Proposta de um Módulo de Data Mining para um Sistema de Scout no Voleibol
|
|
- Joaquim Castilhos Bentes
- 8 Há anos
- Visualizações:
Transcrição
1 Proposta de um Módulo de Data Mining para um Sistema de Scout no Voleibol Émerson Butzen Marques 1, Luis Henrique Raimann 1, Alexandre de Oliveira Zamberlam 1, Alexandre José Hoher 2 1 Instituto de Ciências Exatas e Tecnológicas (ICET) Centro Universitário Feevale (FEEVALE) - RS-239, Novo Hamburgo RS Brasil 2 Instituto de Ciências da Saúde (ICS) Centro Universitário Feevale (FEEVALE) - RS- 239, Novo Hamburgo RS Brasil {butzen, alexz, alexandreh}@feevale.br, luisraimann@gmail.com Abstract. This paper aims to demonstrate the importance of data mining in the decision support system, in this case, the athlete s performance evaluation systems (Scout). Many of these systems are statistical and bring unnecessary data and information. Therefore, data mining aims to get true information and information previously unknown, helping most accurately the staff technical of the teams of volleyball. Finally, it is described an idea of data mining module to scout system. Resumo. Este artigo visa demonstrar a importância da mineração de dados nos sistemas de apoio à tomada de decisão, neste caso, os sistemas de avaliação de desempenho de atletas (Scout). Muitos desses sistemas são estatísticos e acabam por trazer informações desnecessárias. Portanto, a mineração de dados visa buscar informações mais confiáveis e informações até então desconhecidas, auxiliando de maneira mais precisa as comissões técnicas das equipes de voleibol. Finalmente, é apresentada a idéia de um módulo de mineração de dados para o sistema de scout. Introdução A gestão administrativa, comumente, aplicada em empresas, no processo de tomada de decisão, também ocorre em equipes de voleibol e/ou em outros esportes, com a finalidade de gerar melhores resultados. Dentro desse universo de equipes esportivas, foram elaborados sistemas estatísticos de monitoramento de desempenho de atletas e de equipes, também conhecidos como sistemas de scout. Esses sistemas permitem às comissões técnicas decidir onde um jogador deve sacar, qual sua posição na quadra oferece maior rendimento, qual jogador substituir e por quem, que tipo de treinamento deve ser realizado para apurar um atleta e/ou a equipe toda (treino de fundamentos de voleibol, posicionamento, jogadas, saque, etc). Enfim, permitem qual a melhor estratégia ou quais táticas utilizarem, são situações as quais uma comissão técnica de voleibol deve estar atenta (ZAMBERLAM, 2005). Contudo, a quantia de informações (precisas/desnecessárias) é mesmo assim enorme, deixando o processo de decidir bastante empírico, ou seja, dependente da experiência do técnico ou de algum integrante da comissão técnica.
2 A mineração de dados (data mining) entra nesse campo com o intuito de descobrir informações mais precisas, evitando assim informações desnecessárias. Dessa forma, o objetivo deste trabalho é apresentar uma proposta de um módulo de data mining para o sistema de scout do projeto de pesquisa A IA entrando na quadra de vôlei: Scout Inteligente (ZAMBERLAM, 2005). Nos EUA, a mineração de dados já está sendo usada em um sistema de scout, o Advanced Scout (BHANDARI et al.,1997), que auxilia as comissões técnicas de basquete somente após os jogos e apenas uma técnica de mineração é aplicada. O texto é dividido em cinco seções. A primeira seção trata sobre Mineração de Dados, mostrando as principais técnicas e aplicações. A seção 2 aborda o Scout Voleibol, ou seja, o sistema de avaliação de desempenho de atletas. Nessa seção, são apresentados noções de funcionamento e uso desse sistema. A seção 3 apresenta uma proposta de módulo de data mining em um sistema de scout. Na seção 4, é descrito um trabalho correlato realizado na NBA (liga norte-americana de basquete). Finalmente, as considerações e as referências bibliográficas. 1. Data Mining Segundo Wives (2004) apud (FELDENS et al., 1998) Data Mining ou Mineração de Dados é uma etapa, a mais importante, do processo de descoberta do conhecimento em banco de dados (Knowledge Discovery in Databases - KDD). Gonchoroski (2007) apud (CABENA et al., 1997) aponta que a mineração de dados é o processo de extrair informações válidas antes desconhecidas, de grandes bases de dados, auxiliando em decisões cruciais no mundo dos negócios. Para isso, data mining utiliza-se de técnicas ou algoritmos de áreas como Aprendizado de Máquinas, Estatística, Redes Neurais, Algoritmos Genéricos, etc (ELMASRI; NAVATHE, 2005). O mesmo autor aponta que a mineração de dados apóia o conhecimento indutivo, descobrindo novas regras e padrões nos dados minerados. Para Kantardzic (2003), os dois primeiros objetivos da mineração de dados são: a predição e a descrição. A predição utiliza algumas variáveis ou campos de um conjunto de dados para prever valores desconhecidos ou futuros de outras variáveis de interesse. A descrição concentra-se em encontrar padrões nos dados que possam ser interpretados por humanos. Como a mineração de dados é uma parte do processo de descoberta do conhecimento, etapas (Figura 1) devem ser cumpridas antes de aplicar-se alguma técnica de data mining. Conforme Bramer (2007), os dados possivelmente vêm a partir de muitas fontes, estes dados devem ser integrados e armazenados em lugar comum. O próximo passo é a preparação dos dados, então é aplicada alguma técnica de mineração de dados, que produz uma saída na forma de regras ou em algum tipo de padrão. Figura 1. Etapas até a Data Mining (adaptação dos autores)
