Web Mining é a intersecção de várias áreas
|
|
- Vitorino Marinho
- 5 Há anos
- Visualizações:
Transcrição
1 Web Mining e Recuperação de Informação Web Mining é a intersecção de várias áreas Sistemas de Bancos de Dados Ciência da Informação e Bibliotecas Digitais Inteligência Artificial Processamento de Linguagem natural Aprendizagem de Máquina 1
2 Sistemas de Bancos de Dados Dados HVWUXWXUDGRV armazenados em tabelas relacionais e não em texto livre. Eficiente processamento de queries bem formadas em uma query formal (SQL). Semântica clara para dados e queries. Recentes avanços para dados VHPL HVWUXWXUDGRV (XML) torna-o mais próximo de RI (Recuperação de Informação). Ciência da Informação e Bibliotecas Digitais Aspectos humanos de recuperação da informação (interação human-computador, visualização). Categorização do conhecimento humano. Análise de referências bibliográficas e ELEOLRPHWULD Trabalhos recentes sobre ELEOLRWHFDV GLJLWDLV torna-o próximo de RI. 2
3 Inteligência Artificial Representação de conhecimento, raciocínio, e busca de informação. Formalismos para representação de conhecimento e queries: Lógica de Predicados Redes Bayesianas Others Recentes trabalhos sobre ontologias e agentes inteligentes de informação torna-a próxima de RI. Processamento de Linguagem Natural Análise Sintática, semântica e pragmática de texto e discurso. Habilidade de analisar sintaxe (estrutura de frases) e semântica pode permitir a recuperação pelo significado e não por palavras-chave. Resposta a questões, extração de informações, etc. 3
4 Aprendizagem de Máquina Sistemas capazes de aprender novos conceitos e melhorar com a experiência. Aprendizagem supervisionada (classificação ou categorização automática) Aprendizagem não-supervisionada (DJUXSDPHQWR). Sistema de RI (Recuperação de Informação) Coleção de Docs. Query String Sistema de RI Documentos Ranqueados 1. Doc1 2. Doc2 3. Doc3.. 4
5 Paradigmas Opostos Busca em DBMS Modelos complexos de dados: tabelas, colunas, linhas, tipos de dados Expressiva e poderosa linguagem de query (SQL) Necessário conhecer o esquema para elaborar queries Resposta = conjunto desordenado de tuplas Ranking = critério explícito RI (Recuperação de Informação) Dados: conj. de documentos, documento= conj. de termos Termos e Frases presentes ou não Não, esquema geralmente desconhecido e não trivial Resposta = seqüência de documentos Ranking = Ponto central de RI Paralelos SQL -> XML search Árvores, links de referência Links rotulados (relacionamentos) Nós podem conter: dados estruturados; campos de texto Query envolve nós de dados e rótulos dos links Conhecimento parcial do esquema Resposta = conjunto de caminhos Web search <- RI Docs são nós de um grafo Hiperlinks têm importância mas não uma semântica Ex.: Google Dados textuais Dados são documentos Linguagem de consulta permanece primitiva Sem tipos de dados Sem árvores de tags Resposta = lista de urls 5
6 Arquitetura de um sistema de RI Necessidade Do usuário Interface do Usuário Operações Textuais Texto Feedback do usuário Query Docs Ranqueados Operações De Query Busca Ranqueam. Indexação Arquivo Invertido Índice Docs Recuperados DBMS Base de Textos Relevância dos Resultados Relevância é um julgamento subjetivo e pode incluir: Relação com o assunto da query. Característica temporal (informação recente). Ser confiável (de origem confiável). Satisfazer as metas do usuário (uso da informação). 6
7 Componentes de um Sistema de RI Operações Textuais: formar palavras para índices. Standardização (caps ) Remoção de Stopword Stemming Indexação: constrói um tqglfh LQYHUWLGR de palavras para ponteiros de documentos. Busca: recupera documentos que contém um termo da query usuando o índice invertido. Ranqueamento: ranqueia todos os documentos usando uma métrica relevante. Componentes de um Sistema de RI Interface do usuário: gerencia a interação com o usuário: Entrada de dados e saíde de documentos Feedback de relevância. Visualização de resultados. Operações de Query: modifica a query para melhorar a recuperação: Expansão de query usando um thesaurus. Transformação de query usando feedback de relevância. 7
8 RI e a Web A criação da Web fez crescer muito o interesse sobre RI: Repositório universal de conhecimento; Livre acesso; Fonte distribuída de informação; RI parece ser a solução para se encontrar informação na Web RI e a Web Em 2002: 5 Exabytes de novas informações; Meio magnético (HD s): 92%; Filmes: 7%; 5 Exabytes = 5 milhões de Terabytes = bytes; 2 vezes a quantidade de 1999, dando um percentual de 30% de aumento por ano. 8
