Assim como no caso das outras tarefas de mineração de dados, a mineração de regras de associação também pode ser executada por diferentes algoritmos, sendo que muitos deles são variações e melhorias de um algoritmo pioneiro, o processo geral de minerar regras de associação está dividido em quatro passos. Com relação ao passo de pré-processamento da base, assinale a alternativa correta.

Com relação a algoritmos de classificação, classificar um objeto significa atribuir a ele um rótulo chamado classe de acordo com a categoria à qual ele pertence. Para que isso seja possível, um algoritmo de classificação é usado na construção de um modelo de classificação, também chamado de classificador, o qual é construído com base em um conjunto de treinamento com dados rotulados, ou seja, um conjunto de pares entrada-saída, ((x_i d_i, d_i)_i="₁.... _n, onde x_i as respectivas classes conhecidas a priori. Há uma grande variedade de algoritmos de classificação na literatura e é possível separá-los de acordo com sua estrutura. Diante do exposto, em relação à estrutura baseada em conhecimento, assinale a alternativa correta quanto à característica desta estrutura de classificação.

Todos os dias, empresas trabalham com uma enorme quantidade de dados, seja com informações cadastrais, preferências de consumidores, interações em redes sociais e transações com clientes. Quando esses dados são organizados e analisados por metodologias de Data Mining, podem garantir o sucesso das empresas, principalmente na tomada de decisões. Com a utilização das metodologias de mineração, é possível fazer correlações, desvendar tendências e verificara existência de padrões; dessa forma, consegue-se abstrair o conhecimento necessário para alavancar os negócios e tomar as decisões corretas.

Assinale a alternativa que apresenta corretamente uma metodologia para processos de mineração de dados.

A modelagem dimensional é uma técnica essencial para sistemas de apoio à tomada de decisão. Diante do exposto, assinale a alternativa correta que apresenta vantagem dessa técnica em relação ao tratamento de grandes volumes de dados.

O data warehouse (armazém de dados ou depósito de dados) é um acervo lógico que concentra vários tipos diferentes de bancos de dados, cuja função é consolidar as informações para a análise de negócio e tomada de decisão. Desta forma, assinale a alternativa que apresenta uma característica de um data warehouse.

Diferentemente dos bancos de dados que têm por objetivo gravar e apoiar o monitoramento e as decisões operacionais, assinale a alternativa que apresenta o principal objetivo de um Data Warehouse.

A ingestão de dados consiste na coleta, importação ou transferência de dados para um sistema de armazenamento e processamento. Em geral, a ingestão de dados representa o primeiro passo em um pipeline de processamento. Os dois principais métodos de ingestão de dados são a ingestão em lote (batch) e a ingestão em tempo real (streaming).

A respeito desses métodos, avalie as afirmativas a seguir.

I. A ingestão em lotes se dá continuamente ao longo do tempo e é utilizada quando há necessidade de se processar os dados imediatamente após sua coleta.

II. A ingestão em tempo real incorpora novos dados em massa, em intervalos ou blocos periodicamente transmitidos da fonte para o dispositivo em que ocorre o processamento.

III. Em ambos os métodos, é comum que os dados sejam transformados e validados, garantindo-se assim a precisão e a consistência das informações ingeridas.

Está correto o que se afirma em

Técnicas de redução de dimensionalidade são usadas em aprendizado de máquina para reduzir o número de características (dimensões, ou, do inglês, features) de um conjunto de dados. Uma das técnicas mais usadas para a redução de dimensionalidade é a Análise de Componentes Principais (Principal Component Analysis - PCA).

A respeito da PCA, avalie as afirmativas a seguir.

I. As componentes principais equivalem às direções resultantes do cálculo dos autovetores da matriz de covariâncias dos dados normalizados, selecionando-se aqueles autovetores associados aos menores autovalores, até um limite definido pelo analista.

II. As componentes principais equivalem, em geral, a combinações lineares das características originais do conjunto de dados.

III. A maior vantagem da PCA é a manutenção total das informações do conjunto de dados original, sem ocorrência de perdas decorrentes de projeções dos dados sobre as componentes principais.

Está correto o que se afirma em

Os outliers são dados que se distinguem significativamente dos demais no conjunto. Um outlier é um valor que se desvia substancialmente da normalidade e pode causar anomalias nos resultados gerados por algoritmos e sistemas de análise.

A seguir, é apresentado um gráfico de boxplot, que ilustra os retornos mensais das ações de uma empresa

Nesse contexto, analise as seguintes afirmações.

I. Outliers nunca devem ser removidos, pois sempre carregam informações importantes e não têm a capacidade de distorcer resultados ou enviesar modelos de análise.

II. A partir da análise visual do boxplot apresentado, é possível afirmar que o valor 14% é um outlier, pois ele está visivelmente distante do corpo principal dos dados, fora do intervalo interquartil (IQR).

III. Para a detecção de outliers, além da identificação visual, é possível utilizar métodos estatísticos e técnicas baseadas em aprendizado de máquina.

Está correto o que se afirma em