3 Essas regras ou padrões são também conhecidos como modos de descoberta, os modos mais conhecidos são descridos abaixo. Regras de Associação (Association Rules) Cujo objetivo é encontrar qualquer relação existente entre os valores das variáveis (BRAMER, 2007). Para Kantardzic (2003), regras de associação é uma das principais técnicas de mineração de dados, através dela é possível recuperar todos os padrões interessantes em uma base de dados. Como, por exemplo, jogadas de uma equipe de vôlei em um set (parte de um jogo), com base na análise de jogadas de um jogo completo; Agrupamento (Clustering) Uma dada população de eventos ou novos itens podem ser particionados (segmentados) em conjuntos de elementos padrões (ELMASRI; NAVATHE, 2005). Bramer (2007) confirma que os algoritmos de agrupamento analisam os dados para encontrar grupos de itens que são semelhantes. Um exemplo no vôlei é o agrupamento de dados dos fundamentos de saque e bloqueio, coletados em jogos de uma equipe, e organizados em faixas de desempenho. Padrões seqüenciais (Sequential Patterns) Elmasri e Navathe (2005) apontam que a técnica de padrões seqüenciais é a investigação de seqüências de ações ou eventos. Han e Kamber (2006) escrevem que é uma técnica desafiadora, pois pode gerar e/ou testar um número combinatório explosivo de seqüências intermediárias. Por exemplo, a seqüência de uma jogada (comportamento da defesa e/ou do ataque) da equipe de vôlei adversária após um saque da outra equipe. Padrões com séries temporais (Time-Series Data) Para Elmasri e Navathe (2005) esses padrões podem ser encontrados em posições de uma série temporal de dados, que é uma seqüência de dados capturada a intervalos regulares. Han e Kamber (2006) confirmam dizendo que séries temporais consistem em seqüências de valores ou medidas repetidas, excessivamente, em intervalos de tempos. Pode ser exemplificado como padrões de comportamentos de equipes de voleibol após determinada faixa de pontuação (aspecto emocional dos atletas). Cada modo de descoberta de conhecimento corresponde a técnicas diferentes, não existe uma técnica que seja melhor que outra. Através da sua aplicação aos problemas, é que se terá uma avaliação de qual se adequou melhor. No caso de um sistema de scout, não será diferente, terão que ser aplicadas técnicas, a fim de analisar os resultados, para definir a melhor técnica. 2. Scout Scout ou sistema de avaliação de desempenho de atletas são sistemas que capturam e processam informações estatísticas de desempenho dos atletas da equipe e da adversária. Porém, eles não levam em consideração o histórico do jogador de toda uma temporada (comportamento do atleta em outros jogos) e o contexto de uma partida de vôlei, ou seja, o comportamento do atleta nos diferentes níveis da partida. Um set (parte de uma partida) de vôlei possui basicamente três níveis. O terceiro nível, próximo do final, é o de maior tensão em que o físico e o emocional do atleta devem estar ajustados. Dessa forma, os sistemas atuais, simplesmente, repassam dados para a comissão, que avalia essa gama diversificada referente aos fundamentos básicos do vôlei e/ou jogadas realizadas pela equipe adversária, num tempo extremamente reduzido e toma decisões
4 relacionadas com aqueles dados relatados. Decisões muitas vezes baseadas mais no conhecimento empírico do técnico ou da comissão do que no fator racional real daquela situação (ZAMBERLAM et al., 2005). Bizzocchi (2004) aponta que nos jogos olímpicos de 1984, os norte-americanos foram os responsáveis pela inclusão do computador na quadra de voleibol, tornando-se obrigatório também para treinamentos e elaboração de planos táticos e técnicos. A seleção brasileira de vôlei, comandada pelo técnico Bernardo Rezende (Bernardinho), utiliza-se dos dois scouts: tático e técnico. O tático faz um mapeamento da quantidade, do percentual e do tipo de jogadas do time adversário; analisa tendências dos atletas (direções, preferências e posicionamentos). O scout técnico analisa o próprio time, como cada atleta se comporta em cada fundamento, qual seu aproveitamento final. Isso possibilita, por exemplo, elaborar quadros evolutivos de saque de um determinado atleta (BERNARDINHO, 2006). A planilha, encontrada na Figura 2, foi apresentada pelo técnico da seleção brasileira, com o objetivo de exemplificar a utilização da análise estatística nos jogos da seleção. Essa planilha apresenta os dados coletados durante os Jogos Olímpicos, realizado na Grécia, na data do dia 29 de agosto de O jogo em questão foi à final dos Jogos Olímpicos, realizado entre Brasil e Itália. Assim, após a descrição do que é e qual a finalidade de um sistema scout, segue na próxima seção a apresentação da proposta de um módulo com mineração de dados para o um sistema de scout inteligente. Figura 2. Planilha para análise estatística dos fundamentos de voleibol (BERNARDINHO, 2006) 3. Proposta Um sistema scout, como já escrito, é um sistema estatístico de monitoramento de atletas, auxiliando em decisões importantes na gestão de equipes. Entretanto, a quantidade de informações continua muito grande, deixando o processo de decidir dependente da experiência do técnico ou de algum integrante da comissão técnica. Por isso, surge a idéia deste trabalho: desenvolver um módulo de mineração de dados para o sistema: Scout: Sistema de Monitoramento em Equipes de Voleibol desenvolvido por Raimann (2007), parte integrante do projeto de pesquisa A IA entrando na quadra de vôlei: Scout Inteligente. Para facilitar a visualização, a Figura 3 ilustra o que está sendo realizado e como o módulo de mineração faria parte do sistema scout.
