Experimentos de Mineração de Dados em R Disciplina do curso de Pós-Graduação da UTFPR
|
|
- Stefany Damásio Cortês
- 8 Há anos
- Visualizações:
Transcrição
1 Experimentos de Mineração de Dados em R Disciplina do curso de Pós-Graduação da UTFPR Paulo Carvalho Diniz Junior CPGEI / UTFPR Avenida Sete de Setembro, 3165 Curitiba-PR - CEP paulo.carvalho.diniz@gmail.com Resumo Durante a disciplina Mineração de Dados, ministrada pelo Prof. Celso Kaestner, uma grande variedade de técnicas e algoritmos de mineração de dados foi apresentada. Este trabalho concentra diversos experimentos de mineração de dados realizados utilizando a linguagem R sobre uma base disponibilizada pelo Center for Machine Learning and Intelligent Systems da University of California, Irvine. I. INTRODUÇÃO E OBJETIVOS DO TRABALHO O objetivo deste trabalho é aplicar diversas técnicas de Mineração de Dados em uma base de dados real. Esta base foi obtida a partir do servidor da UCI ( edu/ml/datasets/forest+fires) e será detalhada na sequência. A implementação e execução dos algoritmos foi realizada utilizando a linguagem R (através do programa R-Studio) e de uma ferramenta desenvolvida em java pela equipe da Universidade de Waikato chamada WEKA. A próxima seção descreverá com maiores detalhes a organização e estrutura da base de dados utilizada. Na sequência, serão apresentados os comandos em R necessários para a realização de diversas tarefas de mineração de dados, tais como: classificação, associação e agrupamento. Por fim, os resultados obtidos por cada técnica serão sumarizados e comparados em uma seção dedicada, seguida de um capítulo trazendo as conclusões do trabalho. II. DESCRIÇÃO DA BASE DE DADOS UTILIZADA A base foi concebida por pesquisadores da Universidade do Minho, em Portugal. O foco do trabalho foi identificar a possibilidade de previsão da ocorrência de um incêndio florestal, bem como de sua área total queimada, através de diversos conjuntos de parâmetros de entrada (dentre eles os dados puramente meteorológicos: temperatura, umidade do ar, chuvas e vento). Ela contempla as queimadas ocorridas no parque Montesinho (vide Figura 1) de janeiro de 2000 até dezembro de Uma vez carregada a base no sistema, o que será explicado na próxima seção, podemos facilmente obter diversas informações sobre a mesma através de simples comandos em R, por exemplo: 1) dim(forestfires) Este comando devolve a dimensão da base. Através dele descobrimos que a mesma contém 517 instâncias e 13 atributos Figura 1. Parque Montesinho (nordeste de Portugal). 2) names(forestfires) Tal comando retorna o nome de todos os atributos da base. De maneira sucinta, os atributos presentes na base são os seguintes: X e Y: coordenadas do incêndio como indicado na Figura 1; month e day : dia e mês da ocorrência dos incêndios; FFMC, DMC, DC e ISI: São as siglas para respectivamente Fine Fuel Moisture Code, Duff Moisture Code, Drought Code e Initial Spread Index. Tais indicadores compõe um famoso índice utilizado na graduação da gravidade de queimadas florestais chamado FWI (Fire Weather Index); temp: temperatura medida no momento da queimada (em C); RH: umidade relativa do ar no momento da queimada (em %); wind: velocidade dos ventos medida na estação meteorológica localizada no centro do parque (em km/h); rain: corresponde a precipitação acumulada no momento do incêndio (em mm/m 2 ); area: área total queimada (em ha). Uma observação importante deve ser feita para este último item. Todas as ocorrências presentes na base
2 correspondem a incêndios que aconteceram. Quando os valores de área na base são nulos, isto indica que a área queimada foi inferior a 100 m 2. 3) summary(forestfires) Através deste comando, podemos ter uma visão geral de todos os atributos da base, conforme mostra a Figura 2 Como dito anteriormente, foi utilizado o software RStudio, que é um ótimo ambiente de desenvolvimento integrado (IDE) para trabalhos com R. Existem diversas maneiras de importar uma base de dados no programa, duas delas estão apresentadas na Figura 5: Figura 5. RStudio. Duas maneiras possíveis para se importar uma base de dados no Figura 2. Resumo de todos os atributos da base 4) barplot(table(forestfires$month)) Este comando gera um gráfico em barras, como o apresentado na Figura 3. Vemos claramente que maior parte dos incêndios se dá durante o verão (julho, agosto e setembro) Figura 3. A maior parte dos incêndios ocorre durante os meses do verão. Uma vez os dados da base carregados, podemos começar a realizar os diversos experimentos, como será mostrado nas próximas subseções. Antes de passarmos para a aplicação dos algoritmos propriamente dita, é importante notar algumas etapas de preprocessamento da base, necessárias para um melhor desempenho dos algoritmos. Primeiramente, afim de amenizar o desbalanceamento dos dados, [2] sugere aplicar uma transformação no atributo da área (área = ln(área+1)). Além disso, algoritmos como redes neurais, SVM ou k-means precisam ter os dados de entrada normalizados para evitar que os atributos com maior amplitude tenham artificialmente maior peso no resultado final. Por fim, para facilitar a aplicação de todos os algoritmos propostos neste trabalho, criou-se uma nova versão da base onde os valores de área foram discretizados em quatro categorias. Todas estas operações são apresentadas na Figura 6. 5) hist(forestfires$area) Através desta simples instrução, outro traço marcante da base é evidenciado: a maioria das instâncias refere-se a incêndios de pequeno porte (menor que m 2 ), como mostra a Figura 4. Figura 4. A maior parte dos incêndios é de pequeno porte. Outros exemplos de comandos em R para exploração de bases de dados podem ser encontrados em [1]. III. APLICAÇÃO DOS ALGORITMOS DE MINERAÇÃO DE DADOS Nesta seção serão apresentados como implementar diversos algoritmos de mineração de dados utilizando a linguagem R. Figura 6. Preprocessamento dos dados: transformação nos valores da área, normalização dos valores numéricos e criação de uma base com os valores de área discretizados. Além disso, nos exemplos a seguir considerou-se somente parte dos atributos de entrada para a classificação da área queimada. Por questões evidenciadas em [2], utilizou-se apenas os atributos meteorológicos como valores de entrada, conforme mostra a Figura 7 A. Algoritmos de Classificação Quando o atributo que buscamos classificar é do tipo discreto, falamos em problemas de classificação. Por outro lado,
