2. Questões de Concurso
  3. Banco de Dados
  4. Assunto - Data Mining

Filtrar

Questões por página:

Relativamente aos conceitos de CRISP-DM, MLOps e Python, julgue o seguinte item.


No CRISP-DM, a etapa de data understanding inclui a construção e a validação de modelos preditivos, garantindo que os resultados estejam alinhados aos objetivos do negócio.

Julgue o próximo item, relativos a visualização de dados, banco de dados e BI (business intelligence).

As bibliotecas NumPy, Pandas, SciPy e Statsmodels são frequentemente usadas para manipulação e análise de dados em Python, enquanto Matplotlib, Seaborn e Plotly são amplamente utilizadas para visualização de dados, permitindo a criação de gráficos e plots interativos.
Um desenvolvedor de sistemas de informação está utilizando um algoritmo de Data mining que é um algoritmo não paramétrico de classificação por pontos de dados, com base em sua proximidade e associação com outros dados disponíveis, pressupondo que os pontos de dados semelhantes são encontrados próximos uns dos outros. Esse algoritmo é o:
O CRISP-DM (Cross-Industry Standard Process for Data Mining) é uma metodologia amplamente utilizada para a análise e mineração de dados. Ela fornece um framework estruturado para realizar projetos de análise de dados, cobrindo desde a compreensão inicial do problema até a implementação das soluções. O ciclo CRISP-DM é composto por seis etapas principais: (i) Compreensão do negócio; (ii) Compreensão dos dados; (iii) Preparação dos dados; (iv) Modelagem; (v) Avaliação; (vi) Desenvolvimento. Na fase de compreensão dos dados, as tarefas desempenhadas são:
São métodos de mineração de dados que podem ser aplicados à tarefa de Knowledge Discovery in Databases (KDD) de descoberta de associações, EXCETO:
© 2016-2025 Fonte Concursos - Questões de Concurso e Plano de Estudo