Filtrar


Questões por página:

Acerca de análise de agrupamentos e detecção de anomalias, julgue o próximo item.


A análise de agrupamentos (clusterização) é um método de aprendizado não supervisionado que agrupa dados em clusters baseado em similaridade, sem requerer rótulos prévios, sendo útil para a descoberta de padrões naturais e estruturas ocultas nos dados.

Acerca de análise de agrupamentos e detecção de anomalias, julgue o próximo item.


Detecção de anomalias é uma tarefa de identificação de padrões incomuns ou outliers em dados, sendo crítica em aplicações como detecção de fraude, monitoramento de segurança e manutenção preditiva, nas quais anomalias representam eventos raros, mas significativos.

A Análise de grupos, também conhecida como agrupamento de dados, é um termo genérico usado para designar um amplo espectro de métodos numéricos de análise de dados multivariados com o objetivo de descobrir grupos homogêneos de objetos. O agrupamento de objetos em diferentes grupos pode simplesmente representar uma forma conveniente de organizar grandes bases de dados de maneira que elas sejam mais facilmente compreendidas ou pesquisadas e, também, para realizar tarefas muito mais sofisticadas, como tomada de decisão em processos críticos. Diante do exposto, assinale a alternativa correta em relação aos itens que apresentam um algoritmo de agrupamento.
Um servidor público de um órgão previdenciário, após analisar um conjunto de dados sobre benefícios concedidos, percebeu uma ampla variação nos valores e nas características dos beneficiários.
Para organizar melhor essas informações, ele precisa agrupar os beneficiários conforme seus perfis, permitindo uma análise mais precisa e a implementação de políticas específicas para cada grupo.
Assinale a opção que contém o algoritmo mais apropriado para realizar a tarefa acima. 
Com relação à detecção de anomalias, avalie as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) A detecção de valor discrepante corresponde à identificação de uma observação, evento ou ponto de dados que representa um espaço vetorial multidimensional convexo e fixo, tornando-o inconsistente em relação ao resto do conjunto de dados.
( ) O aprendizado de máquina e a inteligência artificial são empregados para identificar automaticamente alterações inesperadas no comportamento normal de um conjunto de dados.
( ) As anomalias costumam ser raras e as características do comportamento normal podem ser complexas e dinâmicas, o que torna a detecção desafiadora.

As afirmativas são, respectivamente,