3 Figura 7. Utilizou-se apenas alguns dos atributos de entrada para a determinação da área e/ou criação dos clusters. quando trata-se de um atributo contínuo (numérico) passamos a chamar de algoritmos de regressão, também chamados de fitting de função. No caso da base utilizada neste trabalho, [2] busca predizer o valor da área queimada a partir de diversos conjuntos de parâmetros (essencialmente um problema de regressão ou fitting de função). No presente trabalho, os algoritmos de árvore de decisão, Naïve-Bayes e vizinho mais próximo (knn) serão aplicados em uma versão alternativa da base de dados, conforme apresentado previamente. Já os algoritmos redes neurais (MultiLayer Perceptron) e Support Vector Machine (SVM) utilizarão os valores numéricos da área, realizando uma tarefa de regressão nos valores da mesma. Esta seção não tem por objetivo descrever cada um dos algoritmos aqui utilizados (uma vez que o foco maior é a experimentação destas técnicas através da linguagem R). No entanto, algumas considerações serão feitas nos capítulos dedicados aos problemas encontrados e à discussão dos resultados. As Figuras 8, 9, 10, 11 e 12 a seguir demostram uma maneira possível de se executar e visualizar em R diversos algoritmos de classificação. Figura 10. Figura 11. Implementação do algoritmo do Vizinho mais Próximo. Implementação do algoritmo de Redes Neurais (MLP). Figura 8. Implementação do algoritmo de Árvore de Decisão. Figura 12. Implementação do algoritmo Support Vector Machine (SVM) Figura 9. Implementação do algoritmo Naïve-Bayes. B. Algoritmos de Associação A base utilizada neste trabalho não é adaptada para a aplicação de algoritmos de associação. Logo, a fim de poder implementar tal algoritmo em R, definiu-se um novo problema e criou-se uma nova base, especialmente adaptada para este tipo de exercício.
4 Esta base (criada a partir do próprio RStudio) contém mil músicas cifradas (formato tipicamente utilizado por seresteiros e tocadores de violão ou outros instrumentos de corda). Servindo-se da linguagem R e de pacotes específicos para exploração de páginas da internet, foi criado um script capaz de acessar automaticamente um famoso site de músicas cifradas ( e obter informações das mil músicas mais acessadas no site: nome da música, nome do artista, tom da música e cifras da mesma (vide Figura 13) A comparação destes dois métodos será brevemente comentada na seção dedicada à discussão de resultados. As Figuras 16 e 17 evidenciam uma forma possível de implementação destes algoritmos em R. Figura 13. Informações obtidas automaticamente da internet através de um script em R. A partir destas informações, uma outra base foi gerada, contendo apenas a indicação de que cifras são utilizadas em cada música, bem como o tom da mesma (Figura 14). Esta base (que foi nomeada de cifrasdf) já se encontra no formato ideal para aplicação do algoritmo de associação, conforme mostra a Figura 15. Figura 16. Implementação do algoritmo de agrupamento K-means. Figura 14. Lista contendo as cifras e o tom de cada música. Figura 17. Implementação do algoritmo de agrupamento hierárquico. Figura 15. Implementação do algoritmos de associação (A priori). C. Algoritmos de Agrupamento Dois algoritmos de agrupamento (clustering) foram implementados: K-means e Agrupamento hierárquico. Para tal, a base foi ligeiramente simplificada. Como dito anteriormente, apenas os atributos meteorológicos (temperatura, vento, umidade do ar e chuva) foram considerados para a criação dos agrupamentos. Com o intuito de evidenciar o agrupamento produzido pelo algoritmo, o atributo área foi suprimido da base. IV. DIFICULDADES ENCONTRADAS Naturalmente, este trabalho não tem a pretensão de abordar de maneira aprofundada nenhum dos algoritmos aqui apresentados. Tal tarefa seria bastante extensa, uma vez que cada uma destas técnicas possuem muitos detalhes de configuração, optimização e adaptação ao problema que se busca resolver. Felizmente, a maior parte das configurações de base foram suficientes para uma abordagem eficiente de cada um dos algoritmos. Identificar os comandos em R necessários para preprocessar os dados corretamente foi um importante ponto de dificuldade. Além do mais, observou-se que para boa parte dos algoritmos aqui aplicados, a qualidade desta etapa de preprocessamento pode ser determinante nos resultados obtidos (como é o caso
5 da normalização dos valores para algoritmos de redes neurais ou a discretização do atributo área na aplicação de algoritmos de classificação). Um outro problema que vale ressaltar é o grande desequilíbrio na base utilizada (fato que também pode ser amenizado através de um preprocessamento adequado dos dados de entrada). Mais da metade dos registros continham o valor de área nulo. Tal desbalanceamento leva algoritmos como árvore de decisão ou naïve-bayes a fazerem escolhas equivocadas, classificando todas as entradas com os valores de maior ocorrência, por exemplo. destas três técnicas para este problema de classificação é representativo e pode ser visualizado na da Figura 20 V. RESULTADOS E DISCUSSÃO A respeito dos algoritmos de classificação (árvore de decisão, naïve-bayes e vizinho mais próximo), os resultados obtidos com as poucas simulações no RStudio não foram muito promissores (como mostra a Figura 18). (a) (b) (c) Figura 18. Resultados da classificação em R: (a) árvore de decisão (42,7% de acerto); (b) naïve-bayes (35% de acerto); (c) vizinho mais próximo (35,7% de acerto). Como dito na seção anterior, fica evidente que o desbalanceamento força os algoritmos de classificação a optarem majoritariamente pelas pequenas áreas (VerySmall ou Small). Isto também pode ser visualizado na Figura 19, onde vemos que a árvore de decisão gerada nem chega a criar folhas para as categorias Medium e Large. Figura 20. Resultados