5 O módulo de mineração irá interagir com a base de dados, fornecendo informações mais precisas à comissão técnica, evitando assim o uso de complicadas planilhas, pois existem grandes dificuldades nas leituras das planilhas, os dados que são inseridos não passam por nenhuma filtragem, não ressaltando aos olhos os problemas ou as vantagens das equipes na partida. Figura 3. Esquema geral do scout inteligente (ZAMBERLAM, 2005) Na Figura 4 é possível visualizar a estrutura do banco de dados do sistema de scout desenvolvido por Raimann (2007), a fim de ilustrar em quais dados a mineração deverá atuar. Figura 4. Modelagem do banco de dados do sistema scout (RAIMANN, 2007).
6 Através dessa estrutura dá para perceber a quantidade de dados que uma partida de voleibol pode gerar. O processo se inicia a partir do cadastro das equipes e seus atletas. Depois de cadastradas, são informados os jogadores que entram em quadra para a partida (duas equipes por partida). Por meio desses dados será controlada a rotação do jogo, que será realizada automaticamente pelo sistema. A partir desse ponto, dar-se-á a entrada de dados pelos scouters (pessoas que ficam na quadra cadastrando cada jogada e substituições ocorridas durante a partida). Após a partida ou set (para maiores detalhes sobre a dinâmica do voleibol, consulte (BIZZOCCHI, 2004)) é que o módulo de mineração de dados entrará em ação, através de uma das técnicas de mineração de dados, o módulo irá gerar relatórios para a comissão técnica, assim podendo tomar decisões para melhorar o desempenho ou corrigirem falhas de sua equipe. Por exemplo: Relatório de jogadas de uma equipe de vôlei em um set, com base na análise de jogadas de um jogo completo pressupondo o uso da técnica de regras de associação; Relatório com agrupamento de dados dos fundamentos de saque e bloqueio, coletados em jogos de uma equipe, e organizados em faixas de aproveitamento, técnica de agrupamento; Visualização de um comportamento padrão (seqüência de jogadas) da defesa de uma equipe de vôlei adversária após um saque da outra equipe. Técnica de padrões seqüências. Visualização de padrões de comportamentos de equipes de voleibol após determinada faixa de pontuação (aspecto emocional dos atletas), técnica de padrões com séries temporais; Esses exemplos mostram informações importantes para uma comissão técnica de uma equipe de vôlei, pois são resultados que podem ser percebidos durante a partida, não após a partida como acontece geralmente nos sistemas de scout, em alguns sistemas, essas informações são levantadas manualmente, após isso, apresentadas às suas comissões técnicas. Com esse sistema e esse módulo de data mining, espera-se que equipes que não tenham condições de adquirir um sistema de scout pago tenham melhores condições de desenvolver os fundamentos ineficientes de cada atleta, e obter estratégias de jogo num menor tempo, auxiliando a comissão técnica na sua tomada de decisão, elevando assim a qualidade do voleibol praticado pelas equipes. A seguir, um trabalho que realizou a integração entre processo de decisão e mineração de dados em um sistema de avaliação de desempenho. 4. Trabalho correlato - Advanced Scout: Data Mining and Knowledge Discovery in NBA Data Em (BHANDARI et al.,1997), é apresentado o software Advanced Scout (AS). Esse software procura e descobre padrões interessantes em dados de jogos da NBA (liga norte-americana de basquete). Sua primeira utilização se deu na temporada , onde dezesseis das vinte e nove equipes o receberam para avaliação. As comissões técnicas o avaliaram positivamente, afirmando ser uma valiosa ferramenta. Esse
7 software trabalha em quatro etapas: coleta de dados, pré-processamento, mineração de dados e interpretação do conhecimento descoberto. A coleta de dados é feita por um software especialmente desenhado para o registro de dados de basquete. Esses dados são armazenados em uma base de dados comum a todas as equipes de basquete. Posteriormente, as equipes realizam o download dessa base de dados e a manipulam de forma independente e sigilosa. O pré-processamento é feito após o download da base de dados. O AS permite realizar uma série de consistências na base de dados, visto que informações errôneas permitiriam interpretações erradas dos dados, assim os dados errados são corrigidos por meio de regras base ou através de alguém que tenha domínio do assunto. Após a consistência, os dados são transformados e reformatados. Os dados brutos são reformatados na forma de fichas de jogo, que são familiares para as comissões técnicas que, assim, analisam os eventos discretos (padrões) de um jogo. Nessa fase os dados são enriquecidos através da verificação das regras ou da entrada de dados adicionais. A mineração de dados no AS ocorre quando um membro da comissão técnica inicia uma consulta geral. Automaticamente a mineração de dados procura por padrões interessantes na equipe da casa ou na visitante, em busca dos arremessos à cesta de basquete (um dos fundamentos do basquete, por exemplo), detectando o percentual padrão de desempenho (aproveitamento). As análises posteriores podem incluir consultas mais específicas em torno de atributos (como por exemplo, o jogador, a função do jogador, lado da quadra, etc.) ou fundamentos particulares (rebote, arremesso, etc.). A técnica de mineração de dados utilizada no AS é conhecida como Attribute Focusing (AF) (BHANDARI, 1995). A interpretação do conhecimento descoberto é a forma como o resultado da mineração de dados é mostrada. No AS, os resultado são vistos de duas formas: através de uma descrição textual ou gráfica. O objetivo é que os resultados sejam compreendidos facilmente pela comissão técnica. O processo de interpretação de padrões representa a descoberta de conhecimento e exige, normalmente, alguém que tenha domínio do assunto. Essa interpretação é facilitada pela possibilidade do usuário ter várias formas de aprofundar a análise interativamente para obter informações adicionais ao resultado. 5. Considerações Finais A pesquisa apresentada neste artigo visa o estudo e o desenvolvimento de um módulo de mineração de dados para o sistema: Scout: Sistema de Monitoramento em Equipes de Voleibol desenvolvido por Raimann (2007). Para a validação dessa proposta, serão coletados dados de partidas de vôlei de diversas equipes. Esses dados serão submetidos ao módulo de data mining, e os resultados serão analisados por comissões técnicas de equipes de voleibol. Espera-se que novos trabalhos sejam desenvolvidos, como a adaptação desse módulo a outras plataformas de sistemas de scout. Referências BERNARDINHO. (2006) Transformando suor em ouro. Rio de Janeiro, RJ: Sextante.
