MINERAÇÃO DE DADOS COM REDES NEURAIS NÃO-SUPERVISIONADAS MODELO ART: PARÂMETROS E APLICAÇÕES

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "MINERAÇÃO DE DADOS COM REDES NEURAIS NÃO-SUPERVISIONADAS MODELO ART: PARÂMETROS E APLICAÇÕES"

Transcrição

1 UNIVERSIDADE CATÓLICA DE BRASÍLIA PROGRAMA DE PÓS-GRADUAÇÃO STRICTO SENSU EM INFORMÁTICA MINERAÇÃO DE DADOS COM REDES NEURAIS NÃO-SUPERVISIONADAS MODELO ART: PARÂMETROS E APLICAÇÕES Ethel Airton Capuano BRASÍLIA 2001

2 ii ETHEL AIRTON CAPUANO MINERAÇÃO DE DADOS COM REDES NEURAIS NÃO-SUPERVISIONADAS MODELO ART: PARÂMETROS E APLICAÇÕES Dissertação apresentada ao Programa de Pós-Graduação Strictu Sensu em Informática da Universidade Católica de Brasília como requisito para a obtenção do Título de Mestre em Gestão do Conhecimento e da Tecnologia da Informação. Orientador: Prof. Dr. Cláudio Chauke Nehme BRASÍLIA 2001

3 iii Dissertação defendida e aprovada, em de de 2001, pela banca examinadora constituída pelos professores: Prof. Dr. Cláudio Chauke Nehme - Orientador Prof. Dr. Hércules Antonio do Prado Prof. Dr. Paulo Rogério Foina Prof. Dr. Li Weigang

4 iv Ao Prof. Dr. Cláudio Chauke Nehme Que me deu a oportunidade de viajar pelo mundo da Inteligência Artificial, navegar pelos neurônios do cérebro e sondar interessantes mecanismos do aprendizado.

5 v AGRADECIMENTOS Agradeço, em primeiro lugar, ao Criador pela energia vital e inteligência que me concedeu para a superação de todos os obstáculos em vida, permitindo que eu pudesse contemplar e usufruir as maravilhas de sua criação. A realização deste trabalho se deve também à compreensão e colaboração, direta ou indireta, de algumas pessoas que me são caras por diversos motivos, pessoais ou profissionais. Em especial, agradeço ao Prof. Dr. Cláudio Chauke Nehme por sua orientação, constante incentivo e comentários inteligentes, mostrando-me um nova maneira de entender as expressões sensoriais do mundo natural; ao Prof. Dr. Sérgio A. S. Morais, por sua confiança em meu trabalho desde que o conheci na UCB; ao Prof. Dr. Maurício Prates, pelas lições de caráter e seus preciosos ensinamentos acerca do que vem a ser a ciência, a tecnologia e os homens que as fazem no dia-a-dia; ao Prof. Dr. Ettore Bresciani Filho, pela sua extrema gentileza e lições de compreensão e humanismo no tratamento de mudanças tecnológicas e seus impactos nas organizações; ao Prof. Pós-Dr. Paulo Sérgio Fresneda, pelo profissionalismo e brilhantismo didático empregado nas suas aulas. À minha esposa Luzia, agradeço pela compreensão e paciência ao ser privada de meu auxílio na criação de nossos filhos e do convívio conjugal durante o longo período dedicado ao Mestrado. Aos meus superiores e colegas de trabalho que me apoiaram nesta iniciativa e se adaptaram à minha agenda de atividades entrecortada por aulas presenciais do Mestrado durante horários de expedientes. E, finalmente, a Leonor, da Secretaria de Pós-Graduação da UCB, por sua preocupação em informar aos alunos do Mestrado, por todos os meios de comunicação disponíveis, de forma tempestiva e precisa, sobre os eventos da vida acadêmica.

6 Eu não conheço nenhuma commodity mais valiosa que informação. (Gordon Gekko, personagem criado por Oliver Stone no filme Wall Street) vi

7 vii SUMÁRIO LISTA DE FIGURAS... xi LISTA DE TABELAS... xiii LISTA DE ABREVIATURAS... xiv RESUMO... xvi ABSTRACT... xvii 1. INTRODUÇÃO MINERAÇÃO DE DADOS Visão Matemática Visão Executiva Visão Sistêmica REDES NEURAIS ARTIFICIAIS Fundamentos Matemáticos Aprendizagem com Dados Modelos e Arquiteturas Topologias Paradigmas e Algoritmos de Aprendizado TEORIA DA RESSONÂNCIA ADAPTATIVA Cognição em Redes ART Variante ART Vigilância (ou Refinamento de Variáveis) Auto-escalabilidade Auto-estabilização com Pequeno Número de Iterações Aprendizado On Line Captura de Eventos Raros Acesso Direto a Padrões de Entrada Familiares Acesso Direto a Subconjuntos e Padrões de Subconjuntos Enviesamento da Rede para Formação de Novas Categorias Variante ART Camada F

8 viii Camada F Equações de LTM Subsistema de Orientação Iniciação de LTM Ascendente Variante Fuzzy-ART Operações Fuzzy-ART Normalização de Entradas Interpretação Geométrica do Aprendizado ESPAÇOS PARAMÉTRICOS NO MODELO ART Parâmetros de Configuração Implementações Computacionais Testes Experimentais Mapeamento de Parâmetros em ART Relações entre Parâmetros de ART Engenharia de ART Mapeamento de Parâmetros em ART Relações entre Parâmetros de ART Engenharia de ART Mapeamento de Parâmetros em Fuzzy-ART Relações entre Parâmetros de Fuzzy-ART Engenharia de Fuzzy-ART MODELAGEM DE PROBLEMAS DO MUNDO REAL Definição da Massa de Dados Limpeza dos Dados Análise Estatística Preliminar dos Dados Pré-processamento dos Dados Representação dos Padrões de Entrada Seleção da Variante ART Quantidade de Dados Validação do Aprendizado Interpretação dos Resultados CONCEITOS E APLICAÇÕES: UMA PONTE EM CONSTRUÇÃO

9 ix 7.1 Uniformização de Linguagens Convergência de Objetivos Visão Holística da Realidade Complexa Evolução de Soluções CONCLUSÕES REFERÊNCIAS BIBLIOGRÁFICAS ANEXO 1 FUNÇÕES EM MATLAB PARA ART ANEXO 2 FUNÇÕES EM MATLAB PARA ART ANEXO 3 FUNÇÕES EM MATLAB PARA FUZZY-ART ANEXO 4 PROBLEMAS SIMULADOS E REAIS PARA DATAMINING ANEXO 5 DADOS ESTRUTURADOS PARA MINERAÇÃO COM REDES NEURAIS MODELO ART ANEXO 6 - RESULTADOS DE TESTES DE PARÂMETROS DE REDES NEURAIS MODELO ART ANEXO 7-A RESULTADOS DE TESTES DE PARÂMETROS DE REDES NEURAIS MODELO ART2 (dados simulados com distribuição normal) ANEXO 7-B RESULTADOS DE TESTES DE PARÂMETROS DE REDES NEURAIS MODELO ART2 (dados simulados e reais) ANEXO 8 RESULTADOS DE TESTES DE PARÂMETROS DE REDES NEURAIS MODELO FUZZY-ART ANEXO 9-A MAPEAMENTO DE PARÂMETROS DE ART1 (dados uniformemente distribuídos) ANEXO 9-B MAPEAMENTO DE PARÂMETROS DE ART1 (dados com distribuição normal) ANEXO 10 MAPEAMENTO DE PARÂMETROS DE ART ANEXO 11 MAPEAMENTO DE PARÂMETROS DE FUZZY-ART ANEXO 12 PADRÕES DE RESULTADOS DA LOTERIA ESPORTIVA ANEXO 13 MAPEAMENTO DE PARÂMETROS DO SUBSISTEMA DE ORIENTAÇÃO DE REDES ART ANEXO 14 VALORES DE FEATURES DE CLUSTERS EM FUZZY-ART ANEXO 15 TEMPOS DE RESPOSTA EXPERIMENTAIS DE REDES