9 RI e a Web 31 bilhões de s / ano = Tbytes de nova informação; A Internet (:HE): 170 Tbytes de informação = 17 vezes o conteúdo impresso da 86 /LEUDU\ RI &RQJUHVV. Fonte: IR e a Web Sites de Busca: Yahoo, Google, etc. = a 1 ª opção de acesso para usuários; Um usuário típico: 11 h 20 m / mês; Acesso à informação desejada = 1 / 3 do tempo; 9
10 Busca na Web Aplicação de RI à documentos HTML da Web. Diferenças: Corpus de documentos é gerado com spiders. Pode explorar o layout estrutural da página HTML (XML). Documentos são modificados constantemente. Pode explorar a estrutura de links da web. Sistema de busca na Web Web Spider Corpus de Documentos Query String Systema De IR 1. Page1 2. Page2 3. Page3.. Documentos Ranqueados 10
11 Outras tarefas relacionadas a RI na Web Categorização automática de documentos Filtragem de Informação (spams) Roteamento de Informação Agrupamento automatizado de documentos Sistemas de recuperação de produtos Extração de Informação Integração de Informação Resposta a queries Query Qual peça de Shakespeare contém as palavras %UXWXV $1' &DHVDU mas 127 &DOSXUQLD? Para responder esta questão pode-se listar todas as peças de Shakespeare contendo %UXWXV e &DHVDU e então eliminar aquelas que não contém &DOSXUQLD? Isso é muito lento (para grandes bases) 127 é difícil de fazer Outras operações 11
12 Modelo Booleano Baseado na álgebra booleana Documentos são conjuntos de termos Queries são expressões booleanas Historicamente o modelo mais comum Muitos mecanismos de busca também o utilizam Exemplo! #"$! &%' )(* +,! -/ :7;< 9 ; :7; = > 8$6.?; :@=< 1 > ; 0 6 ; A < 6 B C 1D6 9 < se peça contém palavra, 0 caso contrário 12
13 Modelo Booleano Query: Quais peças de Shakespeare contém as palavras %UXWXV $1' &DHVDU mas 127 &DOSXUQLD? Assim nós temos um vetor 0/1 de termos Para responder a query: selecione os vetores para %UXWXV&DHVDU e not(&dosxuqld (operação binária $1' $1' $1' = Resultado: Antony and Cleopatra e Hamlet Grandes bases de documentos Considere Q= 1M de documentos, cada um com 1K (1000) termos. Na média 6 bytes/term incluindo pontuação, espaçamento 6GB de dados. Existem aproximadamente P= 500K ( ) termos distintos nesses dados. 13
14 Modelo Booleano Vantagens: Fácil de entender. Formalismo claro. Podem ser extendidos para incluir ranqueamento. Modelo eficiente. Modelos Booleanos - Desvantagens Decisão binária vs resposta parcial Por default, nenhum ranqueamento é fornecido Difícil de representar queries complexas por parte dos usuários Geralmente retorna muitos documentos ou pouco documentos Não consegue capturar o feedback de relevância do usuário 14
15 É impossível construir essa matriz Uma matriz 500K x 1M tem meio trilhão de 0 s e 1 s Mas ele tem não mais do que um bilhão de 1 s Matriz é extremamente esparsa Qual é a melhor representação? Índices invertidos Documentos são parseados para a extração de termos e estes são salvos com o ID do documento Doc 1 I did enact Julius Caesar I was killed i the Capitol; Brutus killed me. Doc 2 So let it be with Caesar. The noble Brutus hath told you Caesar was ambitious Term Doc # I 1 did 1 enact 1 julius 1 caesar 1 I 1 was 1 killed 1 i 1 the 1 capitol 1 brutus 1 killed 1 me 1 so 2 let 2 it 2 be 2 with 2 caesar 2 the 2 noble 2 brutus 2 hath 2 told 2 you 2 caesar 2 was 2 ambitious 2 15
16 Depois que todos os documentos forem analisados os arquivos de índices são ordenados em função dos termos Term Doc # I 1 did 1 enact 1 julius 1 caesar 1 I 1 was 1 killed 1 i 1 the 1 capitol 1 brutus 1 killed 1 me 1 so 2 let 2 it 2 be 2 with 2 caesar 2 the 2 noble 2 brutus 2 hath 2 told 2 you 2 caesar 2 was 2 ambitious 2 Term Doc # ambitious 2 be 2 brutus 1 brutus 2 capitol 1 caesar 1 caesar 2 caesar 2 did 1 enact 1 hath 1 I 1 I 1 i 1 it 2 julius 1 killed 1 killed 1 let 2 me 1 noble 2 so 2 the 1 the 2 told 2 you 2 was 1 was 2 with 2 Múltiplas entradas para um termo são fusionadas e as frequências somadas Term Doc # ambitious 2 be 2 brutus 1 brutus 2 capitol 1 caesar 1 caesar 2 caesar 2 did 1 enact 1 hath 1 I 1 I 1 i 1 it 2 julius 1 killed 1 killed 1 let 2 me 1 noble 2 so 2 the 1 the 2 told 2 you 2 was 1 was 2 with 2 Term Doc # Freq ambitious be brutus brutus capitol caesar caesar 2 2 did enact hath I 1 2 i it julius killed 1 2 let me noble so the the told you was was with 16
17 O arquivo é normalmente dividido em um dicionário e em um arquivo LQGH[DGR Term Doc # Freq ambitious be brutus brutus capitol caesar caesar 2 2 did enact hath I 1 2 i it julius killed 1 2 let me noble so the the told you was was with Term N docs Tot Freq ambitious be brutus 2 2 capitol caesar 2 3 did enact hath I 1 2 i it julius killed 1 2 let me noble so the 2 2 told you was 2 2 with Doc # Freq Qual o problema com o armazenamento? Doc # Freq Termos Term N docs Tot Freq ambitious be brutus 2 2 capitol caesar 2 3 did enact hath I 1 2 i it julius killed 1 2 let me noble so the 2 2 told you was 2 2 with Ponteiros