8 BHANDARI, Inderpal. (1995). Attribute Focusing: Data mining for the layman (Research Report RC 20136). IBM T.J. Watson Research Center. BHANDARI, Inderpal; COLET, Edward; PARKER, Jennifer; PINES, Zachary; PRATAP, Rajiv; RAMANUJAM, Krishnakumar. (1997) Advanced Scout: Data Mining and Knowledge Discovery in NBA Data. Data Mining and Knowledge Discovery, Data Mining and Knowledge Discovery, Kluwer Academic Publishers, Vol. 1, No. 1, p BINDER, Fábio Vinícius. (1994) Sistemas de apoio à decisão. São Paulo, SP: Érica. BIZZOCCHI, Carlos Cacá. (2004) O voleibol de alto nível: da iniciação à competição. Barueri, SP: Ed. Manole. BRAMER, Max. (2007) Principles of Data Mining (Undergraduate Topics in Computer Science). Londres, Inglaterra: Springer-Verlag London Ltd. ELMASRI, Ramez; NAVATHE, Shamkant B. (2005) Sistemas de banco de dados. 4. ed. São Paulo, SP: Pearson Addison Wesley. FREITAS, Henrique; BECKER, Joao Luiz; KLADIS, Constantin Metaxa; HOPPEN, Norberto. (1997) Informação e decisão: sistemas de apoio e seu impacto. Porto Alegre, RS: Ortiz. GIUDICI, Paolo. (2003) Applied Data Mining: Statistical Methods for Business and Industry. Chichester, West Sussex, Inglaterra: John Wiley & Sons Ltd. GONCHOROSKI, Sidinei Pereira. (2007) Utilização de técnicas de KDD em um call center ativo. Novo Hamburgo, RS. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) Instituto de Ciências Exatas e Tecnológicas, Feevale. HAN, Jiawei; KAMBER, Micheline, (2006) Data Mining Concepts and Techniques. São Francisco, Califórnia, EUA: Morgan Kaufman Publishers. KANTARDZIC, Mehmed. (2003) Data Mining: Conceps, Models, Methods, and Algotithms. Hoboken, Nova Jersey, EUA: John Wiley & Sons Inc. MARTIN, James. (1984) An information systems manifesto. Englewood Cliffs, Nova Jersey, EUA: Prentice-Hall. RAIMANN, Luís Henrique, (2007) Scout: Sistema de monitoração em equipes de voleibol. Novo Hamburgo, RS. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) Instituto de Ciências Exatas e Tecnológicas, Feevale. ZAMBERLAM, Alexandre de Oliveira; WIVES, Leandro Krug; GOULART, Rodrigo Rafael Villarreal; SILVEIRA, Roni Gilberto. (2005) A IA entrando na quadra de vôlei: scout inteligente. Hífen, Uruguaiana, RS, v.29, n.55/56. WIVES, Leandro Krug. (2004) Utilizando Conceitos como descritores de Textos para o processo de identificação de conglomerados (clustering) de documentos. Porto Alegre, RS. Tese (Doutorado em Ciência da Computação). Instituto de Informática, UFRGS. WAGNER, Eduardo Antonio. (2007) Utilizando data mining em pesquisa de clima organizacional. Novo Hamburgo, RS. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) Instituto de Ciências Exatas e Tecnológicas, Feevale.