10 x NEURAIS MODELO ART ANEXO 16 REPRESENTAÇÕES DE PADRÕES DE ENTRADA E DE CLUSTERS EM REDES NEURAIS ART ANEXO 17 VALIDAÇÃO CRUZADA EM ART

11 xi LISTA DE FIGURAS Figura 1.1 Evolução da Maturidade das TIs... 2 Figura 2.1 O Ciclo da Informação de Yoneji Masuda Figura 2.2 Macroprocessos de Mineração de Dados Figura 2.3 Evolução dos Sistemas Especialistas Figura 2.4 Estágios para Incremento da Densidade de Inteligência Figura 2.5 Engenharia do Conhecimento Figura 3.1 Evolução da Computação Eletrônica Figura 3.2 Fotoperceptron de Rosenblatt Figura 3.3 Perceptron de Minsky e Papert Figura 3.4 Separabilidade no Perceptron Figura 3.5 Problema XOR no Perceptron Figura 3.6 Rede para Solução de Problemas XOR Figura 3.7 Problema de Separabilidade Não-Linear Figura 3.8 Processamento Simbólico e Subsimbólico Figura 3.9 Rede de LTGs de Duas Camadas com Alimentação Progressiva Figura 3.10 LTG Simbólico e Função de Transferência Figura 3.11 LTG da Função Booleana Y(X 1,X 2,X 3 )=(~X 1 )X 2 + X 2 (~X 3 ) Figura 3.12 Mapa de Karnaugh da Função Limiar Y(X 1,X 2,X 3 )=(~X 1 ) X 2 + X 2 (~X 3 ) Figura 3.13 XNOR com PTG(2) Figura 3.14 Mapas de Karnaugh para XNOR com PTG(2) Figura 3.15 Realização de Função XNOR e Superfície de Separação com QTG Figura 3.16 Rede Neural com Camada de Pré-processamento Figura 3.17 Rede Neural Feedforward com k LTGs na Camada Oculta Figura 3.18 Conceito de Pontos em Posição Geral Figura 3.19 Função Sigmoidal (ou S) Figura 3.20 Unidade Computacional do Perceptron... 77

12 xii Figura 3.21 Unidade Linear ADALINE Figura 3.22 Função Critério E(w) Unidimensional com Mínimo Local em W* Figura 3.23 Arquitetura de Rede Feedforward Interconectada Figura 3.24 Topologias de Redes Neurais Figura 4.1 Topologia de Rede Neural ART Figura 4.2a Seqüência de Treinamento em ART1 (1º Ciclo) Figura 4.2b Seqüência de Treinamento em ART1 (2º Ciclo) Figura 4.3 Algoritmo de Redes Neurais ART Figura 4.4 Topologia de Redes Neurais ART Figura 4.5 Algoritmo de Redes Neurais Fuzzy-ART Figura 4.6 Representação Geométrica de Fuzzy-ART em R Figura 5.1 DHFs de Implementações do Modelo ART em MATLAB Figura 5.2 Comportamento de Parâmetros em ART Figura 5.3 Curvas Típicas de Clustering em ART Figura 5.4 Clustering em Função do Viés dos Dados em ART Figura 5.5 Curvas da Função r = f( cp,cos(u,p)) Figura 5.6 Curvas Típicas de Clustering em ART Figura 5.7 Curvas da Função f(x)=2θx 2 /(θ 2 +x 2 ) Figura 5.8 Comportamento de Parâmetros em Fuzzy-ART Figura 5.9 Curvas de Clustering de ART1 e Fuzzy-ART Figura 6.1 Representações de Dados para Redes Neurais Figura 6.2 Adensamento de Bits 1 na Codificação Termômetro Figura 6.3 Representação de Features em ART Figura 6.4a Clusters de ART2 com Features Normalizadas Figura 6.4b Clusters de ART2 com Features Não-normalizadas Figura 6.5 Clusters de Fuzzy-ART Representados com Barras Figura 6.6 Padrões de Entrada versus Clusters de ART Figura 6.7 Curvas da Relação entre n, np, ρ e TR Figura 7.1 Arquitetura ART Cascata Figura 7.2 Arquitetura de Rede Neural Modular Figura 8.1 Funções de Clustering para Redes ART

13 xiii LISTA DE TABELAS Tabela 2.1 Dados, Informação e Conhecimento... 9 Tabela 3.1 Exemplo de Limitação do Perceptron Tabela 3.2 Aplicações de Redes Neurais nos Negócios Tabela 3.3 Número de Funções Limiar versus Número de Funções Booleanas Possíveis Tabela 3.4 Graus de Liberdade de LTGs versus QTGs Tabela 3.5 Número de Funções Booleanas com PTGs de n Tabela 3.6 Modelos e Funções de Redes Neurais Tabela 4.1 Fatores das Camadas F1 e r Tabela 6.1 Formação de Clusters em Função da Codificação em ART Tabela 6.2 Critérios de Seleção de Redes ART

14 xiv LISTA DE ABREVIATURAS [HAS95,30] autor HASSOUN, obra citada de 1995, página 30 ADALINE Adaptive Linear Combiner Element AHK Adaptive Ho-Kashyap ANN Artificial Neural Network ART Adaptive Resonance Theory BI Business Intelligence BP Back Propagation CAS Center for Adaptive Systems CEO Chief Executive Officer CIO Chief Information Officer CPF Cadastro de Pessoa Física CRM Customer Relationship Management DHF Diagrama Hierárquico de Funções DN Distribuição Normal (Gaussiana) DU Distribuição Uniforme DW Data Warehouse ERP Enterprise Resource Planning ETI Estações de Trabalho Inteligentes EUA Estados Unidos da América GSH Grandes Sistemas Híbridos GSR Grandes Sistemas Restritos HD Hard Disk IA Inteligência Artificial KADS Knowledge Analysis and Documentation System KB Bytes KBS Knowledge-Based System KFM Kohonen Feature Map LMS Least Mean Square LTG Linear Threshold Gate