de comparação através do WEKA. Observa-se que nenhuma das técnicas utilizadas consegue superar significativamente o classificador mais simples (ZeroR). Também através da ferramenta Knowledge Flow do WEKA, é possível gerar a curva ROC comparando estas três técnicas. Conforme pode ser visto na Figura 21, nenhum dos algoritmos tem uma eficiência significativamente melhor que um classificador aleatório para este problema de classificação. Figura 21. Curva ROC comparando os algoritmos de classificação para a classe VerySmall. Fica evidente que nenhum deles se sai melhor que o classificador randômico para este problema em particular. Figura 19. Árvore de decisão produzida pelo R. Fica claro o resultado do desbalanceamento da base de dados. Com o objetivo de se obter um comparativo mais detalhado destes três algoritmos, foi utilizado um outro software, bem mais completo, chamado WEKA. Mais precisamente, uma ferramenta chamada Experimenter do WEKA que é capaz de realizar centenas de simulações destes algoritmos e apresentar um balanço comparativo dos resultados. Naturalmente, a implementação dos algoritmos no WEKA não é exatamente a mesma que a utilizada pelo package do RStudio. No entanto, o resultado da comparação da eficiência Ainda na área dos algoritmos de classificação, mas desta vez tratando o problema como um problema de regressão, comparou-se os resultados obtidos na predição da área dado pelos algoritmos de redes neurais e SVM. A Figura 22 mostra o resultado obtido através da ferramenta Experimenter do WEKA. A rede neural (MultiLayer Perceptron) produzida no R está apresentada na Figura 23. Ela é composta por uma camada interna contendo 4 neurônios (conforme a utilizada em [2]). Como concluído em [2], o SVM se saiu um pouco melhor que a rede neural para esta tarefa de regressão. Passando para o algoritmo de associação avaliado (a priori), uma amostra das regras encontradas pode ser vista na
6 Figura 24. associação. Pequena amostra das regras obtidas com o algoritmo de Figura 22. Resultados de comparação através do WEKA. O SVM se saiu melhor no quesito menor erro quadrático médio, mas não chega a ser uma vantagem estatisticamente significativa. (a) (b) Figura 25. Resultados dos algoritmos de agrupamento em R: (a) K-means (27% de acerto); (b) Agrupamento hierárquico (44% de acerto). evidente se os gráficos da Figura 25 fossem diagonais puras). O K-means categorizou apenas 27% das instâncias da mesma maneira que a classificação inicial. Já o agrupamento hierárquico atingiu a barra dos 44%. Além disso, a característica aleatória na posição inicial dos grupos do K-means faz com que tenhamos um resultado diferente a cada execução do algoritmo. Antes de chegar nas quatro categorias finais, o agrupamento hierárquico cria um diagrama bastante denso contendo o agrupamento de cada uma das instâncias da base. A Figura 26 mostra este diagrama (chamado dendrograma) que apesar de ilisível, ilustra bem o funcionamento da técnica de agrupamento hierárquico. Figura 23. RStudio. Rede neural MLP utilizada para obtenção dos resultados no Figura 24. A figura apresenta apenas as nove primeiras regras com um suporte maior que dez por cento e confiança acima de noventa por cento. Como era de se esperar, as regras de associação encontradas são bastante coerentes com a teoria musical (notas de um mesmo campo harmônico em função da tonalidade da música). Para finalizar, a Figura 25 mostra os resultados obtidos para os algoritmos de agrupamento. Conforme explicado anteriormente, cada um dos dois algoritmos utilizados agrupou os dados em quatro categorias (a partir dos dados meteorológicos da base). Estes grupos foram comparados com a classificação inicial feita, com base nos valores das áreas (VerySmall, Small, Medium e Large). Nenhum dos dois algoritmos conseguiu uma classificação muito similar com a definição inicial escolhida (o que seria Figura 26. hierárquico. Dendrograma produzido pelo algoritmo de agrupamento VI. CONCLUSÃO Sobre uma base de dados contendo informações a respeito de incêndios florestais, aplicou-se uma série de algoritmos e
7 técnicas de mineração de dados. Para esta base em questão, nenhum dos três algoritmos de classificação experimentados (naïve-bayes, árvore de decisão e vizinho mais próximo) apresentou resultados significativos. Tratando a mesma base como um problema de regressão (o que poderia ser visto como uma generalização do problema de classificação, com classes infinitas), o SVM se saiu levemente melhor que a rede neural (o que é coerente com os resultados obtidos em [2]). Apenas como exemplificação, aplicou-se também dois algoritmos de agrupamento diferentes: K-means e agrupamento hierárquico. Apesar de nenhuma das duas técnicas categorizarem as áreas exatamente como feito pela análise humana, o agrupamento hierárquico apresentou melhores resultados. Também com o intuito de experimentação, criou-se um cenário alternativo, não utilizando a mesma base dos outros algoritmos, para a implementação e aplicação de um algoritmo de associação. Tal base, composta de notas e tons de mil músicas colhidas na internet, originou resultados coerentes com a teoria musical. Ficou bem claro a extrema importância da qualidade dos dados de entrada. Principalmente no que diz respeito ao preprocessamento dos mesmos, fato primordial para que os algoritmos tenham melhores resultados. Do mais, todos os algoritmos utilizados aqui foram aplicados com suas configurações padrões. Logo, é de se esperar que resultados diferentes possam ser obtidos adaptando mais precisamente cada um dos algoritmos ao problema em questão. De maneira geral, fica evidente a potência e facilidade que ferramentas como o WEKA e a linguagem R trazem para as operações de mineração de dados. RECONHECIMENTO O autor agradece ao professor do Programa de Pós- Graduação em Computação Aplicada da UTFPR, Dr Celso Antônio Alves Kaestner, pelos ensinamentos ministrados na disciplina de Mineração de Dados. REFERÊNCIAS [1] Y. Zhao, R and data mining: Examples and case studies, [2] P. Cortez and A. Morais, A data mining approach to predict forest fires using meteorological data, 2007.
