ANALYTICS: Dados e Atenção

Transcrição

1 ANALYTICS: Dados e Atenção O CONCEITO DE ANALYTICS NA INTERNET DAS COISAS BASEIA-SE NA CONSTANTE GERAÇÃO DE DADOS Por Nazareno Andrade Deyvison Bruno, Icaro Ramires, Joabe Pinheiro 1

2 Agenda Informações do autor Contextualização Introdução Objetivo Dados pedem Modelos KDD (técnicas e áreas) Fases do KDD Modelos (tarefas) de Data Mining Modelos de Dados do Analytics Questões práticas Perguntas Referências 2

3 Informações do autor 3

4 Contextualização SETE DA NOITE, subo na balança, que mede meu peso, massa muscular e se conecta na rede sem fio para salvar as medições na nuvem. Enquanto como algo antes de sair, verifico o histórico de minhas medições no smartphone ao mesmo tempo que ele toca música no som da sala. Configuro com o smartphone quais luzes da casa devem ficar acesas na minha ausência, checo mais uma vez a lotação e nível de poluição medidos por sensores na praça em que vou correr, e saio me certificando de que meu smartwatch tem bateria para monitorar meu exercício. 4

5 Introdução Uma perspectiva fundamental na Internet das Coisas: as coisas nos geram dados, novos dados, dados de mais fontes e muitas vezes dados em fluxo contínuo. Smartphones atualmente possuem entre cinco e dez sensores que geram dados em formato numérico, de coordenadas geográficas, em áudio, vídeo e fotografias. Dispositivos de smart homes e smart cities cada vez mais estão disponíveis e fornecendo dados em fluxo contínuo. 5

6 Objetivo A presença desses dados cria a necessidade de novos mecanismos para aproveitá-los de maneira eficaz. Criar modelos e comunicação dos resultados desses modelos de maneira visual, por meio de Analytics. 6

7 Dados pedem Modelos Analytics, Análise de Dados ou Ciência de Dados são os termos atualmente utilizados para definir a interseção entre a Ciência da Computação, Estatística e Visualização de Dados aplicados. Modelos de Estatística e Mineração de Dados são utilizados em sistemas computacionais para detectar padrões e realizar previsões com base em dados vindos de fontes diversas, como sensores, redes sociais e logs de sistemas online. 7

8 Dados pedem Modelos Knowledge Discovery in Databases (KDD) KDD é um processo, de várias etapas, não trivial, interativo e iterativo, para identificação de padrões compreensíveis, válidos, novos e potencialmente úteis a partir de grandes conjuntos de dados (Fayyad, 1996). 8

9 Técnicas do KDD 9

10 Áreas do KDD DW / OLAP SAD CRM KDD MD BI Análise Inteligente de Dados 10

11 Fases do KDD 11

12 Modelos (tarefas) do Data Mining: 1. Regra da Descoberta de Associações (relacionamento) 2. Regra de Classificação (categoria) 3. Regra de Regressão (valor) 4. Regra de Agrupamento (clusterização) 5. Regra de Sumarização (perfil) 6. Regra de Detecção de Desvios (outliers - ruídos) 7. Regra de Descoberta de Sequências (ordem) 8. Regra de Previsão de Séries Temporais (fenômeno) 12

13 Dados pedem modelos Os modelos mais comuns no contexto de Analytics podem ser divididos em cinco tipos: 1. Regressão (exercícios e peso) 2. Classificação (acelerômetro) 3. Recomendação (locais) 4. Agrupamento (smart meters) 5. Visualização (símbolos) 13

14 Questões Práticas No Laboratório Analytics da UFCG: o uso de smartphones e câmeras para contribuir no monitoramento do transporte público. plataformas de sensores que permitam acessar dados sobre espaços públicos tanto para planejamento quanto para o desenvolvimento de aplicações. Formação de profissionais: Compreender desde aspectos computacionais e de rede, passando pela criação de modelos matemáticos e estatísticos com os dados, até a criação de visualizações de dados combinando habilidades computacionais e de design. A necessidade de lidar com a privacidade dos dados coletados e processados. 14

15 Perguntas 1. O que é Analytics? Para que serve? É um método de análise de dados de uma base alimentada por um grande fluxos de dados oriundos do meio ubíquo por meio de modelos estatísticos e Mineração de Dados. Serve para extrair informações relevantes gerando modelos e comunicação dos resultados desses modelos de maneira visual. 2. Quais os 5 modelos de geração de informação sobre bases de dados enormes aplicadas ao contexto de Analytics? Regressão, classificação, recomendação, agrupamento e visualização. 15

16 Referências FAYYAD, Usama, et.al. From Data Mining to Knowledge Discovery in Databases. In: ASSOCIATION FOR THE ADVANCEMENT OF ARTIFICIAL INTELLIGENCE. Providence, Rhode Island p. Disponível em: < pdf>. Acesso em 06 de julho de ABELLÓN, Marcos. Informação: a importância dos dados para as empresas. Disponível em: < br/noticias/negocios/informacao-a-importancia-dos-dados-para-asempresas/73998/>. Acesso em 06 de julho de ANDRADE, Nazareno. ANALYTICS: DADOS E ATENÇÃO, Porto Alegre, ano 29, n. 4, p.28-32, GRANVILLE, L. Z. et al. Computação Brasil: Internet das Coisas. Revista da Sociedade Brasileira de Computação, Porto Alegre, n. 4, p. 1-58, abril