15 xv LTM Long Term Memory MIT Massachussetts Institute of Technology MS Microsoft NCATPO Novos Conceitos em Análise de Tarefas e Projeto Organizacional OCR Optical Character Recognition OLAP On Line Analytical Processing OLTP On Line Transaction Processing PCA Principal-Component Analysis PNB Produto Nacional Bruto PTG Polinomial Threshold Gate QTG Quadratic Threshold Gate RAM Random Access Memory RAUSP Revista de Administração da Universidade de São Paulo SHMG Sistemas Híbridos Muito Grandes SIAPE Sistema Integrado de Administração de Recursos Humanos SMP Symmetric Multiprocessor SNNS Stuttgart Neural Network Simulator SOFM Self Organizing Feature Map STI Sistemas Tutoriais Inteligentes STM Short Term Memory TI Tecnologia da Informação TOT. - Total USP Universidade de São Paulo WTA Winner Take All WWW World Wide Web XNOR Exclusive-not Or XOR Exclusive-Or

16 xvi RESUMO Esta dissertação se concentra no mapeamento de parâmetros técnicos de configuração e na aplicação experimental de um conjunto de algoritmos de redes neurais não-supervisionadas baseadas na assim denominada Teoria da Ressonância Adaptativa (ART), desenvolvida por Gail Carpenter e Stephen Grossberg para representar os processos cerebrais da aprendizagem. Essa abordagem de redes neurais artificiais trata de conceitos de reconhecimento de padrões adaptados para atenuação do problema da dualidade entre estabilidade e plasticidade presente em outros processos de aprendizagem com redes neurais. Entretanto, para ser mais eficiente que os algoritmos alternativos disponíveis na mineração de dados, as variantes do modelo ART devem ser apropriadamente selecionadas, configuradas, implementadas e validadas com saídas corretamente interpretadas em cada tipo de missão crítica para o qual são solicitadas. Com isto em mente, o autor testou implementações com as variantes ART1, ART2 e Fuzzy-ART e executou cerca de oitocentos experimentos com diferentes combinações de parâmetros de configuração simulando problemas reais de mineração de dados e, em alguns casos, minerando dados reais mesmo. Espera-se que os resultados experimentais produzidos em laboratório possam ser úteis para a desmistificação da tecnologia ART, contribuindo para sua popularização e emprego, em larga escala, no universo das organizações privadas e públicas.

17 xvii ABSTRACT This dissertation focus on mapping technical parameters and experimental applications of a set of unsupervised neural networks algorithms based on the so called Adaptive Resonance Theory (ART), developed by Gail Carpenter and Stephen Grossberg to represent the brain learning processes. This approach of artificial neural networks deals with pattern recognition concepts fitted to attenuate the problema of stability-plasticity duality present in other learning processes with neural networks. Therefore, to be more efficient than alternative algorithms available, ART model variants must be properly selected, configured, implemented and validated with outputs correctly interpreted faced each kind of critical mission they are required for. With this point of view, the author tested implementations with ART1, ART2 and Fuzzy-ART variants and executed almost eigth hundred experiments with different parameter configurations simulating real problems in datamining and, in some cases, even mining real problems data. One expect that the experimental outcomes produced in laboratory may be useful to ART technology demystification and to contribute to its popularization and employment in large scale abroad private and public organizations.

18 1. INTRODUÇÃO O momento atual apresenta uma conjugação de fatores tecnológicos, culturais e econômicos propícia para uma mudança de paradigma quanto ao papel da computação nas organizações, evoluindo a partir dos processos e dos dados para o conhecimento. A abundância de dados armazenados em sistemas legados de transações on line (OLTP) da era da automação de processos e dos bancos de dados, por um lado; a escalada do poder computacional dos microcomputadores a custos acessíveis, por outro lado; e, principalmente, a motivação empresarial de um mundo globalizado e extremamente competitivo completam o cenário onde conhecimentos de negócios, explícitos ou implícitos, se tornam "o mais desejável produto final da computação." [FAY96,vii] Esse cenário apresenta um contraste temporal marcante entre o que existe hoje, em termos de conhecimento gerado a partir dos dados disponíveis, e o que se busca avidamente. John Naisbett resume a situação na seguinte metáfora: "Estamos nos afogando em informações, mas morrendo de fome de conhecimento." [FAY96,1] As tecnologias úteis para aquisição de conhecimento em qualquer atividade humana, a partir de massas de dados preexistentes, derivam de campos de pesquisa estatística e da assim denominada Inteligência Artificial (IA). O corpo de conhecimentos de IA se baseia, conceitualmente, nos conhecimentos de outras disciplinas tais como biologia, neurologia, psicologia, estatística e ciência da computação. O que, de fato, se produz no campo da IA é a "cola" para integração e combinação de conceitos dessas disciplinas subjacentes em aplicações complexas

19 2 que exigem abordagem multidisciplinar. Essas tecnologias podem ser exploradas em todo seu potencial somente porque tecnologias mais fundamentais como redes de comunicação de dados, sistemas de bases de dados e microcomputadores estão disponíveis. A Figura 1.1, a seguir, mostra o ritmo de maturação dessas tecnologias de informação (TI) e da IA desde [DHA97,viii] Maturidade Redes PC Bases de Dados IA Figura Evolução da Maturidade das TIs Dhar e Stein testemunham a angústia do público acerca da utilização de tecnologias de IA e concluem que a mineração de dados ainda não deslanchou porque os empresários não entendem os conceitos técnicos e como essas tecnologias podem ser utilizadas de forma lucrativa nos negócios. A respeito dessa barreira entre tecnólogos e empresários, afirmam esses autores que livros técnicos sobre IA, teoria da decisão e estatística são demasiado técnicos ou abstratos para

20 3 empresários, enquanto outros são muito superficiais para lhes dar uma sólida compreensão das tecnologias; para eles, é preciso que a tecnologia seja trazida ao nível do chão sem perda de sua essência e a questão central é como estabelecer parâmetros comparativos de avaliação e seleção dessas tecnologias em termos de desempenho no ambiente de negócios. Outro aspecto importante da IA, apontado pelos autores, e ainda não compreendido adequadamente por CIOs e CEOs se refere aos processos de aquisição de conhecimentos. Enquanto muitas organizações têm muitos dados armazenados em seus sistemas, a maioria delas não tem profissionais com o expertise necessário para projetar sistemas de IA, em virtude dos custos inerentes aos recursos humanos com esse perfil. [DHA97,vii-ix] A motivação para esta dissertação não é muito diferente da apresentada em [DHA97] e outras referências como [ADR98], [BIG96] e [FAY96], obras que contribuem para a construção da ponte entre pesquisadores, CIOs e CEOs. De fato, o objetivo deste trabalho de pesquisa é mapear o espaço multidimensional dos parâmetros de configuração de um modelo específico de redes neurais a fim de desmistificá-lo perante a comunidade de profissionais de TI e apresentá-lo, concomitantemente, como solução viável para uma imensa gama de problemas de mineração de dados no mundo real. A literatura disponível no formato de livro é pouco volumosa, apesar da farta publicação de artigos técnicos no ambiente acadêmico. Em [DHA97] encontrase um texto didático sobre o tema para públicos variados, principalmente para não matemáticos e não profissionais de TI; [ADR98] e [BIG96] se concentram mais na estruturação de problemas para aplicação de soluções com redes neurais, mas sem aprofundamento técnico nos modelos e algoritmos; [FAY96] apresenta uma

