Sobre Métodos de Mineração de Dados são feitas as afirmativas a

Curso de Análise e Desenvolvimento de Sistemas
Disciplina: Sistemas de Apoio a Tomada de Decisão
Prof. Edson Brito
Turma: ASN081
01 - Sobre Métodos de Mineração de Dados são feitas as afirmativas a seguir.
I – Nas árvores de decisão o processo de reprodução é feito através de mutação e cruzamento.
II – Os algoritmos de Redes Neurais podem ser utilizados para realizar Classificação.
III – A segmentação de mercado é um exemplo de aplicação da Clusterização.
Está(ão) correta(s) a(s) afirmativas(s):
(A) I, apenas.
(B) II, apenas.
(C) I e II, apenas.
(D) II e III, apenas.
(E) I, II e III.
02 - A Livraria Virtual Ltda. decidiu introduzir a venda de livros através de sua homepage. Para tal, ela
precisa dispor de um sistema que possa determinar, com base em seu atual banco de dados, uma
segmentação de clientes para a posteriori utilizar esta informação na personalização do acesso à
homepage. Que tipo de Sistema poderá ajudar a empresa na segmentação de seus clientes?
(A) Sistema de Apoio a Transação – SPT.
(B) Sistema de Gerenciamento de Clientes - CRM.
(C) Sistema de Apoio a Tomada de Decisão – SAD
(D) Sistema de Produção Produção - MRP.
(E) Sistema de Informação Gerencial – SIG
03 - Em um Data Warehouse, é correto afirmar que a aquisição da informação:
(A) É a camada responsável por prover o armazenamento da informação.
(B) É a camada responsável por reunir, refinar, limpar e agregar os dados dos sistemas de produção. O
dado deve estar correto e prover um único significado para facilitar a tomada de decisão.
(C) É parte da arquitetura que suportará um conjunto de ferramentas de apresentação e análise.
(D) É um conjunto integrado de dados de apoio às decisões gerenciais, não-volátil, baseado em assuntos
e variável em relação ao tempo.
04 - Pode ser definido como um banco de dados especializado que integra e gerencia o fluxo de
informações a partir dos bancos de dados corporativos e fontes de dados externos a empresa:
(A) ERP
(B) Workflow
(C) Data mining
(D) Data warehouse
(E) Business Intelligence
05 – KDD é o processo de extração de padrões (conhecimentos) embutidos nos dados. Além disso, os
padrões extraídos devem ser válidos, novos (previamente desconhecidos), potencialmente úteis e
compreensíveis. O processo KDD é composto por um conjunto de etapas na qual uma delas tem como
função: reduzir o número de amostras, atributos, intervalos de atributos; normalizar. Tal etapa refere-se a:
(A) Etapa de Mineração de Dados
(B) Etapa de Seleção dos Dados
(C) Etapa de Pré-processamento e Transformação de Dados
(D) Etapa de Avaliação
(E) Etapa de Interpretação
06 – “Separar os registros de uma base de dados em subconjuntos ou clusters, de tal forma que os
elementos compartilhem de propriedades comuns que os distingam de elementos de outros clusters.” Tal
afirmação refere-se a uma das tarefas de mineração de dados conhecida como:
(A) Classificação
(B) Agrupamento
(C) Associação
(D) Adição
(E) Regressão
07 - Uma vez induzida uma hipótese (classificador) esta pode ser muito especifica para o conjunto de
treinamento utilizado. Caso este conjunto não seja suficientemente representativo, o classificador pode
ter um bom desempenho no conjunto de treinamento, mas não no conjunto de teste. Diz-se, neste caso,
que o classificador ajustou-se em excesso ao conjunto de treinamento, ocorrendo um fenômeno chamado
de:
(A) KDD
(B) Acurácia
(C) Underfitting
(D) Overfitting
(E) Predição
08 - É um modelo de conhecimento em que cada nó interno da árvore representa uma decisão sobre um
atributo que determina como os dados estão particionados pelos seus nós filhos. Inicialmente, a raiz da
árvore contém toda a base de dados com exemplos misturados das várias classes. Tal afirmativa referese ao algoritmo de aprendizado conhecido como:
(A) Redes Neurais
(B) Árvore de Decisão
(C) Naive Baysian
(D) KNN
(E) Aprendizado de Máquina
09 – “Ferramenta de Business Intelligence para apoiar as empresas nas análises das informações com
objetivo de obter novos conhecimentos a serem empregados no processo de decisão. Suas principais
características são: tecnologia voltada para consultas, os dados não sofrem alterações, os dados e
consultas são gerenciais, visão multidimensional dos dados e cálculos complexos.” Tal afirmativa referese a:
(A) OLAP
(B) Data Mining
(C) Data Warehouse
(D) Data Mart
(E) OLTP
10 – “É um campo de estudo da IA voltado para a construção de programas que visam imitar o processo
natural da genética. Trabalha com métodos de busca aleatória.” Tal afirmativa refere-se a:
(A) Algoritmos Genéticos
(B) Lógica FUZZY
(C) Raciocínio Baseado em Casos
(D) Redes Neurais Artificiais (RNA)
(E) Programação Genética
Gabarito: 01 – D, 02 – C, 03-D, 04 –D, 05 –C, 06 – B, 07 – D, 08 – B, 09 – A, 10 – E