Universidade 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 mais3 Estratégia para o enriquecimento de informações
34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura
Leia maisA construção de um manual sobre a utilização dos modelos também poderá alavancar o uso das representações. Este conteria a explicação detalhada da
6 Conclusões No âmbito do framework teórico da Engenharia Semiótica, este trabalho faz parte de um esforço conjunto para desenvolver ferramentas epistêmicas que apóiem a reflexão do designer durante o
Leia mais3. Fase de Planejamento dos Ciclos de Construção do Software
3. Fase de Planejamento dos Ciclos de Construção do Software A tarefa de planejar os ciclos de construção do software pode partir de diretrizes básicas. Estas diretrizes visam orientar que os ciclos de
Leia mais3.1 Definições Uma classe é a descrição de um tipo de objeto.
Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Classes Autoria:Aristófanes Corrêa Silva Adaptação:
Leia mais3 Metodologia 3.1. Tipo de pesquisa
3 Metodologia 3.1. Tipo de pesquisa Escolher o tipo de pesquisa a ser utilizado é um passo fundamental para se chegar a conclusões claras e responder os objetivos do trabalho. Como existem vários tipos
Leia mais6 Conclusões e próximos passos
8 6 Conclusões e próximos passos Este capítulo é divido em duas seções. A primeira descreve as principais conclusões sobre o trabalho realizado. Na segunda seção é mostrado um conjunto de oportunidades
Leia maisORIENTAÇÃO PEDAGÓGICA N.4/2014 PROCEDIMENTO DE OBSERVAÇÃO DE AULA
Faculdade Adventista da Bahia Assessoria Pedagógica BR-101, km 197, Capoeiruçu Caixa Postal 18 Cachoeira BA CEP: 44.300-000 Brasil e-mail: selcr25@gmail.com ORIENTAÇÃO PEDAGÓGICA N.4/2014 PROCEDIMENTO
Leia maisRelatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento
Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento Ramon Pereira Lopes Rangel Silva Oliveira 31 de outubro de 2011 1 Introdução O presente documento refere-se ao relatório
Leia maisIMPLEMENTAÇÃO DE UM SISTEMA DE SELEÇÃO DE PEÇA USANDO CONCEITOS DE PROGRAMAÇÃO DE SISTEMA DE AUTOMAÇÃO. João Alvarez Peixoto*
IMPLEMENTAÇÃO DE UM SISTEMA DE SELEÇÃO DE PEÇA USANDO CONCEITOS DE PROGRAMAÇÃO DE SISTEMA DE AUTOMAÇÃO João Alvarez Peixoto* * Mestrando do Programa de Pós-graduação em Engenharia Elétrica - UFRGS Porto
Leia maisSIG. Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes
SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e
Leia maisManual de Utilizador. Caderno. Recursos da Unidade Curricular. Gabinete de Ensino à Distância do IPP. http://eweb.ipportalegre.pt. ged@ipportalegre.
Manual de Utilizador Caderno Recursos da Unidade Curricular Gabinete de Ensino à Distância do IPP http://eweb.ipportalegre.pt ged@ipportalegre.pt Índice RECURSOS... 1 ADICIONAR E CONFIGURAR RECURSOS...
Leia maisUNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO Santa Maria, 01 de Novembro de 2013. Revisão aula passada Projeto de Arquitetura Decisões de projeto de Arquitetura
Leia maisGerenciamento de Recursos para Grades Computacionais Node Control Center. Proposta para o Trabalho de Formatura Supervisionado
Trabalho de Formatura Supervisionado Gerenciamento de Recursos para Grades Computacionais Node Control Center Proposta para o Trabalho de Formatura Supervisionado Carlos Eduardo Moreira dos Santos Orientador:
Leia maisA SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO
A SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO DESENVOLVENDO UM PROJETO 1. Pense em um tema de seu interesse ou um problema que você gostaria de resolver. 2. Obtenha um caderno
Leia maisfunção de produção côncava. 1 É importante lembrar que este resultado é condicional ao fato das empresas apresentarem uma
90 6. CONCLUSÃO Segundo a teoria microecônomica tradicional, se as pequenas empresas brasileiras são tomadores de preços, atuam nos mesmos mercados e possuem a mesma função de produção, elas deveriam obter
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisGuia de utilização da notação BPMN
1 Guia de utilização da notação BPMN Agosto 2011 2 Sumário de Informações do Documento Documento: Guia_de_utilização_da_notação_BPMN.odt Número de páginas: 31 Versão Data Mudanças Autor 1.0 15/09/11 Criação
Leia maisEspecificação Operacional.