21 4 coletânea de artigos relatando interessantes conceitos e soluções para produção de conhecimentos a partir de bases de dados existentes. Os trabalhos mais aprofundados, do ponto de vista puramente técnico, são encontrados em [FRE93], [HAS95], [JAI00] e [SER98]. A obra de Hassoun demonstra, com rigor matemático, os fundamentos técnicos dos algoritmos de redes neurais de praticamente todos os modelos conhecidos; os trabalhos de Freeman et alii e Serrano-Gotarredona et alii oferecem pormenores sobre os algoritmos e respectivos processos internos de vários modelos de redes neurais, em particular ART1, ART2 e Fuzzy-ART; Serrano-Gotarredona et alii apresentam, ainda, uma série de implementações das variantes ART1, Fuzzy-ART, ARTMAP e Fuzzy-ARTMAP com códigos-fonte desenvolvidos em linguagem MATLAB. A novidade fica por conta do trabalho de Jain et alii, editores que consolidaram num único volume oito artigos de diversos autores sobre as mais recentes inovações do modelo ART. Os artigos de Carpenter e Grossberg são, na maior parte, contribuições originais que lançaram as bases conceituais da Teoria da Ressonância Adaptativa (acrônimo ART) e todas as principais variantes do modelo. Essa teoria descreve, de forma mais verossímil que as demais abordagens de redes neurais, os mecanismos de aprendizado do cérebro, razão pela qual foi selecionada como tema central da pesquisa. A monografia de Nehme e Mendes e a tese de doutorado de Nehme ([NEH94] e [NEH96], respectivamente) são textos igualmente úteis porque apresentam, com rigor matemático, conceitos empregados em algoritmos para reconhecimento de padrões temporais, assunto que extrapola o escopo da dissertação.

22 5 Outro artigo paradoxalmente importante, no contexto deste trabalho, porque de certa forma o justifica por antítese, encontra-se em [LAW96]. Lawrence evidencia, nesse artigo, as dificuldades técnicas de dimensionamento ótimo de redes neurais com algoritmo backpropagation, o modelo mais conhecido de redes neurais, ainda que um dos mais polêmicos também. A dissertação de Goldschmidt constitui um texto introdutório para estudos de problemas de reconhecimento da fala (palavras isoladas), tema que despertou interesse na comunidade de TI nos últimos anos. Com Müller e Weenink ([MÜL93] e [WEE97]) observa-se algumas modificações das variantes do modelo ART; no primeiro artigo de Goertzel (ver [GOE00]) os problemas de categorização e similaridade são revisitados com novas propostas. E, para não ignorar o instigante (e interminável) debate em torno dos fundamentos cognitivos da mente humana, tema predileto de proeminentes teóricos da IA, recomenda-se a leitura das obras de Penrose (uma delas citada nas referências bibliográficas) e Freedman e dos artigos de Lucas, Goertzel (novamente) e Chalmers. Finalmente, com reminiscências e reverência ao gênio de Alan Turing, o paper de Copeland e Proudfoot sela a coletânea de IA deste trabalho. A metodologia de pesquisa adotada é predominantemente experimental, onde testes de laboratório foram executados com implementações de variantes do modelo ART para o mapeamento dos espaços de parâmetros de configuração e mensuração de desempenho dos algoritmos. As conclusões devem ser consideradas, portanto, resultados provisórios tendo em vista sua natureza

23 6 indutiva, sujeitas à crítica de Popper 1 (ver [MAG73]). Espera-se, contudo, que maior confiança nas conclusões da pesquisa possa ser alcançada a partir de futuras experiências de desenvolvimento de sistemas para mineração de dados com o emprego dessa tecnologia, expondo continuamente os resultados experimentais ao falseamento. Os recursos computacionais utilizados nas experiências não excedem dois microcomputadores padrão IBM PC (estações de trabalho), um microcomputador servidor de médio porte com tecnologia SMP (dois processadores) e o software de desenvolvimento (mono-usuário) MATLAB 5.0, que interpreta bibliotecas de funções desenvolvidas em linguagem C. Os sistemas operacionais utilizados são MS Windows 98, para as estações de trabalho, e MS Windows NT 4.0, para o servidor. O texto contém oito capítulos, contando-se a introdução e as conclusões, desenvolvidos de modo a conduzir o leitor de um nível mais genérico de abstração para um nível técnico mais aprofundado acerca do tema, sem contudo perder a noção de utilidade que é a motivação maior deste trabalho. No Capítulo 2 apresenta-se as três visões estanques, portanto limitadas, do público envolvido na mineração de dados, confrontando-se o pensamento dos matemáticos, dos executivos e dos analistas de sistemas. A evidência dessas diferenças é importante justamente para se entender quais são as 1 Karl Popper, filósofo da ciência contemporânea, propõe que os cientistas não devam buscar a comprovação de suas teorias, mas a sua negação, submetendo-as à prova de falseamento sempre que possível. Enquanto as teorias resistirem a essas tentativas de negação, constituirão um corpo de conhecimentos aceito provisoriamente pela comunidade científica.

24 7 barreiras culturais e de linguagem a serem superadas e assim buscar, nos três capítulos finais, propostas de soluções para o impasse. O Capítulo 3 apresenta, de forma resumida, os fundamentos teóricos das redes neurais, suas vantagens e desvantagens frente a outras tecnologias utilizadas para mineração de dados. A partir do Capítulo 4 o argumento dissertativo concentra-se no modelo de redes neurais objeto de estudo; o texto evolui com a análise da Teoria da Ressonância Adaptativa (ART) no Capítulo 4, apresentação, testes e mapeamento de espaços de parâmetros no Capítulo 5, métodos e técnicas de estruturação de problemas de mineração de dados no Capítulo 6 e a evolução de conceitos e respectivas aplicações no Capítulo 7. O Capítulo 8 apresenta as conclusões da dissertação, abordando aspectos de redes neurais ART e de gestão do conhecimento nas organizações. Contudo, o cerne da pesquisa, cujos resultados definem, a título de conclusão, o mapeamento teórico de parâmetros de configuração de redes neurais modelo ART para aplicações específicas, encontra-se no Capítulo 5. E finalmente, para profissionais de TI, as duas fases mais importantes de um projeto de mineração de dados, no aspecto técnico, são abordadas nos Capítulos 5 e 6: no Capítulo 5, busca-se soluções genéricas de parametrização de aplicativos para classes de problemas e, no Capítulo 6, discute-se métodos e técnicas de preparação de massas de dados, seleção correta de variantes de redes neurais modelo ART, validação e interpretação de resultados.

