MLII

A _____________ abriu um mundo de possibilidades para os

negócios. O campo de estatísticas computacionais compara milhões

de dados isolados, sendo usado por empresas para detectar e

prever o comportamento do consumidor. Seu objetivo é gerar novas

oportunidades de mercado.

• Tecnologia.

• Mineração de dados.

• Mineração de intuições.

• Clustering.

O campo da mineração de dados combina ferramentas de estatística

e inteligência artificial (como redes neurais e aprendizado de

máquina) com gerenciamento de banco de dados para analisar

grandes coleções digitais, conhecido como conjuntos de dados

(CLIFTON, 2019).

• Certo.

• Errado.

A minoria dos tipos de mineração de dados são direcionados para

averiguar o conhecimento geral de um grupo ao invés do

conhecimento de indivíduos específicos.

• Certo.

• Errado.

Segundo a Microsoft (CONCEITOS, 2019), os modelos de mineração

podem ser se aplicados a cenários específicos, exceto:

• Previsão

• Risco e probabilidade

• Agrupamento

• localização

A modelagem ________ é usada quando o objetivo é estimar o valor

de um atributo de destino específico e existem dados de

treinamento de amostra para os quais os valores desse atributo são

conhecidos.

• Preditiva

• Descritiva

A modelagem ___________, ou clustering, também divide os dados em

grupos. Com o agrupamento, no entanto, os grupos apropriados não

são conhecidos com antecedência, e os padrões descobertos pela

análise dos dados são usados para determinar os grupos.

• Descritiva

• Preditiva

O clustering ou análise de agrupamento de dados é o conjunto de

técnicas de prospecção de dados (data mining) que visa fazer

agrupamentos automáticos de dados segundo o seu grau de

semelhança. O critério de semelhança faz parte da definição do

problema e, dependendo, do algoritmo.

• Certo

• Errado

A mineração de padrões concentra-se na identificação de regras que

descrevem padrões específicos nos dados.

• Certo

• Errado

O processo de explorar bases de dados usando ferramentas

adequadas para obter conhecimento ficou conhecido como:

• Mineração de dados

• Knowledge Discovery in Databases (KDD)

• Clustering

• Big Data

A KDD é um processo contínuo e composto de diferentes etapas.

Uma de suas funções consiste em desenvolver, aprimorar e aplicar

técnicas e ferramentas capazes de extrair informações úteis dos

dados armazenados.

• Certo

• Errado