18 Duas forças conflitantes Um termo como &DOSXUQLD aparecerá em um documento dentre 1 milhão de docs o armazenamento do ponteiro para este termos representará um espaço de log 2 1M ~ 20 bits. Um termo como WKH ocorre em praticamente todos os documentos, assim 20 bits/ponteiro é muito caro. Prefira o vetor de 0/1 neste caso. Questões sobre índices Como processar uma entrada? Quais termos indexar em um doc.? Todas as palavras ou somente as mais importantes? Lista de Stopwords: termos que são comuns devem ser ignorados para a indexação H[., WKHDDQRIWR 18
19 Questões sobre o que indexar Cooper s concordance of Wordsworth was published in The applications of full-text retrieval are legion: they include résumé scanning, litigation support and searching published journals on-line. &RRSHU V vs. &RRSHU vs. &RRSHUV. )XOOWH[W vs. IXOOWH[W vs. {IXOOWH[W} vs. IXOOWH[W Acentuação: UpVXPp vs. UHVXPH. Pontuação 1H HU: é uma terminologia específica, é necessário uma normalização manual. 6WDWHRIWKHDUW: quebre a seqüência com hífen. 86$ vs. 86$ use valor default. DRXW 19
20 3/12/91 Mar. 12, B.C. B-52 Números Geralmente não indexada como texto Criação de datas para documentos Case Sensitive Reduza todas as letras para minúsculo Exceção: letras maiúsculas dentro de sentenças H[ *HQHUDO0RWRUV )HG vs. IHG 6$,/vsVDLO 20
21 Thesaurus Manipular sinônimos e homônimos Classes de equivalências construídas manualmente ex., FDU = DXWRPRELOH \RXUYV \RX UH Idexar tais equivalências, ou expandir query? Correção ortográfica Procure todos os termos que têm até 3 diferenças 3 (Inserção/Deleteção/substituição de caracteres) em uma query H[$ODQLV 0RULVHWWH Correção ortográfica é cara e torna lenta a query (em até 100 vezes) Utilise esta estratégia apenas quando o índice retorna zero matches. Oq fazer se o documentos contém erros? 21
22 Lematização Reduz formas variantes para a forma básica Ex., DPDUH LV EH FDUFDUVFDUV, FDUV FDU WKHER\VFDUVDUHGLIIHUHQWFRORUV WKH ER\FDUEHGLIIHUHQWFRORU Stemming Reduz os termos para suas raízes antes de indexar Dependente de idioma ex., DXWRPDWHVDXWRPDWLFDXWRPDWLRQ são reduzidos a DXWRPDW. for example compressed and compression are both accepted as equivalent to compress. for exampl compres and compres are both accept as equival to compres. 22
23 Algoritmo de Porter Algoritmo mais comum de stemming para English Convenções + 5 fases de reduções Fases aplicadas sequencialmente Cada fase consiste de um conjunto de comandos Convenção simples: das regras em um comando composto, selecione aquela que se aplica ao maior sufixo Regras típicas de Porter VVHV VV LHV L DWLRQDO DWH WLRQDO WLRQ 23
24 Outros stemmers Outros stemmers existem, ex., stemmer de Lovins tm Único passo, remoção do maior sufixo (em torno de 250 regras) Motivado pela Lingüistica e IR Análise morfológica completa - modestos benefícios para recuperação Busca além de termos Como manipular frases? Proximidade: Encontre *DWHV 1($5 0LFURVRIW. Precisa indexar para capturar a posição da informação nos docs. Zonas em documentos: Encontre documentos com (DXWKRU 8OOPDQ) $1' (texto contém DXWRPDWD). Proximidade Dentro do texto 24
25 Acúmulo de evidência Ocorrência do termo em 1 vs. 0 Ocorrência 2 vs. 1 Ocorrência 3 vs. 2, etc. Precisa da freqüência do termo nos docs Ranqueando resultados de buscas Queries booleanas representam inclusão ou exclusão dos documentos. É necessário medir a proximidade da query para cada doc. Decidir se os docs representados ao usuário cobrem diferentes aspectos da query. 25
26 Dados Estruturados vs Nãoestruturados Dados estruturados são armazenados normalmente em tabelas Empregado Gerente Salário Smith Jones Chang Smith Ivy Smith Permite queries para intervalos de valores e matching exatos para texto, Salário < AND Manager = Smith. Dados Não-estruturados Normalmente está em texto livre Permite Queries usando palavras chaves e operadores Queries conceituais podem ser efetuadas, Encontre todas páginas web relacionadas a abuso de drogas Modelo clássico de busca para documentos textuais 26
27 Dados Semi-estruturados De fato, quase nenhum dado é nãoestruturado Ex., este slide tem zonas distintas como título e itens Isso facilita a busca em dados semiestruturados como 7tWXOR contém dados AND,WHQV contém busca Mecanismos avançados de busca semi-estruturada 7LWOH relacionado a Programação Orientada a Objetos AND $XWRU algo parecido com stro*rup onde * é o operador coringa Problemas: Como processar relacionado a? Como ranquear documentos? Falaremos mais adiante sobre XML 27