Especificação Operacional. Para muitos sistemas, a incerteza acerca dos requisitos leva a mudanças e problemas mais tarde no desenvolvimento de software. Zave (1984) sugere um modelo de processo que permite
Leia maisCOTAÇÃO DE COMPRAS COM COTAÇÃO WEB
COTAÇÃO DE COMPRAS COM COTAÇÃO WEB RMS Software S.A. - Uma Empresa TOTVS Todos os direitos reservados. A RMS Software é a maior fornecedora nacional de software de gestão corporativa para o mercado de
Leia maisSISTEMA DE AVALIAÇÃO E APOIO À QUALIDADE DO ENSINO A DISTÂNCIA
1 SISTEMA DE AVALIAÇÃO E APOIO À QUALIDADE DO ENSINO A DISTÂNCIA Renato Cislaghi, UFSC, cislaghi@inf.ufsc.br Silvia Modesto Nassar, UFSC, silvia@inf.ufsc.br Beatriz Wilges, UFSC, beaw@inf.ufsc.br Introdução
Leia mais2 Gerenciamento de Log 2.1 Definições básicas
2 Gerenciamento de Log 2.1 Definições básicas Os logs são fontes riquíssimas de informação e são gerados pelos servidores e pelas aplicações conforme eventos significativos acontecem. Em [1], log é definido
Leia mais6 Ferramenta de Apoio ao Processo de Desenvolvimento de Sistemas Multi-Agentes
6 Ferramenta de Apoio ao Processo de Desenvolvimento de Sistemas Multi-Agentes A ferramenta MAS-ML Tool surgiu com o objetivo de viabilizar o processo de desenvolvimento proposto na Seção anterior, implementando
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 maisMetadados. 1. Introdução. 2. O que são Metadados? 3. O Valor dos Metadados
1. Introdução O governo é um dos maiores detentores de recursos da informação. Consequentemente, tem sido o responsável por assegurar que tais recursos estejam agregando valor para os cidadãos, as empresas,
Leia mais5 Considerações finais
5 Considerações finais 5.1. Conclusões A presente dissertação teve o objetivo principal de investigar a visão dos alunos que se formam em Administração sobre RSC e o seu ensino. Para alcançar esse objetivo,
Leia mais4 Aplicativo para Análise de Agrupamentos
65 4 Aplicativo para Análise de Agrupamentos Este capítulo apresenta a modelagem de um aplicativo, denominado Cluster Analysis, dedicado à formação e análise de grupos em bases de dados. O aplicativo desenvolvido
Leia maisO modelo Entidade-Relacionamento. Agenda: -Modelagem de dados utilizando O Modelo Entidade-Relacionamento
O modelo Entidade-Relacionamento Agenda: -Modelagem de dados utilizando O Modelo Entidade-Relacionamento 1 Antes de começarmos: A modelagem conceitual é uma fase muito importante no plamejamento de um
Leia mais3 Metodologia. 3.1 Tipo de Pesquisa
3 Metodologia 3.1 Tipo de Pesquisa A presente pesquisa em relação aos seus fins é classificada como descritiva, pois identifica e descreve as estratégias das empresas inseridas na indústria brasileira
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 maisObjetivo do trabalho 4
CC-226 Introdução à Análise de Padrões Prof. Carlos Henrique Q. Forster Instruções para Trabalho 4 Objetivo do trabalho 4 Relatar os resultados obtidos no trabalho 3 e estendidos na forma de escrita científica
Leia mais1 Um guia para este livro
PARTE 1 A estrutura A Parte I constitui-se de uma estrutura para o procedimento da pesquisa qualitativa e para a compreensão dos capítulos posteriores. O Capítulo 1 serve como um guia para o livro, apresentando
Leia mais6.1 A Simulação Empresarial tem utilização em larga escala nos cursos de Administração, em seus diversos níveis de ensino no Brasil?
195 6 Discussão Neste capítulo, são discutidos os resultados apresentados nas suas unidades de pesquisa e a relação existente entre cada uma dessas unidades. Assim, este capítulo traz subsídios para a
Leia mais2 Ferramentas Utilizadas
2 Ferramentas Utilizadas Esta dissertação utiliza vários outros trabalhos para implementar os mecanismos de adaptação abordados. Essas ferramentas são descritas nas seções seguintes. 2.1 Lua Lua [7, 8]
Leia maisMOODLE NA PRÁTICA PEDAGÓGICA
Carmen Mathias Agosto - 2009 I. CADASTRO 1. Acessar o site de treinamento (teste): http://moodle_course.unifra.br/ 2. Faça o login, clicando em acesso no lado direito superior da tela: 3. Coloque seu nome
Leia maisESTUDO DE CASO: LeCS: Ensino a Distância
ESTUDO DE CASO: LeCS: Ensino a Distância HERMOSILLA, Lígia Docente da Faculdade de Ciências Jurídicas e Gerenciais de Garça FAEG - Labienópolis - CEP 17400-000 Garça (SP) Brasil Telefone (14) 3407-8000
Leia maisipea políticas sociais acompanhamento e análise 7 ago. 2003 117 GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo*
GASTOS SOCIAIS: FOCALIZAR VERSUS UNIVERSALIZAR José Márcio Camargo* Como deve ser estruturada a política social de um país? A resposta a essa pergunta independe do grau de desenvolvimento do país, da porcentagem
Leia maisCURSO DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS
CURSO DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008/1 4º PERÍODO 7º MÓDULO AVALIAÇÃO A3 DATA 15/10/2009 ENGENHARIA DE SOFTWARE 2009/2 GABARITO COMENTADO QUESTÃO 1: Analise as afirmações
Leia maisCENTRO ESTADUAL DE EDUCAÇÃO TECNOLOGICA PAULA SOUZA ETEC DR. EMLIO HERNANDEZ AGUILAR
CENTRO ESTADUAL DE EDUCAÇÃO TECNOLOGICA PAULA SOUZA ETEC DR. EMLIO HERNANDEZ AGUILAR ÁLVARO JOSÉ PIAZON JUNIOR ANDERSON DA SILVA SPERA DÉBORA VICENTE DE OLIVEIRA MANUAL DE ORIENTAÇÃO PARA DESENVOLVIMENTO
