O aspecto que mais influencia a definição de uma abordagem de detecção de anomalias, entretanto, está relacionado à disponibilidade e ao uso dos rótulos dos dados. Pode haver informações sobre o rótulo dos dados normais, das anomalias, ambos e também sobre nenhum deles. Desta forma, sobre a abordagem não supervisionada para detecção de anomalias, assinale a alternativa correta.

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