28 Agrupamento e classificação Dado um conjunto de docs, agrupe-os em clusters baseado em seu conteúdo. Dado um conjunto de tópicos mais um novo documento ', decida dentro de qual(is) tópicos colocar o documento '. A web e seus desafios Documentos com características particulares e diversas Satisfazer a necessidade de diferentes usuários, tipos de queries e necessidades de informação Além de termos, explora idéias de redes sociais Análise de links, ranking de documentos... 28
29 Avaliação de um sistema de Recuperação de Informação Parte I Como podemos avaliar a qualidade de um sistema de RI? Velocidade de indexação Quantidade de índices, tamanho do corpus Velocidade de processameno da query ³5HOHYkQFLD GRVUHVXOWDGRV Nota: QHFHVVLGDGH GHLQIRUPDomR é traduzida por uma TXHU\ Relevância está relacionada à QHFHVVLGDGH GH LQIRUPDomR QmR à TXHU\ O modelo de busca clássico ] MN QS L TbMS ^ F ` McW IMG X K$L G MN L O MPMJ J$QR L R$M R$M QSN FG T LUV F Y FG T L Z MG [ L\ W I MG X Má-conceituação Má-tradução Má-formulação _ F ^ FG ` Mba@I J P L ] MJ$I \^ L RDFJ Livrar-se dos ratos de uma maneira politicamente correta Info sobre como acabar com ratos sem matá-los Como capturar ratos vivos? E'FG H$I J d/ef ghji k7ldm Polisemia Sinônimos 29
30 Problemas Má-conceituação = informação que vc acha necessária não é necessária para realizar a tarefa Má-tradução = verbalização não reflete a informação necessária Má-formulação = query atual não reflete a informação necessária Polisemia = uma palavra com múltiplos significados Sinônimos = mesmo conceito expresso de várias formas Recursos para a aula de hoje 0DQDJLQJ*LJDE\WHV, Capítulo 3. 0RGHUQ,QIRUPDWLRQ5HWULHYDOCapítulo 7.2 Stemmer de Porter:
Profª Ana Lúcia Lima Marreiros Maia Profª Fabiana Cristina Bertoni
Profª Ana Lúcia Lima Marreiros Maia Profª Fabiana Cristina Bertoni Motivação e Objetivos Etapas do Desenvolvimento de um Sistema de Recuperação de Informações (SRI): Pré-processamento; Representação; Extração
Pré-Processamento de Documentos
Pré-Processamento de Documentos Introdução Pré-Processamento : Análise léxica; Stopwords; Stemming; Vocabulário; Thesaurus Compressão: Fundamentos; Método Estatístico; Método Dicionário; Arquivos Invertidos
Recuperação de Dado X Informação. Gerenciamento de Dados e Informação. Histórico. Recuperação de Informação. Histórico. Histórico
Recuperação de Dado X Informação Gerenciamento de Dados e Informação Recuperação de Informação Fernando Fonseca Ana Carolina Robson Fidalgo Comparação (matching) Recuperação de Dados Exata Recuperação
Indexação e Modelos Clássicos
Wendel Melo Faculdade de Computação Universidade Federal de Uberlândia Recuperação da Informação Adaptado do Material da Profª Vanessa Braganholo - IC/UFF Construção de um Sistema de Busca 1ª Etapa: Definir
Compressão de Textos. Introdução. Introdução. Introdução. O volume de informação textual disponível on-line é imenso:
Compressão de Textos Estrutura de Dados II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Departamento de Computação DECOM O volume
BIG DATA: UMA INTRODUÇÃO. Prof. Ronaldo R. Goldschmidt
BIG DATA: UMA INTRODUÇÃO Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com 70% 60% 50% 40% 30% 20%
Descoberta de conhecimento em textos - Análise semântica. Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes
Descoberta de conhecimento em textos - Análise semântica Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes Introdução Diversidade de textos não padronizados; Emails, artigos,
Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Pré-processamento de documentos Organização e Recuperação de Informação(GSI521) Introdução O pré-processamento de
Mineração de Textos. Mineração de Textos
Mineração de Textos Os estudos em Aprendizado de Máquina normalmente trabalham com dados estruturados Entretanto, uma grande quantidade de informação é armazenada em textos, que são dados semi-estruturados
Recuperação de Informações
Recuperação de Informações Ana Carolina Salgado & Fernando Fonseca Comparação (matching) Dados Inferência Modelo Ling Consulta Esp da Consulta Recuperação de Dado X Informação Recuperação de Recuperação
Universidade Católica de Pelotas
Universidade Católica de Pelotas Stanley Loh (líder) Evento PLN Janeiro de 2008 Grupo de Pesquisa GPSI G rupo de P esquisa em S istemas de I nformação GPSI-UCPEL 2 Pesquisadores Professores Stanley Loh
O que é um jogo digital?