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 maisAdministração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados
Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2006.2 Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento
Leia maisProjeto de módulo de Data Mining para Scout Voleibol
Projeto de módulo de Data Mining para Scout Voleibol Émerson B. Marques 1, Alexandre de O. Zamberlam 1, Ricardo F. de Oliveira 1, Luis H. Raimann 1 e Luciano Vaghetti de Oliveira 2 1 Centro Universitário
Leia maisUniversidade Paulista
Universidade Paulista Ciência da Computação Sistemas de Informação Gestão da Qualidade Principais pontos da NBR ISO/IEC 12207 - Tecnologia da Informação Processos de ciclo de vida de software Sergio Petersen
Leia maisEngenharia de Software III
Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,
Leia maisProcesso de Controle das Reposições da loja
Processo de Controle das Reposições da loja Getway 2015 Processo de Reposição de Mercadorias Manual Processo de Reposição de Mercadorias. O processo de reposição de mercadorias para o Profit foi definido
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisExtração de Requisitos
Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisUniversidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares
Universidade de Brasília Faculdade de Ciência da Informação Prof a Lillian Alvares Fóruns Comunidades de Prática Mapeamento do Conhecimento Portal Intranet Extranet Banco de Competências Memória Organizacional
Leia mais3 Um Framework Orientado a Aspectos para Monitoramento e Análise de Processos de Negócio
32 3 Um Framework Orientado a Aspectos para Monitoramento e Análise de Processos de Negócio Este capítulo apresenta o framework orientado a aspectos para monitoramento e análise de processos de negócio
Leia maisAdriano Maranhão BUSINESS INTELLIGENCE (BI),
Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados
Leia maisPlanejamento 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 maisO 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 maisDESENVOLVIMENTO DE UM REPOSITÓRIO DE DADOS DO FUTEBOL BRASILEIRO
Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM DESENVOLVIMENTO DE UM REPOSITÓRIO DE DADOS DO FUTEBOL BRASILEIRO Aluno: Rafael
Leia maisProjeto de Sistemas I
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Projeto de Sistemas I Professora: Kelly de Paula Cunha E-mail:kellypcsoares@ifsp.edu.br Requisitos: base para todo projeto, definindo o
Leia maisMINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO
MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data
Leia maisDESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação
DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES Trabalho de Graduação Orientando: Vinicius Stein Dani vsdani@inf.ufsm.br Orientadora: Giliane
Leia maisSistema de mineração de dados para descobertas de regras e padrões em dados médicos
Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas
Leia maisAula 02: Conceitos Fundamentais
Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que
Leia maissrbo@ufpa.br www.ufpa.br/srbo
CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto
Leia maisAjuda ao SciEn-Produção 1. 1. O Artigo Científico da Pesquisa Experimental
Ajuda ao SciEn-Produção 1 Este texto de ajuda contém três partes: a parte 1 indica em linhas gerais o que deve ser esclarecido em cada uma das seções da estrutura de um artigo cientifico relatando uma
Leia mais)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia mais2 Diagrama de Caso de Uso
Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia mais07/05/2013. VOLEIBOL 9ºAno. Profª SHEILA - Prof. DANIEL. Voleibol. Origem : William Morgan 1895 ACM s. Tênis Minonette
VOLEIBOL 9ºAno Profª SHEILA - Prof. DANIEL Origem : William Morgan 1895 ACM s Tênis Minonette GRECO, 1998 1 Caracterização: O voleibol é um jogo coletivo desportivo, composto por duas equipes, cada uma
Leia maisBanco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP
Banco de Dados Introdução João Eduardo Ferreira Osvaldo Kotaro Takai jef@ime.usp.br DCC-IME-USP Importância dos Bancos de Dados A competitividade das empresas depende de dados precisos e atualizados. Conforme
Leia maisSistemas de Gerenciamento do Relacionamento com o Cliente (Customer Relationship Management CRM)
CRM Definição De um modo muito resumido, pode definir-se CRM como sendo uma estratégia de negócio que visa identificar, fazer crescer, e manter um relacionamento lucrativo e de longo prazo com os clientes.
Leia maisIV JOGOS MUNICIPAIS DA TERCEIRA IDADE DE PORTO ALEGRE 1, 2 e 3 de julho de 2005 - Ginásio Tesourinha REGULAMENTO ESPECÍFICO. Módulo Competitivo
PREFEITURA MUNICIPAL DE PORTO ALEGRE SECRETARIA MUNICIPAL DE ESPORTES, RECREAÇÃO E LAZER IV JOGOS MUNICIPAIS DA TERCEIRA IDADE DE PORTO ALEGRE 1, 2 e 3 de julho de 2005 - Ginásio Tesourinha REGULAMENTO
Leia maisReferências internas são os artefatos usados para ajudar na elaboração do PT tais como:
Plano de Teste (resumo do documento) I Introdução Identificador do Plano de Teste Esse campo deve especificar um identificador único para reconhecimento do Plano de Teste. Pode ser inclusive um código
Leia maisEmpresa como Sistema e seus Subsistemas. Professora Cintia Caetano
Empresa como Sistema e seus Subsistemas Professora Cintia Caetano A empresa como um Sistema Aberto As organizações empresariais interagem com o ambiente e a sociedade de maneira completa. Uma empresa é
Leia maisFATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios
FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Cruzeiro SP 2008 FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Projeto de trabalho de formatura como requisito
Leia maisPersistência e Banco de Dados em Jogos Digitais
Persistência e Banco de Dados em Jogos Digitais Prof. Marcos Francisco Pereira da Silva Especialista em Engenharia de Software Jogos Digitais - Computação Gráfica 1 Agenda Vantagens de usar a abordagem
Leia maisAnálise de Dados do Financeiro
Análise de Dados do Financeiro Introdução Para reunir em um só local as informações de contas a pagar e receber cadastradas e/ou geradas no sistema TTransp existe a interface de análise de dados do financeiro.
