Questão 339688

• Banca: COSEAC
• Órgão: DATAPREV
• Ano: 2009
• Provas: COSEAC - 2009 - DATAPREV - Analista de Tecnologia da Informação - Análise de Informações
• Disciplina: Banco de Dados
• Assuntos: Data Mining

“Mining é parte de um processo maior de conhecimento, que o processo consiste, fundamentalmente, na estruturação do banco de dados; na seleção, preparação e pré- processamento dos dados; na transformação, adequação e redução da dimensionalidade dos dados; e nas análises, assimilações, interpretações e uso do conhecimento extraído do banco de dados.”

O processomaior citado no início do texto é denominado:

• A. Data mining;
• B. Data mart;
• C. Data warehouse;
• D. KDD;
• E. Segmentação de dados.

Gabarito: D

Comentários

• Para  Fayyad o KDD (Knowledge Discovery in Databases ou Descoberta de Conhecimento nas Bases de Dados)  refere-se a todo o processo de descoberta de conhecimento, e a Mineração de Dados a uma das atividades do processo.

  Processo KDD:

  Seleção dos dados > pré-processamento > transformação > mineração de dados  > Avaliação (padrões)  > Conhecimento
  

• KDD - KNOWLEDGE DISCOVERY IN DATABASES

• LETRA D

  A Mineração de Dados faz parte de um processo muito maior de descoberta de conhecimento chamada KDD (Knowledge Discovery in Databases – Descoberta de Conhecimento em Bancos de Dados). O processo de descoberta de conhecimento compreende cinco fases: 

  (1) Seleção; 

  (2) Pré-processamento; 

  (3) Transformação; 

  (4) Data Mining; 

  (5) Interpretação e Avaliação – alguns autores possuem uma classificação um pouco diferente.

  Fonte: Estratégia Concursos.

• Letra D

  KDD (extração do conhecimento)

  Conceitos:

  “é um processo, de várias etapas, não trivial, interativo e iterativo, para identificação de padrões compreensíveis, válidos, novos e potencialmente úteis a partir de grandes conjuntos de dados.“ (FAYYAD, 1996).

  “é um processo não trivial de identificação de novos padrões válidos, úteis e compreensíveis.”

  ___________________

  Fases do KDD:

  (1) Seleção de dados: seleciona um conjunto de dados para serem ANALISADOS (estruturados, semi-estruturados, não-estruturados)

  (2) Pré-processamento (limpeza): eliminar ruídos, tuplas vazias, corrigir ou remover dados inconsistentes, identificar anomalias (outliers).

  (3) Transformação dos dados: transformação dos dados utilizando métodos como: Normalização, Agregação, Criação de novos atributos, e Sintetização dos dados.

  (4) Mineração de dados (data mining): é a fase MAIS importante do processo de KDD. Aplicam-se técnicas para extrair informações a partir de um grande volume de dados e transforma essas informações em conhecimento útil.

  (5) Interpretação / Avaliação: interpreta e avalia os padrões extraídos na etapa de Mineração de dados. (podendo retornar a qualquer fase anterior caso seja necessário)