O que é um jogo digital? Programa de Computador Dados Algoritmos Para que estudar Estrutura de Dados? Para manipular os dados dos programas usamos os ALGORITMOS e para organizar os dados da melhor forma
DESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING. Aluno José Lino Uber. Orientador Paulo Roberto Dias
DESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING Aluno José Lino Uber Orientador Paulo Roberto Dias Dezembro/2004 Roteiro Introdução Objetivo Conceitos Motivação / Tipos
KDD E MINERAÇÃO DE DADOS:
KDD E MINERAÇÃO DE DADOS: Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com Coleta de dados em vários
Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Modelosde RI e o ModeloBooleano Organização e Recuperação de Informação(GSI521) Tópicos Modelagem em RI; Caracterização
I-Preproc: uma ferramenta para pré-processamento e indexação incremental de documentos
17 I-Preproc: uma ferramenta para pré-processamento e indexação incremental de documentos Renan Gomes Pereira 1 Maria Fernanda Moura 2 Resumo: O objetivo deste trabalho é apresentar a ferramenta I-Preproc,
Banco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri. Banco de Dados Processamento e Otimização de Consultas
Processamento e Otimização de Consultas Banco de Dados Motivação Consulta pode ter sua resposta computada por uma variedade de métodos (geralmente) Usuário (programador) sugere uma estratégia para achar
Bancos de Dados Orientados a Grafos. Mateus Lana e Thiago Santana
Bancos de Dados Orientados a Grafos Mateus Lana e Thiago Santana Conteúdo Grafos Definição; Representação; Conceitos. Bancos de dados orientados a grafos Introdução; Representação; Modelagem; Conceitos;
Realimentação de Relevância
Wendel Melo Faculdade de Computação Universidade Federal de Uberlândia Recuperação da Informação Ciclo de realimentação onde uma consulta q recebida do usuário é transformada em uma consulta modificada
LÍNGUA NATURAL RECUPERAÇÃO DE INFORMAÇÃO (INFORMATION RETRIEVAL) Nuno Mamede N E C E S S I D A D E
LÍNGUA NATURAL N E C E S S I D A D E Internet mais de 3 biliões de documentos indexados pelo Google RECUPERAÇÃO DE INFORMAÇÃO (INFORMATION RETRIEVAL) Nuno Mamede Que quantidade de informação é gerada todos
Engenharia Civil. Representação da Informação. Introdução à Computação
Engenharia Civil Representação da Informação Introdução à Computação Sumário Retomada... Representação de informação Bit, byte Conversão numérica Exercício Referência link na página 2.2.1 O bit, o byte,
3. Linguagem de Programação C
Introdução à Computação I IBM1006 3. Linguagem de Programação C Prof. Renato Tinós Departamento de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Linguagem de programação C 3.1. Conceitos
Programação I A Linguagem C. Prof. Carlos Alberto
Programação I A Linguagem C Prof. Carlos Alberto carlos.batista@facape.br carlos36_batista@yahoo.com.br 2 Origem A linguagem C foi desenvolvida em 1972, nos Laboratórios Bell, por Dennis Ritchie. Implementada
Aula 2 BD Introdução. Profa. Elaine Faria UFU
Aula 2 BD Introdução Profa. Elaine Faria UFU - 2017 Motivação A quantidade de informação disponível está crescendo exponencialmente Os dados e as informações tem um papel importante para as organizações
Sistema de Banco de Dados. UNIDADE 1 Introdução aos Sistemas de Bancos de Dados Professor: Armando Hage
Sistema de Banco de Dados UNIDADE 1 Introdução aos Sistemas de Bancos de Dados Professor: Armando Hage Resumo da Unidade Banco de dados BD SGBD Objetivo Visão Geral Abstração Modelo de Dados Entidade Relaciomento(ER)
CAP. VI ANÁLISE SEMÂNTICA
CAP. VI ANÁLISE SEMÂNTICA VI.1 Introdução Semântica SIGNIFICADO, SENTIDO LÓGICO, COERÊNCIA,... Diferença entre SINTAXE e SEMÂNTICA Sintaxe : descreve as estruturas de uma linguagem; Semântica : descreve
CURRÍCULO DO CURSO TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO (noturno) [Campus Araranguá] 20171
Documentação: Objetivo: Titulação: Diplomado em: Reconhecimento do Curso - Port.nº 122, de 05/07/2012/MEC Autorizado Portaria nº 322/SESU/2011, de 02/08/2011. Resolução nº 022/CEG/2008 de 10/12/2008,(Criação
Organização de Computadores I
Organização de Computadores I Aula 2 Material: Diego Passos http://www.ic.uff.br/~debora/orgcomp/pdf/parte2.pdf Organização de Computadores I Aula 2 1/29 Tópicos de Computação. de um Sistema de Computação..
Estruturas da linguagem C. 1. Identificadores, tipos primitivos, variáveis e constantes, operadores e expressões.
1 Estruturas da linguagem C 1. Identificadores, tipos primitivos, variáveis e constantes, operadores e expressões. Identificadores Os identificadores seguem a duas regras: 1. Devem ser começados por letras
Introdução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos
Introdução Laboratório de Computação para Ciências Módulo II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Mestrado Profissional
Projeto de Banco de Dados. Componentes de um Sistema de Informação. Arquitetura de SI. Sistema de Informação (SI) SI nas Organizações
Sistema (SI) Coleção de atividades de Banco de Dados que regulam o compartilhamento, SI nas Organizações a distribuição de informações Fernando Fonseca e o armazenamento de dados relevantes ao gerenciamento
Organização e Recuperação da Informação
Organização e Recuperação da Informação Wendel Melo Faculdade de Computação Universidade Federal de Uberlândia Recuperação da Informação Adaptado do Material da Prof Vanessa Braganholo - IC/UFF Recuperação
Introdução. descrever os tipos de interfaces e linguagens oferecidas por um SGBD. mostrar o ambiente de programas dos SGBD s