25 8 2. MINERAÇÃO DE DADOS Gastamos muito tempo e dinheiro levando água ao cavalo, mas não sabemos se ele está com sede, nem temos idéia de como fazê-lo beber. (Conforme Davenport, de um gerente da Pacific Bell). Afinal, o que é mineração de dados? Como é que se extrai informações valiosas dos dados? E quando é que as informações podem se tornar valiosas? Certamente, a primeiro dificuldade que se apresenta ao público, em geral, e profissionais de TI é a conceituação, em linguagem corrente, de mineração de dados. Davenport define dados como "observações sobre o estado do mundo"; o simples registro da quantidade de objetos ou seres de um conjunto ou habitat é um dado ou "observação de um fato bruto". Informação, para Drucker, é um conjunto de dados dotados de relevância e propósito; informação, ao contrário dos dados, exige análise e seu valor é mais subjetivo que o valor dos dados. Conhecimento é a informação mais valiosa porque alguém a contextualizou, deu-lhe um significado, uma interpretação, acrescentou a ela seu próprio saber, inseriu-a num corpo de conhecimentos, sintetizou-a com outras informações. [DAV00,19] A Tabela 2.1 apresenta os principais atributos que diferenciam essas três entidades. A idéia de extração de conhecimentos a partir de dados, processo conhecido como mineração de dados na atualidade, não é inovadora e está presente, de forma bastante didática, na obra de Masuda, talvez o mais eficiente profeta da tecnologia da informação. Em [MAS82,70-71], esse visionário ressalta que "O computador não apenas produz informação, mas produz informação cognitiva sofisticada. Aqui 'informação cognitiva' refere-se à informação que é uma projeção do

26 9 futuro; que é lógica e seletora de ações. Projeção implica a informação cognitiva ser usada para detecção e previsão. 'Lógica' significa a existência de um objetivo e de relações finais, de causa e efeito, dentro da informação cognitiva; 'seletora de ações' significa que a informação é usada para a seleção de ações e meios mais apropriados para atingir um objetivo. O fato do computador poder produzir essa informação, cognitivamente e em grande quantidade, é uma contribuição significativa para a amplificação do trabalho mental." ATRIBUTO Conceito Características ENTIDADE Dados Informação Conhecimento simples observação dados dotados de informação valiosa da sobre o estado do relevância e propósito mente humana mundo facilmente requer análise inclui reflexão, estruturados exige certo síntese, contexto facilmente obtidos consenso para ter de difícil mecanicamente significado estruturação freqüentemente exige, de difícil captura quantificados necessariamente, a mecanicamente facilmente mediação humana freqüentemente transferíveis tácito de difícil transferência Tabela Dados, Informação e Conhecimento Masuda defende que os primatas, inclusive o homem, utilizam dois tipos de informação: a cognitiva e a afetiva. A informação afetiva se baseia na

27 10 sensibilidade e na produção de emoções, enquanto a informação cognitiva possibilita a seleção de ações propositais em resposta a mudanças em relações situacionais. A "informação cognitiva", às vezes confundida com "conhecimento" 2, é o objeto antológico da mineração de dados, possibilitando a "interação ativa com o ambiente externo, resultando em mudança, a partir da qual ocorrem progressos na vida da humanidade." [MAS82,71]. Os processos pelos quais se descobre essas informações cognitivas a partir de dados são, portanto, os processos de aprendizado utilizados na mineração de dados, uma vez que mudanças de comportamento são expressões materiais externas do conceito de aprendizado. A questão central, contudo, continua sem resposta: como obter informação cognitiva a partir de dados? O que se discute, de fato, é o processamento dos dados de tal forma que a partir desses se possa produzir informação com algum valor, o que, para Masuda, constitui o "Ciclo da Informação" da Figura 2.1. De acordo com esse ciclo, o sujeito fixa sua atenção no objeto e nele percebe um sinal, identificando-o e avaliando-o de acordo com um padrão de julgamento adquirido, selecionando a seguir um curso de ação e, então, tendo atingido algum valor de uso, implementa a ação. [MAS82,72] De Ville sugere que os primeiros mineradores de dados foram os arqueólogos e antropólogos descobrindo desenhos em cavernas e, com base em suas interpretações, teorizando sobre a vida do homem na Terra em tempos remotos. Esse autor afirma que (...) mineração de dados tem suas raízes em uma das mais antigas atividades humanas: o desejo de representar suas experiências em 2 Masuda conceitua "conhecimento" como a informação cognitiva que tenha sido generalizada e abstraída de uma compreensão das relações de causa e efeito de um fenômeno particular que ocorre no ambiente externo. [MAS82,74].

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO DOS RECURSOS DE DADOS Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas

Leia mais

Professor: Disciplina:

Professor: Disciplina: Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais

Leia mais

Apresentação, xix Prefácio à 8a edição, xxi Prefácio à 1a edição, xxiii. Parte I - Empresa e Sistemas, 1

Apresentação, xix Prefácio à 8a edição, xxi Prefácio à 1a edição, xxiii. Parte I - Empresa e Sistemas, 1 Apresentação, xix Prefácio à 8a edição, xxi Prefácio à 1a edição, xxiii Parte I - Empresa e Sistemas, 1 1 SISTEMA EMPRESA, 3 1.1 Teoria geral de sistemas, 3 1.1.1 Introdução e pressupostos, 3 1.1.2 Premissas

Leia mais

Estratégias de Pesquisa

Estratégias de Pesquisa Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento

Leia mais

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento

Leia mais

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1. O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar

Leia mais

ENGENHARIA DE SOFTWARE/ SISTEMAS DE SOFTWARE

ENGENHARIA DE SOFTWARE/ SISTEMAS DE SOFTWARE ENGENHARIA DE SOFTWARE/ SISTEMAS DE SOFTWARE CMP1280/CMP1250 Prof. Me. Fábio Assunção Introdução à Engenharia de Software SOFTWARE Programa de computador acompanhado dos dados de documentação e configuração

Leia mais

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de 1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever

Leia mais

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade

Leia mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Tipos de SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução 2 n As organizações modernas competem entre si para satisfazer as necessidades dos seus clientes de um modo

Leia mais

Gerenciamento de Dados e Gestão do Conhecimento

Gerenciamento de Dados e Gestão do Conhecimento ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Material de Apoio. Sistema de Informação Gerencial (SIG)

Material de Apoio. Sistema de Informação Gerencial (SIG) Sistema de Informação Gerencial (SIG) Material de Apoio Os Sistemas de Informação Gerencial (SIG) são sistemas ou processos que fornecem as informações necessárias para gerenciar com eficácia as organizações.

Leia mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

A Computação e as Classificações da Ciência

A Computação e as Classificações da Ciência A Computação e as Classificações da Ciência Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Classificações da Ciência A Computação

Leia mais

Metodologia de Desenvolvimento de Sistemas

Metodologia de Desenvolvimento de Sistemas Metodologia de Desenvolvimento de Sistemas Aula 1 Ementa Fases do Ciclo de Vida do Desenvolvimento de Software, apresentando como os métodos, ferramentas e procedimentos da engenharia de software, podem

Leia mais

SISTEMAS DE APOIO À DECISÃO SAD

SISTEMAS DE APOIO À DECISÃO SAD SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades

Leia mais

Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING

Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Inscrições Abertas: Início das aulas: 28/03/2016 Término das aulas: 10/12/2016 Dias e horários das aulas: Segunda-Feira 18h30 às 22h30 Semanal Quarta-Feira

Leia mais

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS Vimos em nossas aulas anteriores: COMPUTADOR Tipos de computadores Hardware Hardware Processadores (CPU) Memória e armazenamento Dispositivos de E/S

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

JOGOS EMPRESARIAIS Conceitos e Fundamentos

JOGOS EMPRESARIAIS Conceitos e Fundamentos UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL (UFMS) CAMPUS DE BONITO/MS, CURSO DE ADMINISTRAÇÃO JOGOS EMPRESARIAIS Conceitos e Fundamentos Prof. Ana Cristina Trevelin Conceitos Simulação Jogos de Empresa

