conexão entre os neurônios para posterior retropropagação.

Em data mining, a técnica de regras de associação é usada para prever valores contínuos com base em atributos independentes, utilizando-se árvores de regressão.

Em um processo de mineração de texto, a tokenização é o processo de dividir textos longos em palavras individuais, removendo-se espaços e pontuação, para fins de identificação da frequência de termos ou da estrutura de uma frase em um grand…

Uma anomalia é um valor discrepante, ou seja, um valor que se localiza significativamente distante dos valores considerados normais.

Na metodologia CRISP-DM, a preparação dos dados serve para limpá-los, tratando valores ausentes, outliers e inconsistências.