Introdução Contribuição do Capítulo 2: discutir modelos de dados definir conceitos de esquemas e instâncias descrever os tipos de interfaces e linguagens oferecidas por um SGBD mostrar o ambiente de programas
EMENTAS BIBLIOTECONOMIA INGRESSANTES 2016/1 E 2016/2
EMENTAS BIBLIOTECONOMIA INGRESSANTES 2016/1 E 2016/2 EMENTAS COMUNS ÀS MATRIZES LEITURA E PRODUÇÃO DE TEXTOS Produção de textos (orais e escritos), leitura e análise linguística de textos em diferentes
Universidade do Sul de Santa Catarina Ciência da Computação Aula 09 Introdução a Análise de Textos Prof. Max Pereira
Universidade do Sul de Santa Catarina Ciência da Computação Técnicasde InteligênciaArtificial Aula 09 Introdução a Análise de Textos Prof. Max Pereira Processamento de Linguagem Natural Conjunto de técnicas
4 Recuperação de Informação
4 Recuperação de Informação No presente capítulo são apresentados os fundamentos da área de Recuperação de Informação utilizados em Mineração de Textos, como por exemplo, os modelos de representação de
Curso Técnico Concomitante em Informática
Curso Técnico Concomitante em Informática CÂMPUS TUBARÃO MATRIZ CURRICULAR Módulo/Semestre 1 Carga horária total: 400h Informática Básica 4 Arquitetura de Computadores 4 Introdução à Programação 4 Administração
FACULDADE DE CIÊNCIA DE ENGENHARIA DE SOFTWARE MATRIZ CURRICULAR DO CURSO DE ENGENHARIA DE SOFTWARE PRIMEIRO PERÍODO SEGUNDO PERÍODO
FACULDADE DE CIÊNCIA DE ENGENHARIA DE SOFTWARE MATRIZ CURRICULAR DO CURSO DE ENGENHARIA DE SOFTWARE PRIMEIRO PERÍODO ESW200 Introdução à Engenharia de Software 2 36 30 - ESW201 Prática de Programação I
Linguagens Documentárias. Profa. Lillian Alvares Faculdade de Ciência da Informação, Universidade de Brasília
Linguagens Documentárias Profa. Lillian Alvares Faculdade de Ciência da Informação, Universidade de Brasília Contexto Organização da Informação...... procura criar métodos e instrumentos para elaborar
Introdução. Estrutura de Dados II Prof Jairo Francisco de Souza
Introdução Estrutura de Dados II Prof Jairo Francisco de Souza Conteúdo Programático Parte 1 Manipulação de arquivos Ordenação, arquivos em série e sequências, classificação externa, arquivos de acesso
Disciplina Gestão da Informação e do Conhecimento (ACA603)
Universidade Federal do Rio de Janeiro Centro de Ciências Jurídicas e Econômicas Faculdade de Administração e Ciências Contábeis Biblioteconomia e Gestão de Unidades de Informação Disciplina Gestão da
Pedro Paulo Balage Filho
Interface Web para o projeto: Sumarização Automática Multidocumento para o Português do Brasil com Base na Teoria de Estruturação Multidocumento CST (Cross-documentStructure Theory) Pedro Paulo Balage
Arquitetura de um Ambiente de Data Warehousing
Arquitetura de um Ambiente de Data Warehousing Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura Típica usuário usuário... usuário
Banco de dados. Objetivo: Reter os dados de forma que possam ser utilizados em outros momentos
Banco de dados BD Banco de dados Objetivo: Armazenar dados Consultar dados (dentro de um determinado contexto) gerando informações úteis Reter os dados de forma que possam ser utilizados em outros momentos
Banco de dados. Objetivo: Reter os dados de forma que possam ser utilizados em outros momentos
Banco de dados BD Dados x Informações Banco de dados Objetivo: Armazenar dados Consultar dados (dentro de um determinado contexto) gerando informações úteis Reter os dados de forma que possam ser utilizados
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 70-000 Tel: (7)-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP
Quinto Trabalho Prático. Este trabalho tem como objetivo indexar arquivos de dados usando um índice árvore-b.
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Ciências de Computação Disciplina de Algoritmos e Estruturas de Dados II docente Profa. Dra. Cristina Dutra de
UTFPR - Universidade Tecnológica Federal do Paraná. Processamento e otimização de consultas
UTFPR - Universidade Tecnológica Federal do Paraná Processamento e otimização de consultas Leyza Baldo Dorini 04/Nov/2009 Programação da aula Introdução: processamento e otimização de consultas Etapas:
Sistema Gestor de Bancos de Dados (SGBD)
Sistema Gestor de Bancos de Dados (SGBD) Conceitos Gerais Prof. Guilherme Tomaschewski Netto guilherme.netto@gmail.com Roteiro! Contextualização! Apresentação, um pouco de história Legendas! Nesta apresentação
Sumário. Trabalho que foi desenvolvido. Introdução
Proposta de um sistema de Classificação de Notícias utilizando técnicas de Aprendizagem de Máquina integrado com o ClippingBr Bruno Campagnolo de Paula PROJETO FINAL DA DISCIPLINA DE MACHINE LEARNING Mestrado
BUSCA EM ARRAYS. Prof. André Backes. Ato de procurar por um elemento em um conjunto de dados
BUSCA EM ARRAYS Prof. André Backes Definição 2 Ato de procurar por um elemento em um conjunto de dados Recuperação de dados armazenados em um repositório ou base de dados A operação de busca visa responder
3. Linguagem de Programação C
Introdução à Computação I IBM1006 3. Linguagem de Programação C Prof. Renato Tinós Departamento de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3.2. Estrutura de Programas e Representação
Recuperação de Informação
Recuperação de Informação Avaliação de Desempenho de Sistemas de Recuperação de Informação Renato Fernandes Corrêa 1 Para que avaliar? Existem muitos modelos de RI, mas qual é o melhor? Qual a melhor escolha
1 Introdução Motivação