Leia maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia maisCOMUNICAÇÃO DE PORTIFÓLIO UTILIZANDO DASHBOARDS EXTRAIDOS DO MICROSOFT PROJECT SERVER
COMUNICAÇÃO DE PORTIFÓLIO UTILIZANDO DASHBOARDS EXTRAIDOS DO MICROSOFT PROJECT SERVER Autor: RANGEL TORREZAN RESUMO 1. Gestão de Portfolio e suas vantagens. A gestão de portfólio de projetos estabelece
Leia maisALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA
ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA INTRODUÇÃO O projeto de um banco de dados é realizado sob um processo sistemático denominado metodologia de projeto. O processo do
Leia maisOrientação a Objetos
1. Domínio e Aplicação Orientação a Objetos Um domínio é composto pelas entidades, informações e processos relacionados a um determinado contexto. Uma aplicação pode ser desenvolvida para automatizar ou
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisFeature-Driven Development
FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por
Leia maisSISTEMA GERENCIADOR DE BANCO DE DADOS
BANCO DE DADOS Universidade do Estado de Santa Catarina Centro de Ciências Tecnológicas Departamento de Ciência da Computação Prof. Alexandre Veloso de Matos alexandre.matos@udesc.br SISTEMA GERENCIADOR
Leia maisProcessos Técnicos - Aulas 4 e 5
Processos Técnicos - Aulas 4 e 5 Trabalho / PEM Tema: Frameworks Públicos Grupo: equipe do TCC Entrega: versão digital, 1ª semana de Abril (de 31/03 a 04/04), no e-mail do professor (rodrigues.yuri@yahoo.com.br)
Leia maisTÍTULO: IMPLEMENTAÇÃO DE UM SISTEMA DE CONTROLE PATRIMONIAL (SCP) PARA O CORPO DE BOMBEIRO DE MATO GROSSO DO SUL(MS)
TÍTULO: IMPLEMENTAÇÃO DE UM SISTEMA DE CONTROLE PATRIMONIAL (SCP) PARA O CORPO DE BOMBEIRO DE MATO GROSSO DO SUL(MS) CATEGORIA: EM ANDAMENTO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: COMPUTAÇÃO E INFORMÁTICA
Leia maisUniversidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares
Universidade de Brasília Faculdade de Ciência da Informação Profa. Lillian Alvares Fóruns / Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias e experiências que
Leia maisDocumento de Arquitetura
Documento de Arquitetura A2MEPonto - SISTEMA DE PONTO ELETRÔNICO A2MEPonto - SISTEMA DE PONTO ELETRÔNICO #1 Pág. 1 de 11 HISTÓRICO DE REVISÕES Data Versão Descrição Autor 28/10/2010 1 Elaboração do documento
Leia maisSISTEMA INFORMATIZADO PARA CONTROLE DE JOGO E GERAÇÃO DE SÚMULAS DE HANDEBOL
SISTEMA INFORMATIZADO PARA CONTROLE DE JOGO E GERAÇÃO DE SÚMULAS DE HANDEBOL ¹ Hélder SANTOS; ² Bruno FERREIRA; ¹ Estudante de Análise e Desenvolvimento de Sistemas. IFMG campus Bambuí ² Professor do curso
Leia maisProf. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br
Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Ementa Introdução a Banco de Dados (Conceito, propriedades), Arquivos de dados x Bancos de dados, Profissionais de Banco de dados,
Leia maisROTEIRO PARA ELABORAÇÃO DE PROJETOS
APRESENTAÇÃO ROTEIRO PARA ELABORAÇÃO DE PROJETOS Breve histórico da instituição seguido de diagnóstico e indicadores sobre a temática abrangida pelo projeto, especialmente dados que permitam análise da
Leia maisProf. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010.
Casos de Uso de Alto Nível Prof. Raul Sidnei Wazlawick UFSC-CTC-INE 2010 Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. Contexto Na fase de concepção
Leia maisESTENDENDO A UML PARA REPRESENTAR RESTRIÇÕES DE INTEGRIDADE
ESTENDENDO A UML PARA REPRESENTAR RESTRIÇÕES DE INTEGRIDADE Fabiana Gomes Marinho Faculdade Lourenço Filho Resumo: Na UML, a modelagem conceitual dos dados é descrita pelo diagrama de classes, que através
Leia maisPós-Graduação em Gerenciamento de Projetos práticas do PMI
Pós-Graduação em Gerenciamento de Projetos práticas do PMI Planejamento do Gerenciamento das Comunicações (10) e das Partes Interessadas (13) PLANEJAMENTO 2 PLANEJAMENTO Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 ABRIL
Leia maisHoje é inegável que a sobrevivência das organizações depende de dados precisos e atualizados.
BANCO DE DADOS Universidade do Estado de Santa Catarina Centro de Ciências Tecnológicas Departamento de Ciência da Computação Prof. Alexandre Veloso de Matos alexandre.matos@udesc.br INTRODUÇÃO Hoje é
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisDefinição de Padrões. Padrões Arquiteturais. Padrões Arquiteturais. Arquiteturas de Referência. Da arquitetura a implementação. Elementos de um Padrão
DCC / ICEx / UFMG Definição de Padrões Eduardo Figueiredo http://www.dcc.ufmg.br/~figueiredo Um padrão é uma descrição do problema e a essência da sua solução Documenta boas soluções para problemas recorrentes
Leia maisGestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado
Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Alessandro Ferreira Brito 1, Rodrigo Augusto R. S. Baluz 1, Jean Carlo Galvão Mourão 1, Francisco das Chagas Rocha 2
Leia maisMódulo 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 maisWilson Moraes Góes. Novatec
Wilson Moraes Góes Novatec Copyright 2014 Novatec Editora Ltda. Todos os direitos reservados e protegidos pela Lei 9.610 de 19/02/1998. É proibida a reprodução desta obra, mesmo parcial, por qualquer processo,
Leia maisJOGOS 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 maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.