Leia maisQ-Acadêmico. Módulo CIEE - Estágio. Revisão 01
Q-Acadêmico Módulo CIEE - Estágio Revisão 01 SUMÁRIO 1. VISÃO GERAL DO MÓDULO... 2 1.1 PRÉ-REQUISITOS... 2 2. ORDEM DE CADASTROS PARA UTILIZAÇÃO DO MÓDULO CIEE... 3 2.1 CADASTRANDO EMPRESAS... 3 2.1.1
Leia maisSoma. Paulo Roberto Guimarães Junior
Soma Paulo Roberto Guimarães Junior Observatório Nacional de Segurança Viária. Rua 9 de Julho, 1953 - Vila Georgina - Cep: 13.333-070 - Indaiatuba SP Telefone: (19) 3801.4500 E-mail: onsv@onsv.org.br SÍNTESE
Leia maisPESQUISA EM INFORMÁTICA -ESTILOS DE PESQUISA EM COMPUTAÇÃO. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA EM INFORMÁTICA -ESTILOS DE PESQUISA EM COMPUTAÇÃO Prof. Angelo Augusto Frozza, M.Sc. O TRABALHO DE CONCLUSÃO Introdução O texto que segue resume os Capítulo 2 e 8, do livro Metodologia de Pesquisa
Leia maisTrabalho de Implementação Jogo Reversi
Trabalho de Implementação Jogo Reversi Paulo Afonso Parreira Júnior {paulojr@comp.ufla.br} Rilson Machado de Olivera {rilson@comp.ufla.br} Universidade Federal de Lavras UFLA Departamento de Ciência da
Leia maisGráficos. Incluindo gráficos
Gráficos Mas antes de começar, você precisa ter em mente três conceitos importantes que constituem os gráficos do Excel 2007. O primeiro deles é o ponto de dados. Este elemento é representado pela combinação
Leia maisImplementadas por Computador
«Título Dia Aberto da Acção» da PI «Nome Ricardo Formador» Pereira «Título Invenções do Módulo» Implementadas por Computador «Função Desempenhada» Examinador de Patentes Universidade de «Local» Évora «dd.mm.aaaa»
Leia maisA PRÁTICA DA CRIAÇÃO E A APRECIAÇÃO MUSICAL COM ADULTOS: RELATO DE UMA EXPERIÊNCIA. Bernadete Zagonel
Artigo publicado em: Anais do VI Encontro da ABEM, Recife, 1998. A PRÁTICA DA CRIAÇÃO E A APRECIAÇÃO MUSICAL COM ADULTOS: RELATO DE UMA EXPERIÊNCIA. Bernadete Zagonel Durante alguns anos ministrei as disciplinas
Leia maisTeste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares
Teste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares André Assis Lôbo de Oliveira Francisco Guerra Fernandes Júnior Faculdades Alves Faria, 74445190, Brasil andrelobin@hotmail.com,
Leia mais(MAPAS VIVOS DA UFCG) PPA-UFCG RELATÓRIO DE AUTO-AVALIAÇÃO DA UFCG CICLO 2006-2008 ANEXO (PARTE 2) DIAGNÓSTICOS E RECOMENDAÇÕES
1 PPA-UFCG PROGRAMA PERMANENTE DE AVALIAÇÃO RELATÓRIO DE AUTO-AVALIAÇÃO DA UFCG CICLO 2006-2008 ANEXO (PARTE 2) DIAGNÓSTICOS E RECOMENDAÇÕES (MAPAS VIVOS DA UFCG) 2 DIMENSÃO MISSÃO E PDI MAPAS VIVOS DE
Leia maisBolsas de Produtividade em Pesquisa: Educação Física, Fisioterapia, Fonoaudiologia e
Bolsas de Produtividade em Pesquisa: Educação Física, Fisioterapia, Fonoaudiologia e Terapia Ocupacional Brasília Maria Chiari 1, Débora B Grossi 2, Fernanda D Fernandes 2, Leslie P Ferreira 3, Marco Túlio
Leia maisFAZEMOS MONOGRAFIA PARA TODO BRASIL, QUALQUER TEMA! ENTRE EM CONTATO CONOSCO!
FAZEMOS MONOGRAFIA PARA TODO BRASIL, QUALQUER TEMA! ENTRE EM CONTATO CONOSCO! DEFINIÇÃO A pesquisa experimental é composta por um conjunto de atividades e técnicas metódicas realizados para recolher as
Leia maisTÉCNICAS DE PROGRAMAÇÃO
TÉCNICAS DE PROGRAMAÇÃO (Adaptado do texto do prof. Adair Santa Catarina) ALGORITMOS COM QUALIDADE MÁXIMAS DE PROGRAMAÇÃO 1) Algoritmos devem ser feitos para serem lidos por seres humanos: Tenha em mente
Leia mais1. Introdução. Avaliação de Usabilidade Página 1
1. Introdução Avaliação de Usabilidade Página 1 Os procedimentos da Avaliação Heurística correspondem às quatro fases abaixo e no final é apresentado como resultado, uma lista de problemas de usabilidade,
Leia maisDiagrama de fluxo de dados na Plataforma Vicon SAGA. Terminologias de bancos de dados: Banco de Dados, Tabela, Campos, Registros
Exercício Objetivo Aplicativo Exercício para ambientação com Sistemas de Informação e Bancos de Dados. O usuário criará modelará um banco de dados aplicado ao contexto de desastres; realizará cadastros
Leia maisMANUAL DE PROCEDIMENTOS ORÇAMENTOS
Conteúdo MANUAL DE PROCEDIMENTOS ORÇAMENTOS... 2 Conceito de Manual Procedimentos... 2 Objetivos do Manual... 2 Aspectos Técnicos... 2 1. ACESSO AO SISTEMA ODONTOSFERA... 3 2. STATUS DO PACIENTE NO SISTEMA...
Leia maisPermitir a troca de mensagens de texto entre os dois alunos; Permitir que um aluno enviasse para o outro uma cópia de prova;
Software Básico 2008.2 Trabalho Prático 1: programação de E/S, uso de sinais Prática de programação voltada a eventos Trabalho individual ou em dupla Data de entrega: 01/10/2008 1 O Objetivo Utilizando
Leia maisPlanejamento de Aula - Ferramenta Mar aberto
Planejamento de Aula - Ferramenta Mar aberto Planejar uma aula é uma arte não uma tarefa. O planejamento de aula através da ferramenta Mar Aberto ajuda e contribui para infinitas possibilidades para seu
Leia mais1. Introdução. 1.1 Contextualização do problema e questão-problema
1. Introdução 1.1 Contextualização do problema e questão-problema A indústria de seguros no mundo é considerada uma das mais importantes tanto do ponto de vista econômico como do ponto de vista social.