1 Introdução 1.1. Motivação Informações podem ser armazenadas das mais variadas maneiras. O modo mais clássico de armazenamento de informação é através da palavra escrita, impressa. O acesso à informação
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 0-000 Tel: ()-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP -
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Arquivos invertidos 39
Arquivos invertidos 39 Arquivos invertidos É um mecanismo que utiliza palavras para indexar uma coleção de documentos a fim de facilitar a busca e a recuperação Estruturas de um arquivo invertido Vocabulário
Aula de hoje. Tipos de Dados e Variáveis. Constantes literais. Dados. Variáveis. Tipagem dinâmica. SCC Introdução à Programação para Engenharias
SCC 12 - Introdução à Programação para Engenharias Tipos de Dados e Variáveis Professor: André C. P. L. F. de Carvalho, ICMC-USP Pos-doutorando: Isvani Frias-Blanco Monitor: Henrique Bonini de Britto Menezes
EEL891 Aprendizado de Máquina Prof. Heraldo L. S. Almeida. Introdução
1 Introdução 1. Introdução 1.1. O que é Aprendizado de Máquina? 1.2. Por que Machine Learning é o Futuro? 1.3. Algumas Aplicações 1.4. Tipos de Aprendizado 1. Introdução 17 1. Introdução 1.1. O que é Aprendizado
Computadores, Algoritmos e Linguagens
Computadores, Algoritmos e Linguagens INF 1025 - Introdução à Programação Pontifícia Universidade Católica Departamento de Informática Modelo de um Computador 1 CPU: Unidade Central de Processamento Principal
Aprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCENS UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Linguagens de Programação
Visão Geral Faculdade de Computação - UFU Agosto - 2009 1 Princípios 2 O que é uma linguagem de programação? Linguagens naturais facilitam a expressão e o intercâmbio de idéias entre as pessoas. Assim
1 OBJETIVOS 2 HORÁRIO DE AULAS 3 PROGRAMA
1 OBJETIVOS Curso de Especialização em Engenharia de Software Universidade Federal de Minas Gerais Departamento de Ciência da Computação Estruturas de Dados Fundamentais Professor Roberto da Silva Bigonha
!" # Modelos de dados. 1ª geração. 2ª geração. 3ª geração. Modelo Hierárquico Modelo Rede. Modelo Relacional
Nuno Melo e Castro !" # Modelos de dados 1ª geração Modelo Hierárquico Modelo Rede 2ª geração Modelo Relacional 3ª geração Extensões ao modelo relacional Modelo lógico-dedutivo Modelo orientado a objectos
Roteiro 01. Professor: Prof. M.Sc. Odilon Corrêa da Silva. Curso: Engenharia de Computação. Disciplina: Programação para WEB
Roteiro 01 Professor: Prof. M.Sc. Odilon Corrêa da Silva Curso: Engenharia de Computação Disciplina: Programação para WEB Roteiro 01 Objetivos Apresentar os conceitos básicos do HTML Criar listas em páginas
Conceitos Básicos de Programação
BCC 201 - Introdução à Programação Conceitos Básicos de Programação Guillermo Cámara-Chávez UFOP 1/53 Conceitos básicos I Variável 2/53 Conceitos básicos II Posição de memoria, identificada através de
Algoritmos e Estruturas de Dados II. Trabalho Prático 4
Algoritmos e Estruturas de Dados II Trabalho Prático 4 Entrega: 23/11/09 Devolução: 10/12/09 (sem possibilidade de entrega com atraso) Trabalho em dupla Prof. Jussara Marques de Almeida Problema 1: Construção
Introdução a Ciência da Computação Estrutura e Organização das Informações PROFESSORA CINTIA CAETANO
Introdução a Ciência da Computação Estrutura e Organização das Informações PROFESSORA CINTIA CAETANO Introdução A qualidade do armazenamento dos dados, permitem uma melhor extração de informações, e consequentemente,
Introdução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos
Conceitos Básicos Introdução Tópicos Especiais Modelagem de Dados Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Mestrado Profissional
Implementação de Sistemas de Arquivos. Na Aula Anterior... Esquema do Sistema de Arquivos. Nesta Aula 31/10/2016. Estrutura de Baixo Nível de um Disco
GSI018 Sistemas Operacionais 31/10/2016 Implementação de Sistemas de Arquivos Universidade Federal de Uberlândia Faculdade de Computação Prof. Dr. rer. nat. Daniel D. Abdala Na Aula Anterior... Memória
Introdução à Programação. Apresentação da Disciplina e Conceitos Básicos de Computadores
Introdução à Programação Apresentação da Disciplina e Conceitos Básicos de Computadores Objetivos Aprender técnicas de programação que aumentem a qualidade de software e a produtividade no desenvolvimento
EMENTAS DAS DISCIPLINAS
EMENTAS DAS DISCIPLINAS CURSO DE GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO Algoritmos e Linguagem de Programação I: Ensino dos conceitos básicos de algoritmos estruturados (estruturas condicionais e de repetição),
Capítulo 1. Aspectos Preliminares
Capítulo 1 Aspectos Preliminares Tópicos do Capítulo 1 Razões para estudar conceitos de linguagens de programação Domínios de programação Critérios de avaliação de linguagens Influências no projeto de
Modelo Booleano Wendel Melo
Wendel Melo Faculdade de Computação Universidade Federal de Uberlândia Recuperação da Informação Adaptado do Material da Profª Vanessa Braganholo - IC/UFF Modelo simples; Baseado em teoria dos conjuntos
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 0-000 Tel: ()-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP -
Ementário das disciplinas do curso de Engenharia de Software
Ementário das disciplinas do curso de Engenharia de Software Currículo 1 C201 Introdução à Engenharia CH Teórica 10 CH Prática 10 CH Total 20 cr 1 Introdução aos conceitos básicos e às aplicações de engenharia.
Aula 16. Tópicos Especiais II Banco de Dados. Prof. Dr. Dilermando Piva Jr.