Leia maisWelcome Call em Financeiras. Categoria Setor de Mercado Seguros
Categoria Setor de Mercado Seguros 1 Apresentação da empresa e sua contextualização no cenário competitivo A Icatu Seguros é líder entre as seguradoras independentes (não ligadas a bancos de varejo) no
Leia maisAvaliação e Treinamento para Motoristas
Avaliação e Treinamento para Motoristas Atualmente, resulta cada vez mais necessário treinar o pessoal que dirige veículos automotores, ainda quando dirigir não for sua tarefa principal. A falta de uma
Leia maisUM MODELO DE DADOS VOLTADO AO SERVIÇO DE INTELIGÊNCIA POLICIAL. 1. Introdução. 2. Problemática
UM MODELO DE DADOS VOLTADO AO SERVIÇO DE INTELIGÊNCIA POLICIAL 1. Introdução Herbson de Carvalho O uso de um Banco de Dados na atividade de Inteligência Policial possibilita aos agentes envolvidos desempenharem
Leia maisPesquisa com Professores de Escolas e com Alunos da Graduação em Matemática
Pesquisa com Professores de Escolas e com Alunos da Graduação em Matemática Rene Baltazar Introdução Serão abordados, neste trabalho, significados e características de Professor Pesquisador e as conseqüências,
Leia maisATIVIDADES DE LINHA E DE ASSESSORIA
1 ATIVIDADES DE LINHA E DE ASSESSORIA SUMÁRIO Introdução... 01 1. Diferenciação das Atividades de Linha e Assessoria... 02 2. Autoridade de Linha... 03 3. Autoridade de Assessoria... 04 4. A Atuação da
Leia maisINTELIGÊNCIA ARTIFICIAL E SUA APLICABILIDADE NOS JOGOS
INTELIGÊNCIA ARTIFICIAL E SUA APLICABILIDADE NOS JOGOS Aline Ferraz da Silva 1 Carine Bueira Loureiro 2 Resumo: Este artigo trata do projeto de Trabalho
Leia maisManual de Relação de Pontos por Indicação
Manual de Relação de Pontos por Indicação Sumário 1. Verificando se o parâmetro das funções está ativo... 3 2. Efetuando o cadastro da faixa de indicação... 5 2.1. Cadastro de faixas com intervalos...
Leia maisDesenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO
Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de Teste do Sistema DTCOURO Willian Paraguassu Amorim 27 de julho de 2005 1 Título Desenvolvimento do Módulo de Pré-processamento e Geração
Leia maisA IMPORTÂNCIA DO SISTEMA DE INFORMAÇÃO GERENCIAL PARA AS EMPRESAS
A IMPORTÂNCIA DO SISTEMA DE INFORMAÇÃO GERENCIAL PARA AS EMPRESAS Gilmar da Silva, Tatiane Serrano dos Santos * Professora: Adriana Toledo * RESUMO: Este artigo avalia o Sistema de Informação Gerencial
Leia maisREDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL
REDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL Luiz Rodrigo Carvalho de Souza (1) RESUMO O alto nível de competitividade exige que as empresas alcancem um nível de excelência na gestão de seus
Leia maisConteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos
Universidade Federal do Espírito Santo Centro Tecnológico Departamento de Informática Disciplina: INF 02810 Prof.: (monalessa@inf.ufes.br) Conteúdo 1. Introdução 2. Processo de Software 3. Gerência de
Leia maisTecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler
Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler Introdução Objetivos da Gestão dos Custos Processos da Gerência de Custos Planejamento dos recursos Estimativa dos
Leia mais07/06/2014. Segunda Parte Prof. William C. Rodrigues Copyright 2014 Todos direitos reservados.
Segunda Parte Prof. William C. Rodrigues Copyright 2014 Todos direitos reservados. 1 Conceituação, análise, estruturação, implementação e avaliação. 2 Metodologia é sempre válida: Proporcionando aos executivos
Leia maisProf. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010.
