Материал: Екзамен_Билет

ДВНЗ «Університет банківської справи»

Харківський навчально-науковий інститут

Факультет управління та фінансових технологій

Кафедра інформаційних технологій

Освітня програма – освітньо-професійна

Спеціальність –125 «Комп’ютерні науки» Семестр 2

Освітній ступінь – магістр

Навчальна дисципліна: «OLAP-технології та Data mining»

Екзаменаційний білет №1

І. Теоретична частина

1. Поясніть сутність алгоритму кластеризації k-means..

2. Для чого вирішується задача прогнозування?

ІІ. Тестова частина

1. Більшість даних в світі в 2011 році були:

1. У цифровому вигляді

2. В аналоговому вигляді

2. Яка з переліченних дисциплін найбільш орієнтована на перевірку гіпотез?

(Отметьте один правильный вариант ответа.

а. Візуалізація

b. Data Mining

c. статистика

3. Інтервальна шкала – це шкала,

(Отметьте один правильный вариант ответа.)

a. содержащая категории, которые могут упорядочиваться, однако разности не имеют смысла

b. содержащая только категории, которые не могут упорядочиваться

c. разности между значениями которой могут быть вычислены, однако их отношения не имеет смысла

4. Яка з перерахованих нижче стадій може вважатися додатковою або частиною однієї з основних стадій Data mining:

(Відзначте один правильний варіант відповіді.)

a. виявлення закономірностей (вільний пошук)

b. використання виявлених закономірностей для передбачення невідомих значень (прогностичне моделювання)

c. валідація

5. Обсяг накопичених людством цифрових даних на 2017 рік міряється:

a. петабайт

b. зеттабайт

c. екзабайтами

d. йоттабайт

6. Інформація, дані і знання є:

a. частиною одного потоку

b. частинами різних потоків

c. обидві відповіді невірні

ІІІ. Практична частина. За даними наведеними в таблиці виконати кластеризацію даних. Для цього необхідно:

A. Нормалізувати дані.

B. Обчислити відстань між об'єктами, що кластерізуємо і побудувати матрицю відстаней (використовувати формулу для обчислення евклідової відстані).

С. Провести розбиття даних на 3 кластера

Екзаменаційний білет № 2

І. Теоретична частина

1. Які задачі вирішуються методами Data Mining?

2. Якої мети служить завдання визначення відхилень та вибросів (Deviation Detection)?

ІІ. Тестова частина

1. Нечітка логіка і дерева рішень ...

(Відзначте один правильний варіант відповіді.)

a. відносяться до кібернетичним методам Data mining

b. відносяться до статистичних методів Data mining

c. не є методами Data mining

2. Data Mining - це процес виявлення в сирих даних знань, необхідних для:

(Відзначте один правильний варіант відповіді.)

a. прийняття рішень в різних сферах людської діяльності

b. заміни аналітика в процесі прийняття рішень

c. збільшення вартості аналізу даних

3. Відзначте ті з варіантів, в яких дані структуровані:

a. Дані про продажі компанії, представлені у вигляді щомісячних звітів в форматі MS Word.

b. Таблиця з щоденними показаннями температури приміщення за рік в файлі формату csv.

c. Текст педагогічної поеми А.С. Макаренко, представлений в форматі PDF.

d. Бібліотека фільмів, представлених у форматі mpeg4 на одному жорсткому диску.

4. Согласно классификации по стратегиям, задачи Data Mining подразделяются на:

a. обучение с учителем

b. обучение без учителя

c. дескриптивные

d. прогнозирующие

5. Data Mining - це процес виявлення в сирих даних

a. раніше сформульованих гіпотез

b. неочевидних закономірностей

c. практичних закономірностей

d. об'єктивних закономірностей

e. великої кількості закономірностей

6. Відзначте неправильне розуміння Variety в контексті характеристик Big Data:

a. Висока швидкість генерування даних.

b. Різні типи даних в колонках таблиць реляційних СУБД.

c. Різноманітність галузей, які є джерелами даних.

d. Різноманітність типів даних, що включають в себе структуровані, напівструктуровані і неструктуровані.

