Questões

Total de Questões Encontradas: 50

No modelo multidimensional, significa, de forma simplificada, a redução do escopo dos dados em análise, além de mudar a ordem da dimensões, mudando, desta forma, a orientação segundo a qual os dados são visualizados. 

Trata-se de 
A
slice and dice.
B
joint.
C
grant.
D
split.
E
tuning.
Quando, em um modelo multimensional, o usuário pular de uma informação contida em uma dimensão para outra como por exemplo, da dimensão tempo para a dimensão região, a operação executada corresponde a 
A
roll trought.
B
select.
C
drill trought.
D
roll up.
E
join.
Quando, em um modelo multimensional, o usuário pular um nível intermediário dentro de uma mesma dimensão, como por exemplo, sendo a dimensão tempo composta por ano, semestre, trimestre, mês e dia e o usuário pular de ano para mês, a operação executada corresponde a 
A
tracking.
B
hashing.
C
drill down.
D
drill across.
E
union.
Os bancos de dados precisam atingir um equilíbrio entre a eficiência no processamento de transações e o suporte aos requisitos de consulta (solicitações ad hoc do usuário). Porém, um data warehouse (DW) é tipicamente otimizado para o acesso a partir das necessidades de um tomador de decisão. Portanto, o armazenamento de dados em um DW reflete essa especialização e NÃO envolve processos, tais como 
A
suporte à atualização de dados do DW e criação e manutenção das estruturas de dados necessárias no DW. 
B
exportação dos dados do DW para atualização dos BDs transacionais e purging de dados no DW. 
C
fornecimento de dados que variam no tempo, conforme novos dados são acrescentados no DW e purging de dados no DW. 
D
criação e manutenção das estruturas de dados necessárias no DW e de caminhos de acesso adequados no DW. 
E
armazenamento de dados de acordo com o modelo de dados do DW e atualização dos dados no DW. 
A mudança de uma hierarquia (orientação) dimensional para outra tem sua realização facilitada em um cubo de dados por meio de uma técnica chamada 
A
roteamento. 
B
pivoteamento. 
C
ROLAP. 
D
OLTP. 
E
MOLAP. 
Considere uma dada população de eventos ou novos itens que podem ser particionados (segmentados) em conjuntos de elementos similares, tal como, por exemplo, uma população de dados sobre uma doença que pode ser dividida em grupos baseados na similaridade dos efeitos colaterias produzidos. Como um dos modos de descrever o conhecimento descoberto durante a data mining este é chamado de
A
associação.
B
otimização.
C
classificação.
D
clustering.
E
temporização. 
Uma das abordagens de mining define que, se uma regra de classificação é considerada uma função sobre variáveis que as mapeia em uma classe destino, a regra é chamada 
A
categorização.
B
Apriori.
C
algoritmo genético.
D
regressão.
E
minimização.
No âmbito dos algoritmos associados ao mining, se houver um banco de dados com um número potencial pequeno de conjuntos de itens grandes, isto é, uns poucos milhares, então o suporte para todos eles pode ser testado em uma passagem usando a técnica específica de
A
hierarquização. 
B
partição. 
C
amostragem. 
D
árvore de padrão frequente. 
E
séries temporais. 
A data mining apoia o conhecimento indutivo que pode ser representado por

I. Lógica proposicional.
II. Árvores de decisão.
III. Redes neurais.
IV. Redes semânticas.

Está correto o que consta em
A
I e III, apenas.
B
II e III, apenas.
C
II, III e IV, apenas.
D
I, II e IV, apenas.
E
I, II, III e IV. 
NÃO é um objetivo da mineração de dados (mining), na visão dos diversos autores, 
A
garantir a não redundância nos bancos transacionais. 
B
conhecer o comportamento de certos atributos no futuro.
C
possibilitar a análise de determinados padrões de eventos. 
D
categorizar perfis individuais ou coletivos de interesse comercial. 
E
apoiar a otimização do uso de recursos limitados e/ou maximizar variáveis de resultado para a empresa.
Página 1 de 5