Leia mais

Assunto 9 : Tecnologias de Inteligência Artificial nos Negócios

Assunto 9 : Tecnologias de Inteligência Artificial nos Negócios Assunto 9 : Tecnologias de Inteligência Artificial nos Negócios Empresas e outras organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário

Leia mais

Módulo 07 Gestão de Conhecimento

Módulo 07 Gestão de Conhecimento Módulo 07 Gestão de Conhecimento Por ser uma disciplina considerada nova dentro do campo da administração, a gestão de conhecimento ainda hoje tem várias definições e percepções, como mostro a seguir:

Leia mais

INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO

INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) 11/07/08 10:25 Informação - ICPG - Criciuma - SC 1 Informação - ICPG - Criciuma -

Leia mais

INTRODUÇÃO À GESTÃO DE TECNOLOGIA DA INFORMAÇÃO. Adriana Beal, Eng. MBA Maio de 2001

INTRODUÇÃO À GESTÃO DE TECNOLOGIA DA INFORMAÇÃO. Adriana Beal, Eng. MBA Maio de 2001 INTRODUÇÃO À GESTÃO DE TECNOLOGIA DA INFORMAÇÃO, Eng. MBA Maio de 2001 Apresentação Existe um consenso entre especialistas das mais diversas áreas de que as organizações bem-sucedidas no século XXI serão

Leia mais

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

Leia mais

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

Pós Graduação Engenharia de Software

Pós Graduação Engenharia de Software Pós Graduação Engenharia de Software Ana Candida Natali COPPE/UFRJ Programa de Engenharia de Sistemas e Computação FAPEC / FAT Estrutura do Módulo Parte 1 QUALIDADE DE SOFTWARE PROCESSO Introdução: desenvolvimento

Leia mais

PROCESSOS PODEROSOS DE NEGÓCIO. ideiaconsultoria.com.br 43 3322 2110 comercial@ideiaconsultoria.com.br

PROCESSOS PODEROSOS DE NEGÓCIO. ideiaconsultoria.com.br 43 3322 2110 comercial@ideiaconsultoria.com.br PROCESSOS PODEROSOS DE NEGÓCIO ideiaconsultoria.com.br 43 3322 2110 comercial@ideiaconsultoria.com.br POR QUE ESCREVEMOS ESTE E-BOOK? Nosso objetivo com este e-book é mostrar como a Gestão de Processos

Leia mais

Introdução a Gestão da Informação: dado, informação, conhecimento e a organização empresarial Prof. MSc Hugo Vieira L. Souza

Introdução a Gestão da Informação: dado, informação, conhecimento e a organização empresarial Prof. MSc Hugo Vieira L. Souza Introdução a Gestão da Informação: dado, informação, conhecimento e a organização empresarial Prof. MSc Hugo Vieira L. Souza Este documento está sujeito a copyright. Todos os direitos estão reservados

Leia mais

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO

Leia mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Dimensões de análise dos SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução n Os sistemas de informação são combinações das formas de trabalho, informações, pessoas

Leia mais

UNG CIC Tópicos Especiais de TI. Aula 13

UNG CIC Tópicos Especiais de TI. Aula 13 Aula 13 1. Data Warehouse Armazém de Dados (Continuação) 1 Erros na implantação de um Data Warehouse Segundo o Data Warehousing Institute existem dez erros mais comuns na implantação de um Data Warehouse

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

UNOCHAPECÓ - ÁREA DE CIÊNCIAS EXATAS E AMBIENTAIS ENGENHARIA MECÂNICA - P.I. PROF. EDERSON MOREIRA PAZ

UNOCHAPECÓ - ÁREA DE CIÊNCIAS EXATAS E AMBIENTAIS ENGENHARIA MECÂNICA - P.I. PROF. EDERSON MOREIRA PAZ UNOCHAPECÓ - ÁREA DE CIÊNCIAS EXATAS E AMBIENTAIS ENGENHARIA MECÂNICA - P.I. PROF. EDERSON MOREIRA PAZ PESQUISA DE MERCADO Alguns fatores específicos e relevantes para a confecção de uma proposta. CONSUMIDORES

Leia mais

SAD orientado a MODELO

SAD orientado a MODELO Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER

Leia mais

CAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA

CAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA CAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA Constata-se que o novo arranjo da economia mundial provocado pelo processo de globalização tem afetado as empresas a fim de disponibilizar

Leia mais

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

Leia mais

Projeto de Arquitetura

Projeto de Arquitetura Projeto de Arquitetura Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 11 Slide 1 Objetivos Apresentar projeto de arquitetura e discutir sua importância Explicar as decisões de projeto

Leia mais

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia

Leia mais

Módulo 15 Resumo. Módulo I Cultura da Informação

Módulo 15 Resumo. Módulo I Cultura da Informação Módulo 15 Resumo Neste módulo vamos dar uma explanação geral sobre os pontos que foram trabalhados ao longo desta disciplina. Os pontos abordados nesta disciplina foram: Fundamentos teóricos de sistemas

Leia mais

Unidade III PRINCÍPIOS DE SISTEMAS DE. Prof. Luís Rodolfo

Unidade III PRINCÍPIOS DE SISTEMAS DE. Prof. Luís Rodolfo Unidade III PRINCÍPIOS DE SISTEMAS DE INFORMAÇÃO Prof. Luís Rodolfo Vantagens e desvantagens de uma rede para a organização Maior agilidade com o uso intenso de redes de computadores; Grandes interações

Leia mais

SISTEMAS INTELIGENTES DE APOIO À DECISÃO

SISTEMAS INTELIGENTES DE APOIO À DECISÃO SISTEMAS INTELIGENTES DE APOIO À DECISÃO As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas

Leia mais

ADMINISTRAÇÃO DA INFORMÁTICA

ADMINISTRAÇÃO DA INFORMÁTICA ADMINISTRAÇÃO DA INFORMÁTICA A informação sempre esteve presente em todas as organizações; porém, com a evolução dos negócios, seu volume e valor aumentaram muito, exigindo uma solução para seu tratamento,

Leia mais

EMENTAS DAS DISCIPLINAS

EMENTAS DAS DISCIPLINAS EMENTAS DAS DISCIPLINAS CURSO CST ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO 68 A disciplina estuda a área da informática como um todo e os conceitos fundamentais, abrangendo desde a

Leia mais

Núcleo de Pós Graduação Pitágoras Partes Iniciais ou Elementos Pré- Textuais

Núcleo de Pós Graduação Pitágoras Partes Iniciais ou Elementos Pré- Textuais Núcleo de Pós Graduação Pitágoras Partes Iniciais ou Elementos Pré- Textuais Disciplina: Orientação de Conclusão de Curso Professor: Fernando Zaidan PROJETO - Elaboração de um projeto é de grande importância

Leia mais

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Prof a.:lillian Alvares Fóruns óu s/ Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias

Leia mais

Introdução à Computação

Introdução à Computação Aspectos Importantes - Desenvolvimento de Software Motivação A economia de todos países dependem do uso de software. Cada vez mais, o controle dos processos tem sido feito por software. Atualmente, os

Leia mais

PROJETO DE REDES www.projetoderedes.com.br

PROJETO DE REDES www.projetoderedes.com.br PROJETO DE REDES www.projetoderedes.com.br Centro Universitário de Volta Redonda - UniFOA Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro

Leia mais

Processos Gerenciais

Processos Gerenciais UNIVERSIDADE PAULISTA CURSO SUPERIOR DE TECNOLOGIA Projeto Integrado Multidisciplinar III e IV Processos Gerenciais Manual de orientações - PIM Curso Superior de Tecnologia em Processos Gerenciais. 1.