Leia maisInvenções Implementadas por Computador (IIC) Patentes
Invenções Implementadas por Computador (IIC) Patentes O que é uma IIC? Uma IIC é uma invenção que recorre a um computador, a uma rede de computadores ou a qualquer outro dispositivo programável (por exemplo
Leia maisMatemática em Toda Parte II
Matemática em Toda Parte II Episódio: Matemática no Transporte Resumo O episódio Matemática no Transporte, da série Matemática em Toda Parte II, vai mostrar como alguns conceitos matemáticos estão presentes
Leia maisPROJETO PILOTO. Setembro 2015
PROJETO PILOTO Setembro 2015 Manual completo de funcionamento do projeto: Instruções Iniciais, Perguntas Frequentes e Tutorial de Utilização 1 Projeto Piloto - Aplicativo Di@rio de Classe 1) Instruções
Leia maisEntendendo as Permissões de Arquivos no GNU/Linux
Entendendo as Permissões de Arquivos no GNU/Linux Mario Luiz Bernardinelli (mariolb@gmail.com) 14 de Maio de 2009 Resumo Cada sistema operacional possui características próprias e o entendimento de seu
Leia maisTONALIDADE X FREQUÊNICA
Som, notas e tons TONALIDADE X FREQUÊNICA O violão é um instrumento musical e o seu objetivo é fazer música. Música é a organização de sons em padrões que o cérebro humano acha agradável (ou pelo menos
Leia maisA Sustentabilidade e a Inovação na formação dos Engenheiros Brasileiros. Prof.Dr. Marco Antônio Dias CEETEPS
A Sustentabilidade e a Inovação na formação dos Engenheiros Brasileiros Prof.Dr. Marco Antônio Dias CEETEPS O PAPEL DA FORMAÇÃO ACADÊMICA Segundo diversos autores que dominam e escrevem a respeito do tema,
Leia maisFILOSOFIA SEM FILÓSOFOS: ANÁLISE DE CONCEITOS COMO MÉTODO E CONTEÚDO PARA O ENSINO MÉDIO 1. Introdução. Daniel+Durante+Pereira+Alves+
I - A filosofia no currículo escolar FILOSOFIA SEM FILÓSOFOS: ANÁLISE DE CONCEITOS COMO MÉTODO E CONTEÚDO PARA O ENSINO MÉDIO 1 Daniel+Durante+Pereira+Alves+ Introdução O+ ensino+ médio+ não+ profissionalizante,+
Leia maisRoteiro para autores
Roteiro para autores 1. Apresentação A Editora da Universidade do Estado de Minas Gerais, EdUEMG, foi criada para fomentar a produção científica nas áreas mais estratégicas e relevantes para a instituição.
Leia mais3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar
3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar Vimos que as previsões sobre as capacidades caloríficas molares baseadas na teoria cinética estão de acordo com o comportamento
Leia maisIntrodução ao icare 2
Introdução ao icare 2 (Instrumentação para a Coleta Assistida de Resíduos Recicláveis V.2) Arthur Elídio da Silva Lucas Zenaro José Tarcísio F. de Camargo Unipinhal (2015) SUMÁRIO 1. INTRODUÇÃO... 3 O
Leia mais3 O Panorama Social Brasileiro
3 O Panorama Social Brasileiro 3.1 A Estrutura Social Brasileira O Brasil é um país caracterizado por uma distribuição desigual de renda. Segundo dados da Pesquisa Nacional por Amostragem de Domicílios
Leia maisEmpreenda! 9ª Edição Roteiro de Apoio ao Plano de Negócios. Preparamos este roteiro para ajudá-lo (a) a desenvolver o seu Plano de Negócios.
Empreenda! 9ª Edição Roteiro de Apoio ao Plano de Negócios Caro (a) aluno (a), Preparamos este roteiro para ajudá-lo (a) a desenvolver o seu Plano de Negócios. O Plano de Negócios deverá ter no máximo
Leia maisCotagem de dimensões básicas
Cotagem de dimensões básicas Introdução Observe as vistas ortográficas a seguir. Com toda certeza, você já sabe interpretar as formas da peça representada neste desenho. E, você já deve ser capaz de imaginar
Leia maisNORMA TÉCNICA PARA IMPLANTAÇÃO DE NOVOS SISTEMAS OU APLICAÇÕES NO BANCO DE DADOS CORPORATIVO
NORMA TÉCNICA PARA IMPLANTAÇÃO DE NOVOS SISTEMAS OU APLICAÇÕES NO BANCO DE DADOS CORPORATIVO Referência: NT-AI.04.02.01 http://www.unesp.br/ai/pdf/nt-ai.04.02.01.pdf Data: 27/07/2000 STATUS: EM VIGOR A
Leia maisSISTEMÁTICA OPERACIONAL DE CONTROLE DA POTÊNCIA REATIVA DAS USINAS DE ANGRA 1 E ANGRA 2 DA CENTRAL NUCLEAR ALMTE. ÁLVARO ALBERTO
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GAT - 25 16 a 21 Outubro de 5 Curitiba - Paraná GRUPO IV GRUPO DE ESTUDO DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA - GAT SISTEMÁTICA
Leia maisEnergia Eólica. Atividade de Aprendizagem 3. Eixo(s) temático(s) Ciência e tecnologia / vida e ambiente
Energia Eólica Eixo(s) temático(s) Ciência e tecnologia / vida e ambiente Tema Eletricidade / usos da energia / uso dos recursos naturais Conteúdos Energia eólica / obtenção de energia e problemas ambientais
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia maisProf. Me. Marcos Echevarria
Prof. Me. Marcos Echevarria Já vimos que existem vários tipos de testes de software que podemos usar para que nossos sistemas tenham uma qualidade maior. Além disso, esses testes podem ser executados em
Leia maisGráficos estatísticos: histograma. Série Software ferramenta
Gráficos estatísticos: histograma Série Software ferramenta Funcionalidade Este software permite a construção de histogramas a partir de uma tabela de dados digitada pelo usuário. Gráficos estatísticos:
Leia maisAnexo 2 Análise de clusters método K-means
Anexo 2 Análise de clusters método K-means 102/494 Análise de clusters método K-means A análise de cluster é uma técnica exploratória de análise multi-variada de dados que permite classificar um conjunto
Leia maisTRANSFORMADORES. P = enrolamento do primário S = enrolamento do secundário
TRANSFORMADORES Podemos definir o transformador como sendo um dispositivo que transfere energia de um circuito para outro, sem alterar a frequência e sem a necessidade de uma conexão física. Quando existe
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisIntrodução às Bases de Dados
Introdução às Bases de Dados Relacionamentos Simples (Abordagem não Convencional) Raul Ressano Garcia Ficha Técnica EDIÇÃO: Edição do Autor TÍTULO: Introdução às Bases de Dados - Relacionamentos Simples
Leia maisControladores Lógicos Programáveis. Automação e Controlo Industrial. Escola Superior de Tecnologia. Ricardo Antunes, António Afonso
Escola Superior de Tecnologia Instituto Politécnico de Castelo Branco Departamento de Informática Curso de Engenharia Informática Automação e Controlo Industrial Ano Lectivo de 2004/2005 Controladores
Leia maisWWW.MUSICALLEIZER.COM.BR
WWW.MUSICALLEIZER.COM.BR Índice Índice Prefácio Sobre o autor Introdução Como ser produtivo estudando corretamente Você já organizou o seu tempo e os seus dias para estudar? Definir o que vai estudar Organizando
Leia maisEstruturando o Pré Projeto
1 Estruturando o Pré Projeto Deve ter uma capa padrão, como nome da UNESP na parte superior, o título da pesquisa centralizado no meio da página, a cidade e o ano no rodapé da página e entre o título no
Leia maisSIE - SISTEMA DE INFORMAÇÕES PARA O ENSINO CADASTRO DE FUNCIONÁRIOS
SIE - SISTEMA DE INFORMAÇÕES PARA O ENSINO CADASTRO DE FUNCIONÁRIOS SANTA MARIA FATECIENS 2008 Este manual tem por finalidade apresentar as especificações detalhadas da aplicação de Cadastro de Funcionários,
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS 1ª Série Empreendedorismo Administração A Atividade Prática Supervisionada (ATPS) é um procedimento metodológico de ensino-aprendizagem desenvolvido por meio de etapas,
Leia mais4.1. UML Diagramas de casos de uso
Engenharia de Software 4.1. UML Diagramas de casos de uso Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Utilizados para ajudar na análise de requisitos Através da forma como o utilizador usa o sistema
Leia maisDescrição do Produto. Altus S. A. 1
Descrição do Produto O software MasterTool IEC é um ambiente completo de desenvolvimento de aplicações para os controladores programáveis da Série Duo. Esta ferramenta permite a programação e a configuração
Leia maisEngenharia de Software Engenharia de Requisitos. Análise Orientada a Objetos Prof. Edison A M Morais http://www.edison.eti.br prof@edison.eti.
Engenharia de Software Engenharia de Requisitos Análise Orientada a Objetos Prof. Edison A M Morais http://www.edison.eti.br prof@edison.eti.br 1 Contextualizando... Fonte: [1] O Processo de ER pode ser
Leia maisCOOPERAÇÃO EMPRESAS-LABORATÓRIOS PARA P&D E INOVAÇÃO
COOPERAÇÃO EMPRESAS-LABORATÓRIOS PARA P&D E INOVAÇÃO Gilson Geraldino Silva Jr. 1, 2 1 INTRODUÇÃO Este artigo analisa se o uso de infraestrutura laboratorial externa à empresa impacta na decisão de fazer
Leia maisO uso correto do texto alternativo
O uso correto do texto alternativo Tradução livre do texto Appropriate Use of Alternative Text [http://webaim.org/techniques/alttext/] O texto alternativo é, como o nome diz, uma alternativa aos elementos
Leia maisAstra LX Frases Codificadas Guia para o processo de Configuração de Frases Codificadas no Programa AstraLX.
2011 www.astralab.com.br Astra LX Frases Codificadas Guia para o processo de Configuração de Frases Codificadas no Programa AstraLX. Equipe Documentação Astra AstraLab 24/08/2011 1 Sumário Frases Codificadas...
Leia maisSUMÁRIO. White Paper - NETGLOBE 2
SUMÁRIO Conhecendo a Telepresença... 3 A nova era da Videoconferência: Telepresença... 3 Como viabilizar um projeto de Telepresença... 4 Telepresença oferece excelente qualidade em uma fantástica experiência,
Leia maisUnidade 8: Padrão MVC e DAO Prof. Daniel Caetano
Programação Servidor para Sistemas Web 1 Unidade 8: Padrão MVC e DAO Prof. Daniel Caetano Objetivo: Apresentar a teoria por trás dos padrões na construção de aplicações Web. INTRODUÇÃO Nas aulas anteriores
Leia maisUNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA E INFORMÁTICA BACHARELADO EM SISTEMAS DE INFORMAÇÃO RAPID APPLICATION DEVELOPMENT
UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA E INFORMÁTICA BACHARELADO EM SISTEMAS DE INFORMAÇÃO RAPID APPLICATION DEVELOPMENT Disciplina: Modelagem a Programação Orientada a Objetos
Leia maisMANUAL DA SECRETARIA
MANUAL DA SECRETARIA Conteúdo Tela de acesso... 2 Liberação de acesso ao sistema... 3 Funcionários... 3 Secretaria... 5 Tutores... 7 Autores... 8 Configuração dos cursos da Instituição de Ensino... 9 Novo
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia mais