Visão Geral do Sistema Prof. Raul Sidnei Wazlawick UFSC-CTC-INE 2010 Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. A fase de concepção do UP consiste
Leia maisManual de Usuário Versão 3.0
Manual de Usuário Versão 3.0 Objetivo Este Manual de Usuário é destinado a todos os usuários do website VisionLink que necessitam monitorar localização, horímetro e condições vitais do equipamento: Clientes
Leia maisHistórico da Revisão. Versão Descrição Autor. 1.0 Versão Inicial
1 of 14 27/01/2014 17:33 Sistema de Paginação de Esportes Universitários Documento de Arquitetura de Software Versão 1.0 Histórico da Revisão Data 30 de novembro de 1999 Versão Descrição Autor 1.0 Versão
Leia maisMONTAGEM DE PROCESSO VIRTUAL
Manual de Procedimentos - SISPREV WEB MONTAGEM DE PROCESSO VIRTUAL 1/15 O treinamento com o Manual de Procedimentos É com muita satisfação que a Agenda Assessoria prepara este manual para você que trabalha
Leia maisIntrodução a listas - Windows SharePoint Services - Microsoft Office Online
Page 1 of 5 Windows SharePoint Services Introdução a listas Ocultar tudo Uma lista é um conjunto de informações que você compartilha com membros da equipe. Por exemplo, você pode criar uma folha de inscrição
Leia maisUniversidade 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 maisHistórico de Revisão Data Versão Descrição Autor
H6Projetos Documento de Requisitos Versão 1.3 Histórico de Revisão Data Versão Descrição Autor 05/09/2013 1.0 Preenchimento do Capítulo 2 Requisitos Funcionais Evilson Montenegro 26/09/2013 1.1 Preenchimento
Leia maisDisciplina: Técnicas de Racionalização de Processos Líder da Disciplina: Rosely Gaeta NOTA DE AULA 04 O PROJETO DE MELHORIA DOS PROCESSOS
Disciplina: Técnicas de Racionalização de Processos Líder da Disciplina: Rosely Gaeta NOTA DE AULA 04 O PROJETO DE MELHORIA DOS PROCESSOS 3.4 O PROJETO DE MELHORIA DE PROCESSOS 3.4.1 - CONCEITO DE PROJETO
Leia maisSISTEMAS DE GESTÃO São Paulo, Janeiro de 2005
SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005 ÍNDICE Introdução...3 A Necessidade do Gerenciamento e Controle das Informações...3 Benefícios de um Sistema de Gestão da Albi Informática...4 A Ferramenta...5
Leia maisARCO - Associação Recreativa dos Correios. Sistema para Gerenciamento de Associações Recreativas Plano de Desenvolvimento de Software Versão <1.
ARCO - Associação Recreativa dos Correios Sistema para Gerenciamento de Associações Recreativas Versão Histórico da Revisão Data Versão Descrição Autor Página
Leia maisGoogle Drive. Passos. Configurando o Google Drive
Google Drive um sistema de armazenagem de arquivos ligado à sua conta Google e acessível via Internet, desta forma você pode acessar seus arquivos a partir de qualquer dispositivo que tenha acesso à Internet.
Leia maisPLANOS DE CONTINGÊNCIAS
PLANOS DE CONTINGÊNCIAS ARAÚJO GOMES Capitão SC PMSC ARAÚJO GOMES defesacivilgomes@yahoo.com.br PLANO DE CONTINGÊNCIA O planejamento para emergências é complexo por suas características intrínsecas. Como
Leia maisRoteiro para a escrita do documento de Especificação de Requisitos de Software (ERS)
Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Definição Geral: Disciplina de Compiladores Prof. Jorge Bidarra (UNIOESTE) A especificação de requisitos tem como objetivo
Leia maisManual de utilização do sistema OTRS (Atendimento) Cliente Externo
Manual de utilização do sistema OTRS (Atendimento) Cliente Externo 1 LISTA DE ILUSTRAÇÕES FIGURA 1 - TELA DE LOGIN... 5 FIGURA 2 - TELA INICIAL... 6 FIGURA 3 PREFERÊNCIAS DO USUÁRIO... 6 FIGURA 4 NOVO
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia maisBanco de Dados I. Apresentação (mini-currículo) Conceitos. Disciplina Banco de Dados. Cont... Cont... Edson Thizon (edson@esucri.com.
Sistemas da Informação Banco de Dados I Edson Thizon (edson@esucri.com.br) 2008 Apresentação (mini-currículo) Formação Acadêmica Mestrando em Ciência da Computação (UFSC/ ) Créditos Concluídos. Bacharel
Leia maisO Processo Unificado: Captura de requisitos
O Processo Unificado: Captura de requisitos Itana Gimenes Graduação em Informática 2008 Captura de Requisitos Modelagem do negócio: Visão de negócios Modelo de objetos de negócio de negócio Especificação
Leia maisGerenciamento de Estúdios de Tatuagem. MANUAL DO USUÁRIO (Versão do manual: 2009.a)
Arttez Gerenciamento de Estúdios de Tatuagem. MANUAL DO USUÁRIO (Versão do manual: 2009.a) O Sistema Arttez. Arttez é o software de gerenciamento para estúdios de tatuagem que objetiva manter o controle
Leia maisReceber intimações: poderão receber intimações em processos eletrônicos nos quais estejam vinculados.
INTRODUÇÃO O tribunal de Justiça de Santa Catarina, em um processo de evolução dos serviços disponíveis no portal e-saj, passa a disponibilizar a peritos, leiloeiros, tradutores e administradores de massas
Leia maisVOLEIBOL. 11. O Jogador que executa o saque, deve estar em qual posição? 1) Em que ano foi criado o voleibol? a) 1997. a) posição número 6.
VOLEIBOL 1) Em que ano foi criado o voleibol? a) 1997 b) 2007 c) 1996 d) 1975 e)1895 2. Quem inventou o voleibol? a) William G. Morgan b) Pelé c) Roberto Carlos d) Ronaldinho Gaúcho e) Michael Jackson
Leia maisMelhores práticas no planejamento de recursos humanos
Melhores práticas no planejamento de recursos humanos Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Preparando a força de trabalho para o futuro Planejamento de recursos humanos
Leia maisPRÓ-REITORIA DE EXTENSÃO, PESQUISA E INOVAÇÃO DIRETORIA DE PESQUISA E INOVAÇÃO Proposta de Projeto de Pesquisa
PRÓ-REITORIA DE EXTENSÃO, PESQUISA E INOVAÇÃO DIRETORIA DE PESQUISA E INOVAÇÃO Proposta de Projeto de Pesquisa IDENTIFICAÇÃO DO PROJETO Título do Projeto de Pesquisa: School Blocks Sistema de Gestão Acadêmica
Leia mais