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve

Leia mais

EMENTAS DAS DISCIPLINAS

EMENTAS DAS DISCIPLINAS EMENTAS DAS DISCIPLINAS CST SISTEMAS DE INFORMAÇÃO DISCIPLINA: Algoritmo e Programação I A disciplina aborda o estudo de algoritmos, envolvendo os conceitos fundamentais: variáveis, tipos de dados, constantes,

Leia mais

Cadeira de Tecnologias de Informação. Conceitos fundamentais de sistemas e tecnologias de informação e de gestão do conhecimento.

Cadeira de Tecnologias de Informação. Conceitos fundamentais de sistemas e tecnologias de informação e de gestão do conhecimento. Cadeira de Tecnologias de Informação Ano lectivo 2007/08 Conceitos fundamentais de sistemas e tecnologias de informação e de gestão do conhecimento. Prof. Mário Caldeira Profª Ana Lucas Dr. Fernando Naves

Leia mais

DSI é o processo cujo objetivo é introduzir mudanças num sistema de informação, com objetivo de melhorar o seu desempenho.

DSI é o processo cujo objetivo é introduzir mudanças num sistema de informação, com objetivo de melhorar o seu desempenho. - DSI DSI é o processo cujo objetivo é introduzir mudanças num sistema de informação, com objetivo de melhorar o seu desempenho. Preocupação: Problema técnicos Mudança na natureza e conteúdo do trabalho

Leia mais

FACULDADE KENNEDY BACHARELADO EM SISTEMAS DE INFORMAÇÃO

FACULDADE KENNEDY BACHARELADO EM SISTEMAS DE INFORMAÇÃO FACULDADE KENNEDY BACHARELADO EM SISTEMAS DE INFORMAÇÃO A Faculdade Kennedy busca sempre melhorar a qualidade, oferecendo serviços informatizados e uma equipe de profissionais preparada para responder

Leia mais

Módulo 6: Inteligência Artificial

Módulo 6: Inteligência Artificial Módulo 6: Inteligência Artificial Assuntos: 6.1. Aplicações da IA 6.2. Sistemas Especialistas 6.1. Aplicações da Inteligência Artificial As organizações estão ampliando significativamente suas tentativas

Leia mais

EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS

EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO 60 h 1º Evolução histórica dos computadores. Aspectos de hardware: conceitos básicos de CPU, memórias,

Leia mais

UNIMEP MBA em Gestão e Negócios

UNIMEP MBA em Gestão e Negócios UNIMEP MBA em Gestão e Negócios Módulo: Sistemas de Informações Gerenciais Aula 4 TI com foco nos Negócios: Áreas envolvidas (Parte II) Flávio I. Callegari www.flaviocallegari.pro.br O perfil do profissional

Leia mais

Estratégia De Diferenciação Competitiva Através Do Marketing De Relacionamento. Profa. Dra. Maria Isabel Franco Barretto

Estratégia De Diferenciação Competitiva Através Do Marketing De Relacionamento. Profa. Dra. Maria Isabel Franco Barretto Estratégia De Diferenciação Competitiva Através Do Marketing De Relacionamento Profa. Dra. Maria Isabel Franco Barretto CURRÍCULO DO PROFESSOR Administradora com mestrado e doutorado em engenharia de produção

Leia mais

Data Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à

Leia mais

Integração de Sistemas Industriais com a Suíte GE Proficy

Integração de Sistemas Industriais com a Suíte GE Proficy Integração de Sistemas Industriais com a Suíte GE Proficy Ricardo Caruso Vieira Aquarius Software 1. Introdução Há mais de duas décadas, a indústria investe intensamente em sistemas ERP (Enterprise Resource

Leia mais

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas

Leia mais

Capítulo 13: Tecnologia da Informação. Prof.: Roberto Franciscatto

Capítulo 13: Tecnologia da Informação. Prof.: Roberto Franciscatto Capítulo 13: Tecnologia da Informação Prof.: Roberto Franciscatto Introdução Uma informação é um arranjo de dados (nomes, palavras, números, sons, imagens) capazes de dar forma ou sentido a algo do interesse

Leia mais

O Valor estratégico da sustentabilidade: resultados do Relatório Global da McKinsey

O Valor estratégico da sustentabilidade: resultados do Relatório Global da McKinsey O Valor estratégico da sustentabilidade: resultados do Relatório Global da McKinsey Executivos em todos os níveis consideram que a sustentabilidade tem um papel comercial importante. Porém, quando se trata

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

Unidade IV SISTEMAS DE INFORMAÇÃO. Prof. Daniel Arthur Gennari Junior

Unidade IV SISTEMAS DE INFORMAÇÃO. Prof. Daniel Arthur Gennari Junior Unidade IV SISTEMAS DE INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Sistema de informação nos negócios Sistemas de informação no apoio ao processo de tomada de decisão Sistemas colaborativos

Leia mais

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Comunidades de Prática Grupos informais e interdisciplinares de pessoas unidas em torno de um interesse

Leia mais

Engenharia de Requisitos

Engenharia de Requisitos Engenharia de Requisitos Conteúdo Definição Questionamentos Típicos Visão Geral Ciclo de Vida dos Requisitos Síntese dos Objetivos Gerência de Mudança Identificação de Requisitos Classificação de Requisitos

Leia mais

Gestão de TI. Aula 9 - Prof. Bruno Moreno 27/06/2011

Gestão de TI. Aula 9 - Prof. Bruno Moreno 27/06/2011 Gestão de TI Aula 9 - Prof. Bruno Moreno 27/06/2011 Aula passada... CRM BI - Introdução Sistemas Interorganizacionais 17:08 2 Aula de hoje... Gestão do Conhecimento 17:08 3 85% dos ativos de conhecimento

Leia mais

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO Santa Maria, 10 de Outubro de 2013. Revisão aula anterior Documento de Requisitos Estrutura Padrões Template Descoberta

Leia mais

Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining

Pós-Graduação Lato Sensu Especialização em Análise de Dados e Data Mining Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00

Leia mais

EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES

EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES Rigoleta Dutra Mediano Dias 1, Lívia Aparecida de Oliveira Souza 2 1, 2 CASNAV, MARINHA DO BRASIL, MINISTÉRIO DA DEFESA, BRASIL Resumo: Este

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

INSTITUTO LONG TAO METODOLOGIA CIENTÍFICA

INSTITUTO LONG TAO METODOLOGIA CIENTÍFICA INSTITUTO LONG TAO METODOLOGIA CIENTÍFICA Profa. Ms. Rose Romano Caveiro CONCEITO E DEFINIÇÃO É um conjunto de abordagens, técnicas e processos utilizados pela ciência para formular e resolver problemas