16 Aula 16 Tópicos Especiais II Banco de Dados Prof. Dr. Dilermando Piva Jr. Site Disciplina: http://fundti.blogspot.com.br/ Sistemas de Arquivos O computador tem facilitado bastante a vida dos seres
Revisão. Meio ambiente da Recuperação de Informação. Linguagem Analógico x Digital
Revisão Meio ambiente da Recuperação de Informação Linguagem Analógico x Digital 1 Recuperação de Informação Recuperação de informação é o nome dado ao processo ou método pelo qual um potencial usuário
Universidade Federal da Paraíba CCEN Departamento de Informática Disciplina: Banco de Dados. Aula 1 Introdução a Banco de Dados
Universidade Federal da Paraíba CCEN Departamento de Informática Disciplina: Banco de Dados Aula 1 Introdução a Banco de Dados 1. Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído
Visualização de Texto e Documento
Visualização de Texto e Documento SCC5836 Visualização Computacional Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de Computação
INE5408 Estruturas de Dados
INE5408 Estruturas de Dados Gerência de Arquivos -Técnicas utilizando Listas -Técnicas utilizando Árvores Técnicas utilizando Listas Técnicas de indexação através de listas provêem uma solução excelente
Banco de Dados I Parte I: Introdução
Banco de Dados I Parte I: Introdução Prof. Gregorio Perez ( gregorio@uninove.br ) Colaboração: Roteiro Dados e Informação profa. Ana Leda prof. André Luis Santos prof. José Prata Formas de Armazenamento
Compiladores I Prof. Ricardo Santos (cap 1)
Compiladores I Prof. Ricardo Santos (cap 1) Compiladores Linguagens de programação são notações que permitem descrever como programas devem executar em uma máquina Mas, antes do programa executar, deve
GSI024 - Organização e Recuperação da
GSI024 - Organização e Recuperação da Informação Ilmério Reis da Silva ilmerio@facom.ufu.br UFU/FACOM/BSI Arquivo 5 - Peso de termos GSI024-ORI Pg:5. 1 Busca paramétrica usando atributos Regiões em documentos
Korth Silberschatz Sundarshan. Sistema de Banco de Dados, 5/E
Sistema de Banco de Dados, 5/E Capítulo 1: Introdução Finalidade dos sistemas de banco de dados Visão dos dados Linguagens de banco de dados Bancos de dados relacionais Projeto de banco de dados Bancos
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Melhorando a Recuperação de Informação
Recuperação de Informação e Web Mining 1 Melhorando a Recuperação de Informação O modelo de espaço vetorial Utiliza pesos para termos Permite o ranqueamento dos resultados Pode reduzir a dimensão do espaço
Linguagens de Programação Classificação
Classificação Classificação A proximidade que a linguagem de programação tem com a humana determina sua classe (o nível): Linguagem de máquina (primeira geração) Linguagem assembly - de montagem (segunda
Indexação e Construção de Índice. Renato Fernandes Corrêa
Indexação e Construção de Índice Renato Fernandes Corrêa Indexação de documentos Consiste de três passos: 1. Definição do vocabulário de indexação 2. Indexação - atribuição de termos de indexação a cada
Estrutura de Dados Conceitos Iniciais
Engenharia de CONTROLE e AUTOMAÇÃO Estrutura de Dados Conceitos Iniciais Aula 01 DPEE 1038 Estrutura de Dados para Automação Curso de Engenharia de Controle e Automação Universidade Federal de Santa Maria
Faculdade Ieducare 4º Semestre Sistemas de Informação Professor: Rhyan Ximenes
Faculdade Ieducare 4º Semestre Sistemas de Informação Professor: Rhyan Ximenes Modelagem de Dados 1 Ementa; Avaliação; Introdução. Modelagem de Dados 2 Componentes de sistemas de bancos de dados; Arquitetura
Plano de Estudos. Escola: Instituto de Investigação e Formação Avançada Grau: Programa de Doutoramento Curso: Informática (cód.
Plano de Estudos Escola: Instituto de Investigação e Formação Avançada Grau: Programa de Doutoramento Curso: Informática (cód. 264) 1. o Ano - 1. o Semestre INF9258D Iniciação à Investigação Informática
Os efeitos do paralelismo e relações de thesaurus em uma ferramenta de busca em bases textuais
72 Resumos Expandidos: XII Mostra de Estagiários e Bolsistas... Os efeitos do paralelismo e relações de thesaurus em uma ferramenta de busca em bases textuais Renan Gomes Pereira¹ Maria Fernanda Moura²
SUPREMO TRIBUNAL FEDERAL Secretaria de Tecnologia da Informação Coordenadoria de Sistemas BIBLIOTECA DIGITAL. Glossário
SUPREMO TRIBUNAL FEDERAL Secretaria de Tecnologia da Informação BIBLIOTECA DIGITAL GLOSSÁRIO Acervo bibliográfico Acervo comum Ajuda Área Argumento de pesquisa Assunto Autor Campos descritivos Cesta de
Trabalho de LP 15/07/2013. Prof. Flávio Miguel Varejão
15/07/2013 Trabalho de LP Prof. Flávio Miguel Varejão OBSERVAÇÃO IMPORTANTE: LEIA ATENTAMENTE TODA A ESPECIFICAÇÃO DO TRABALHO E INSTRUÇÕES DE SUBMISSÃO DE MODO A NÃO COMETER ENGANOS POR DESATENÇÃO E SER
EMENTAS CURSO DE BIBLIOTECONOMIA VERSÃO 2009/1 1º PERÍODO
ATIVIDADE ACADÊMICA: Administração TGA EMENTAS CURSO DE BIBLIOTECONOMIA VERSÃO 2009/1 1º PERÍODO CÓDIGO: CAD-103 Princípios de administração. Funções administrativas. Evolução da teoria das organizações.