No que diz respeito à mineração de dados, Data Mining é um processo para explorar grandes quantidades de dados à procura de padrões consistentes, visando transformar dados em informações úteis, e que utiliza diversas técnicas de análise e mineração de dados, das quais três são caracterizadas a seguir.

I. É direcionada ao agrupamento de dados, com base em um critério de identificação de dados semelhantes, fundamental para a seleção de grupos e posterior geração de insights.

II. São utilizadas com mais frequência nos estágios iniciais do processo de Data Mining que servem para modelar relações entre os dados que entram e saem do processo de mineração. Por meio do uso de algoritmos, podem reconhecer padrões escondidos e correlações em dados brutos, agrupá-los e classificá-los e, com o tempo, aprender e melhorar continuamente.

III. É uma ferramenta para ajudar uma pessoa, ou um grupo de pessoas, a tomarem uma decisão ao visualizar as suas ramificações e consequências. É uma ferramenta de suporte bastante útil para orientar discussões e guiar um grupo na resolução de um problema ou, até mesmo, na elaboração de um plano de ação. É de fácil interpretação dos dados e mostra o caminho a ser percorrido para alcançar determinado objetivo.

Essas técnicas em I, II e III, são conhecidas, respectivamente, como:

No que diz respeito à análise das informações e tomada de decisões, um termo possui as características listadas a seguir.

- É um sistema utilizado para armazenar dados, de uma maneira organizada.

- Pode guardar informações relativas às atividades de uma organização em bancos de dados, de forma consolidada. O desenho da base de dados favorece os relatórios, a análise de grandes volumes de dados e a obtenção de informações estratégicas que podem facilitar a tomada de decisão.

- Centraliza e consolida grandes quantidades de dados de várias fontes. Seus recursos analíticos permitem que as organizações obtenham informações de negócios úteis de seus dados para melhorar a tomada de decisões.

Esse termo é conhecido como:

A arquitetura OLAP representa um método que garante que os dados corporativos sejam analisados de forma mais ágil, consistente e interativa pelos gerentes, analistas, executivos e outros interessados nas informações. Constitui uma interface com o usuário e não uma forma de armazenamento de dados, porém se utiliza do armazenamento para poder apresentar as informações. Entre os métodos de armazenamento, quatro são descritos a seguir.

I. Os dados são armazenados de forma relacional.

II. O s d a d o s s ã o a r m a z e n a d o s d e f o r m a multidimensional.

III. Uma combinação dos métodos caracterizados em I e em II.

IV. O conjunto de dados multidimensionais deve ser criado no servidor e transferido para o desktop, além de permitir portabilidade aos usuários OLAP que não possuem acesso direto ao servidor.

O métodos descritos em I, II, III e IV são conhecidos, respectivamente, pelas siglas:

Qual das alternativas representa uma das três leis dos dados abertos?

Quando uma loja de e-commerce sugere um produto para o cliente com base em suas compras e/ou pesquisas recentes ou uma plataforma de streaming sugere um filme ou série com base no que o cliente comumente assiste, os algoritmos destes ambientes estão usando o conceito de aprendizado de máquina. Tipicamente, estes algoritmos são classificados como:

Dentro de sistemas de apoio à tomada de decisão, temos um conjunto de ferramentas e atividades, denominado OLAP (Online Analytical Processing), que permite a manipulação e análise de dados sob diversas perspectivas. O OLAP é inicialmente caracterizado pela análise dinâmica e multidimensional dos dados consolidados de uma organização, permitindo que as atividades do usuário final sejam tanto analíticas quanto navegacionais. Graças ao OLAP, os usuários podem criar representações multidimensionais (chamadas hypercubes ou 'cubos OLAP). Dentro de um cubo, grandezas que permitem comparações e cálculos são denominadas:

No contexto de servidores Windows, arquivos do tipo ETL são arquivos de:

Com respeito ao pacote reticulate da linguagem R, que propicia uma interface com os módulos, classes e funções do Python, julgue o item a seguir.

Para executar o código Python codigo.py no ambiente R, pode-se utilizar o seguinte código R.

library(reticulate)

py_read("codigo.py")