-
Olá pessoal (GABARITO CORRETO)
A mineração de dados é o processo de descoberta de informações acionáveis em grandes conjuntos de dados. A mineração de dados usa análise matemática para derivar padrões e tendências que existem nos dados.Normalmente, esses padrões não podem ser descobertos com a exploração de dados tradicional pelo fato de as relações serem muito complexas ou por haver muitos dados.
---------------------------------
Fonte: https://msdn.microsoft.com/pt-br/library/ms174949(v=SQL.120).aspx
-
Certo
Se analisarmos qualquer definição formal de Data Mining, por exemplo:
“Mineração de dados, ou data mining, é o processo de análise de
conjuntos de dados que tem por objetivo a descoberta de padrões
interessantes e que possam representar informações úteis.”
Segundo a teoria Data Mining é um mistura de diferentes disciplinas:
Estatística, Aprendizado de máquina e Banco de dados. Podemos então
verificar que os termos listados na questão se enquadram perfeitamente
dentro do contexto e das definições existentes.
http://www.itnerante.com.br/profiles/blogs/tcu-2015-an-lise-de-informa-es-resolu-o-das-quest-es-banco-de
-
"Vamos revisar rapidamente o que há de mais moderno nesse vasto campo de mineração de dados, que utiliza técnicas de áreas como aprendizado de máquinas, estatística, redes neurais e algoritmos genéticos."
"Uma rede neural é uma técnica derivada da pesquisa de inteligência artificial que usa a regressão generalizada e oferece um método iterativo para executá-la."
Fonte: Sistemas de banco de dados, 6ª Ed. Elmarsi, Navathe. p. 698 e 714.
-
correto- em data mining, a fonte de dados (bancos, logs, relatorios, transações) tem uma limpeza (remoção de ruido, redundancias etc), assim originando o datawarehouse, o qual é um repositorio de tudo somente para leitura, e data marts, os quais sao repositorios especificos.
-
Gab: CERTO
O diferencial do Data Mining está no fato de que as descobertas de padrões de consumo se dão por uma lógica de algoritmos com base em uma rede neural de raciocínios. São ferramentas de descobertas matemáticas feitas sobre os registros corporativos já processados contra descobertas empíricas.
-
Prezados,
O Data mining envolve diversas e variadas técnicas , sendo que elas tem origem na matemática, estatÍstica e IA.
Portanto a questão está correta.
-
Correto! A mineração é uma atividade multidisciplinar, envolvendo computação, matemática e estatística. Alguns métodos oriundos da inteligência artificial, mais especificamente de aprendizado de máquina, costumam ser empregados, de modo a realizar as tarefas de mineração de maneira parcialmente autônoma.
-
(C)
Outras conceituais da CESPE que ajudam a resolver:
PF18Descobrir conexões escondidas e prever tendências futuras é um dos objetivos da mineração de dados, que utiliza a estatística, a inteligência artificial e os algoritmos de aprendizagem de máquina.(C)
PF18 pode-se definir mineração de dados como o processo de identificar, em dados, padrões válidos, novos, potencialmente úteis e, ao final, compreensíveis.(C)
As ferramentas de Data Mining permitem ao usuário avaliar tendências e padrões não conhecidos entre os dados. Esses tipos de ferramentas podem utilizar técnicas avançadas de computação como redes neurais, algoritmos genéticos e lógica nebulosa, dentre outras.(C)
A finalidade do uso do data mining em uma organização é subsidiar a produção de afirmações conclusivas acerca do padrão de comportamento exibido por agentes de interesse dessa organização.(C)
A descoberta de novas regras e padrões em conjuntos de dados fornecidos, ou aquisição de conhecimento indutivo, é um dos objetivos de data mining.(C)
-
Certo
Acrescentando o meu comentário que eu fiz em 2015 kkkkkk
Descobrir conexões escondidas e prever tendências futuras é um dos objetivos da mineração de dados, que utiliza a estatística, a inteligência artificial e os algoritmos de aprendizagem de máquina.
Certo
"O processo de minerar dados para descobrir conexões escondidas e prever tendências futuras tem uma longa história. Por vezes chamado de "descoberta de conhecimento em bancos de dados", o termo "mineração" só foi cunhado nos anos 1990, mas sua base compreende três disciplinas científicas entrelaçadas que existem há tempos: estatística (o estudo numérico das relações entre dados), inteligência artificial (inteligência exibida por softwares e/ou máquinas, que se assemelha à humana) e machine learning (algoritmos que podem aprender com dados para realizar previsões). A tecnologia de mineração de dados continua evoluindo para acompanhar o potencial ilimitado do big data e a computação de baixo custo."
Fonte:
-
NOTA NO BIZUZEIRO, MEU AMIGO.
Linda essa questão.
-
SE BOTAR: QUE SE RELACIONA TAMBÉM COM TIPOS DE NIPS E HIDS FICA MAIS REDONDO AINDA.
-
Definiçãozinha massa de Data Minig
-
CERTO
Técnicas que podem ser utilizadas no Data mining:
- Estatística
- Inteligência Artificial (I.A)
- Machine Learning (aprendizagem de máquina)
- Redes Neurais
(CESPE) "Descobrir conexões escondidas e prever tendências futuras é um dos objetivos da mineração de dados, que utiliza a estatística, a inteligência artificial e os algoritmos de aprendizagem de máquina."
-
Data Mining:
A mineração de dados é um processo que permite encontrar padrões e relacionamentos ocultos em conjuntos de dados, de modo a subsidiar a tomada de decisão;
É um processo multidisciplinar, envolvendo estatística, matemática e computação;
Inúmeros propósitos: marketing, detecção de fraudes, saúde, sistemas de recomendação, entre outros.
-
CERTO
P/ passar: R A L E I
Redes neurais
Aprendizado de máquina
Lógica de algorítimo
Estatísiica
Inteligência Artificial
Obs: Na verdade, estou ralando muito! kkk mas fica o mnemônico aí p "nois" rsrsrs #vamospracima!
-
CERTO
Técnicas que podem ser utilizadas no Data mining:
- Estatística
- Inteligência Artificial (I.A)
- Machine Learning (aprendizagem de máquina)
- Redes Neurais
(CESPE) "Descobrir conexões escondidas e prever tendências futuras é um dos objetivos da mineração de dados, que utiliza a estatística, a inteligência artificial e os algoritmos de aprendizagem de máquina."
-
A mineração de dados combina métodos e ferramentas das seguintes áreas: aprendizagem de máquina, banco de dados, sistemas especialistas e visualização de dados.