Leia mais

NÚCLEO DE EDUCAÇÃO MATEMÁTICA E ENSINO DE FÍSICA E AS NOVAS TECNOLOGIAS NA FORMAÇÃO DE PROFESSORES

NÚCLEO DE EDUCAÇÃO MATEMÁTICA E ENSINO DE FÍSICA E AS NOVAS TECNOLOGIAS NA FORMAÇÃO DE PROFESSORES NÚCLEO DE EDUCAÇÃO MATEMÁTICA E ENSINO DE FÍSICA E AS NOVAS TECNOLOGIAS NA FORMAÇÃO DE PROFESSORES Edson Crisostomo dos Santos Universidade Estadual de Montes Claros - UNIMONTES edsoncrisostomo@yahoo.es

Leia mais

Programa do Curso de Pós-Graduação Lato Sensu MBA em Engenharia de Software Orientada a Serviços (SOA)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Engenharia de Software Orientada a Serviços (SOA) Programa do Curso de Pós-Graduação Lato Sensu MBA em Engenharia de Software Orientada a Serviços (SOA) Apresentação O programa de Pós-graduação Lato Sensu em Engenharia de Software Orientada a Serviços

Leia mais

GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL

GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL Capítulo 10 GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL 10.1 2003 by Prentice Hall OBJETIVOS Por que hoje as empresas necessitam de programas de gestão do conhecimento e sistemas para gestão do conhecimento?

Leia mais

Doenças cardiovasculares constituem um dos maiores problemas que afligem a

Doenças cardiovasculares constituem um dos maiores problemas que afligem a 18 1 INTRODUÇÃO Doenças cardiovasculares constituem um dos maiores problemas que afligem a população dos países industrializados. Essas doenças são responsáveis por mais de cinco milhões de pessoas hospitalizadas

Leia mais

COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS

COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS O documento que serviu de base para a análise a seguir é o denominado "Diretrizes Curriculares

Leia mais

Módulo 4: Gerenciamento de Dados

Módulo 4: Gerenciamento de Dados Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não

Leia mais

Algumas propriedades dos objetos:

Algumas propriedades dos objetos: Orientação a Objetos Vivemos num mundo de objetos. Esses objetos existem na natureza, nas entidades feitas pelo homem, nos negócios e nos produtos que usamos. Eles podem ser categorizados, descritos, organizados,

Leia mais

Sumário. Apresentação, xix Pre/dcio à 7 a edição, xxi Prefácio à 1 a edição, xxiii. Parte I - EMPRESA E SISTEMAS, l

Sumário. Apresentação, xix Pre/dcio à 7 a edição, xxi Prefácio à 1 a edição, xxiii. Parte I - EMPRESA E SISTEMAS, l Sumário Apresentação, xix Pre/dcio à 7 a edição, xxi Prefácio à 1 a edição, xxiii Parte I - EMPRESA E SISTEMAS, l l SISTEMA EMPRESA, 3 1.1 Teoria geral de sistemas, 3 1.1.1 Introdução e pressupostos, 3

Leia mais

METAS E INDICADORES COMO DEFINIR OS INDICADORES?

METAS E INDICADORES COMO DEFINIR OS INDICADORES? METAS E INDICADORES COMO DEFINIR OS INDICADORES? Os indicadores permitem avaliação do desempenho da instituição, segundo três aspectos relevantes: controle, comunicação e melhoria. (MARTINS & MARINI, 2010,

Leia mais

Unidade IV ESTRATÉGIA COMPETITIVA. Profa. Lérida Malagueta

Unidade IV ESTRATÉGIA COMPETITIVA. Profa. Lérida Malagueta Unidade IV ESTRATÉGIA COMPETITIVA Profa. Lérida Malagueta Estratégia competitiva Já conhecemos os conceitos sobre a teoria da decisão estratégica e de como competem e cooperam: Os decisores As empresas

Leia mais

SISTEMAS DE INFORMAÇÃO GERENCIAIS

SISTEMAS DE INFORMAÇÃO GERENCIAIS SISTEMAS DE INFORMAÇÃO GERENCIAIS O PODER DA INFORMAÇÃO Tem PODER quem toma DECISÃO Toma DECISÃO correta quem tem SABEDORIA Tem SABEDORIA quem usa CONHECIMENTO Tem CONHECIMENTO quem possui INFORMAÇÃO (Sem

Leia mais

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.

Leia mais

Portaria Inep nº 190 de 12 de julho de 2011 Publicada no Diário Oficial de 13 de julho de 2011, Seção 1, pág. 13

Portaria Inep nº 190 de 12 de julho de 2011 Publicada no Diário Oficial de 13 de julho de 2011, Seção 1, pág. 13 Portaria Inep nº 190 de 12 de julho de 2011 Publicada no Diário Oficial de 13 de julho de 2011, Seção 1, pág. 13 A Presidenta do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep),

Leia mais

Tecnologia da Informação

Tecnologia da Informação Tecnologia da Informação Gestão Organizacional da Logística Sistemas de Informação Sistemas de informação ERP - CRM O que é ERP Os ERPs em termos gerais, são uma plataforma de software desenvolvida para

Leia mais

MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)

MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)

Leia mais

Exemplo de Aplicação do DataMinig

Exemplo de Aplicação do DataMinig Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta

Leia mais

Figura 1 - Processo de transformação de dados em informação. Fonte: (STAIR e REYNOLDS, 2008, p. 6, adaptado).

Figura 1 - Processo de transformação de dados em informação. Fonte: (STAIR e REYNOLDS, 2008, p. 6, adaptado). Tecnologia da Informação (TI) A tecnologia é o meio, o modo pelo qual os dados são transformados e organizados para a sua utilização (LAUDON; LAUDON, 1999). Os dados podem ser considerados como fatos básicos,

Leia mais

Utilize o roteiro abaixo como mapa para elaboração do projeto. Organizado o conjunto, amplie as partes que requerem detalhamento.

Utilize o roteiro abaixo como mapa para elaboração do projeto. Organizado o conjunto, amplie as partes que requerem detalhamento. Utilize o roteiro abaixo como mapa para elaboração do projeto. Organizado o conjunto, amplie as partes que requerem detalhamento. ROTEIRO PARA ELABORAÇÃO DE PROJETO DE PESQUISA Título provisório (uma expressão

Leia mais

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior Unidade III PLANEJAMENTO ESTRATÉGICO DE TECNOLOGIA DA INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Gestão do conhecimento e inteligência Corporativa Conceitos fundamentais Aplicações do

Leia mais

CONSIDERAÇÕES SOBRE O PROCESSO DE ENSINO APRENDIZAGEM DO ESPORTE NA ESCOLA POR MEIO DE UM ESTUDO DE CASO

CONSIDERAÇÕES SOBRE O PROCESSO DE ENSINO APRENDIZAGEM DO ESPORTE NA ESCOLA POR MEIO DE UM ESTUDO DE CASO CONSIDERAÇÕES SOBRE O PROCESSO DE ENSINO APRENDIZAGEM DO ESPORTE NA ESCOLA POR MEIO DE UM ESTUDO DE CASO FINCK, Silvia Christina Madrid (UEPG) 1 TAQUES, Marcelo José (UEPG) 2 Considerações iniciais Sabemos

Leia mais