ІІІ. Практична частина. За даними наведеними в таблиці виконати кластеризацію даних. Для цього необхідно:

A. Нормалізувати дані.

B. Обчислити відстань між об'єктами, що кластерізуємо і побудувати матрицю відстаней (використовувати формулу для обчислення евклідової відстані).

С. Провести розбиття даних на 3 кластера

Екзаменаційний білет № 3

І. Теоретична частина

1. В чому заключається метод найближчого сусіда?

2. Якої меті служить завдання ассоціації?

ІІ. Тестова частина

1. Виберіть невірну відповідь:

a. Великі дані - це дані обсягу понад 1 Тб

b. Проблема великих даних - це проблема, коли при існуючих технологіях зберігання і обробки сутнісна обробка даних затруд-нена або неможлива.

c. Великі дані - це тренд в області ІТ, підігрівається маркетинговимі кампаніями великих вендорів.

d. Великі дані як правило не структуровані.

2. Якщо порівнювати Data Mining, машинне навчання і статистику, яка з дисциплін сконцентрована на єдиному процесі аналізу даних, включає очищення даних, навчання, інтеграцію і візуалізацію результатів:

(Відзначте один правильний варіант відповіді.)

a. Data Mining

b. машинне навчання

c. статистика

3. Частиною якої з перерахованих стадій є валідація закономірностей?

(Відзначте один правильний варіант відповіді.)

a. аналіз винятків

b. прогностичне моделювання

c. вільний пошук

4. Яка з перерахованих дисциплін більш зосереджена на теорії перевірки гіпотез?

a. Data Mining

b. статистика

c. візуалізація

5. В результате использования одних и тех же данных и различных методов…

a.  должна появляться разная информация 

b. должна появляться только одинаковая информация 

c. может появляться разная информация, это зависит от выбранных методов обработки данных

6. Классификация — это ...

a. отнесение объектов к одному из заранее известных классов  

b. отнесение объектов к одной из заранее неизвестных групп  

c. процесс формирования групп и отнесения объектов к одному из них. 

ІІІ. Практична частина. За даними наведеними в таблиці виконати кластеризацію даних. Для цього необхідно:

A. Нормалізувати дані.

B. Обчислити відстань між об'єктами, що кластерізуємо і побудувати матрицю відстаней (використовувати формулу для обчислення евклідової відстані).

С. Провести розбиття даних на 3 кластера

Екзаменаційний білет № 4

І. Теоретична частина

1. Що таке штучні нейронні мережі?

2. В яких випадках доцільно використовувати аналіз временніх рядів?

ІІ. Тестова частина

1. Закономірності, знайдені в процесі використання технології Data Mining повинні володіти такими властивостями:

(Відповідь вважається вірним, якщо відзначені всі правильні варіанти відповідей.)

a. чим більше знайдено закономірностей, тим краще

b. бути об'єктивними

c. бути практично корисними

d. бути очевидними

e. бути неочевидними

2. Підготовка даних в процесі Data Mining є:

a. необов'язковим етапом роботи

b. істотним етапом роботи

c. може взагалі бути відсутнім

3. В ході вирішення якої з перерахованих завдань встановлюються закономірності між пов'язаними подіями в наборі даних?

(Відзначте один правильний варіант відповіді.)

a. завдання пошуку асоціативних правил

b. завдання пошуку послідовних асоціативних правил

c. завдання аналізу відхилень

4. Data Mining - це процес виявлення в сирих даних знань, необхідних для:

a. прийняття рішень в різних сферах людської діяльності

b. заміни аналітика в процесі прийняття рішень

c. збільшення вартості аналізу даних

5. В процесі роботи Data Mining програми користувач може отримати такі результати:

a. великий відсоток помилкових, недостовірних або безглуздих результатів

b. тільки вірні результати, помилкові висновки виключені

c. тільки статистично достовірні результати

6. Задачу классификации нельзя решить с помощью...

a. метода деревьев решений 

b. метода линейной регрессии 

c. алгоритма Apriori

ІІІ. Практична частина. За даними наведеними в таблиці виконати кластеризацію даних. Для цього необхідно:

A. Нормалізувати дані.

B. Обчислити відстань між об'єктами, що кластерізуємо і побудувати матрицю відстаней (використовувати формулу для обчислення евклідової відстані).

С. Провести розбиття даних на 3 кластера