Divisão de dados em conjunto de treino e 
conjunto de teste, validação cruzada k-fold e 
validação cruzada N-fold.

Erro padrão, divisão de dados em conjunto 
de treino e conjunto de teste, re-execução de 
testes.

Conjunto de dados permanentes, conjunto 
de teste e re-execução de testes.

Troca de valores mais frequentes, validação 
cruzada e conjunto de treino e teste.

Conjunto de dados ausente, conjunto de 
treino e conjunto de teste.

A alternativa correta é a (A) - divisão de dados em conjunto de treino e conjunto de teste, validação cruzada k-fold e validação cruzada N-fold. Essas são as três estratégias principais usadas para estimar a precisão preditiva de um classificador em mineração de dados. A estratégia de divisão de dados em conjunto de treino e conjunto de teste consiste em dividir o conjunto de dados disponível em dois subconjuntos, um para treinamento e outro para teste, permitindo avaliar a performance do classificador em dados ainda não utilizados. Já a validação cruzada k-fold e N-fold são técnicas utilizadas para evitar o overfitting do modelo e consistem em dividir o conjunto de dados em k ou N partições, treinando o modelo em k-1 ou N-1 partições e testando-o na partição restante, repetindo esse processo k ou N vezes.

Extração, transformação e carga (ETL).

Mineração de regras de associação (ARM).

A alternativa está correta. O processo de extração de regras de associação de um conjunto de dados é chamado de Mineração de Regras de Associação (ARM, do inglês Association Rule Mining). Esse processo é realizado para encontrar padrões frequentes em um conjunto de dados e descobrir as relações entre diferentes itens ou atributos. A partir daí, é possível criar regras de associação que indicam a probabilidade de que dois ou mais itens apareçam juntos em uma transação ou evento.

O gabarito da questão está correto. O aumento na disponibilidade de dados que chegam em grandes quantidades e advindos de algum processo automático por um período de tempo é conhecido como "streaming de dados". Esse fenômeno é resultado do crescimento exponencial do volume de dados gerados por dispositivos e sistemas, o que implica novos desafios para a mineração de dados e a análise de dados em tempo real. A internet das coisas, big data e data wharehouse são conceitos relacionados à gestão e análise de grandes volumes de dados, enquanto o processo de transação on-line refere-se a transações comerciais realizadas em tempo real pela internet.

Redes neurais é a técnica de mineração de dados complexa e baseada nos neurônios humanos em que um conjunto de entrada é utilizado para prever uma ou mais saídas. As redes neurais são compostas por camadas de neurônios artificiais que processam informações e se conectam entre si através de pesos sinápticos. Essa técnica é usada para resolver problemas complexos de classificação, regressão, reconhecimento de padrões, entre outros.

O código não irá funcionar pois está faltando 
‘;’ ao final de cada linha.

O uso da função input está incorreto, pois 
ela tem que ser chamada em uma nova 
linha.

O resultado do comando print é apresentar 
na tela o nome informado pelo usuário.

Falta a estrutura correta de criação de uma 
classe para a execução do comando.

Falta definir o tipo da variável nome, por isso 
o programa não irá executar.

Comentário:O código Python apresentado permite que o usuário informe seu nome através da função input e em seguida, o nome é impresso na tela com o comando print. Portanto, a alternativa correta é a letra C.As alternativas A e B estão incorretas, pois não há necessidade de utilizar ponto e vírgula ao final de cada linha e o uso da função input está correto, não é necessário chamar em uma nova linha. A alternativa D está incorreta, pois não é necessário criar uma classe para executar esses comandos simples. A alternativa E está incorreta, pois não é necessário definir o tipo da variável nome em Python.

Questões de AOCP - Tecnologia da Informação