Experimentos de Mineração de Dados em R Disciplina do curso de Pós-Graduação da UTFPR

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Experimentos de Mineração de Dados em R Disciplina do curso de Pós-Graduação da UTFPR"

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 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 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 mais

4 Desenvolvimento da ferramenta

4 Desenvolvimento da ferramenta direcionados por comportamento 38 4 Desenvolvimento da ferramenta Visando facilitar a tarefa de documentar requisitos funcionais e de gerar testes automáticos em uma única ferramenta para proporcionar

Leia mais

A construção de um manual sobre a utilização dos modelos também poderá alavancar o uso das representações. Este conteria a explicação detalhada da

A 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 mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO O SOFTWARE WEKA UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia

Leia mais

MINERAÇÃO 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 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 mais

Objetivo do trabalho 4

Objetivo 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 mais

Data, Text and Web Mining

Data, Text and Web Mining Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 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 mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

3 Metodologia 3.1. Tipo de pesquisa

3 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 mais

INSTRUMENTAÇÃO DE UM SISTEMA DE LABORATÓRIO DE CONTROLE DE ATITUDE COM RESTRIÇÕES DE CHAVEAMENTO

INSTRUMENTAÇÃO DE UM SISTEMA DE LABORATÓRIO DE CONTROLE DE ATITUDE COM RESTRIÇÕES DE CHAVEAMENTO Anais do 14 O Encontro de Iniciação Científica e Pós-Graduação do ITA XIV ENCITA / 2008 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 20 a 23 2008. INSTRUMENTAÇÃO DE UM SISTEMA

Leia mais

Web Data Mining com R

Web Data Mining com R Web Data Mining com R Fabrício J. Barth fabricio.barth@gmail.com VAGAS Tecnologia e Faculdade BandTec Maio de 2014 Objetivo O objetivo desta palestra é apresentar conceitos sobre Web Data Mining, fluxo

Leia mais

ESTUDO DE CASO: LeCS: Ensino a Distância

ESTUDO 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 mais

Manual 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. 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 mais

PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER

PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER Adriano Cassaniga Petry Prof. Roosevelt dos Santos Junior - Orientador ROTEIRO Introdução Objetivos Fundamentação Teórica Requisitos

Leia mais

4. BANCO DE COMPETÊNCIAS PROPOSTA DE UMA FERRAMENTA DE APOIO À DECISÃO DE CAPACITAÇÃO DE RH

4. BANCO DE COMPETÊNCIAS PROPOSTA DE UMA FERRAMENTA DE APOIO À DECISÃO DE CAPACITAÇÃO DE RH 4. BANCO DE COMPETÊNCIAS PROPOSTA DE UMA FERRAMENTA DE APOIO À DECISÃO DE CAPACITAÇÃO DE RH 1. INTRODUÇÃO Gilson da Silva Cardoso Antonio Carlos Francisco Luciano Scandelari O mundo está experimentando

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO DE DOCUMENTOS

CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO DE DOCUMENTOS III SBA Simpósio Baiano de Arquivologia 26 a 28 de outubro de 2011 Salvador Bahia Políticas arquivísticas na Bahia e no Brasil CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO

Leia mais

1. Introdução 2. Séries Temporais

1. Introdução 2. Séries Temporais 1. Introdução Predição de valores de ações é uma tarefa desafiadora na área de predição de séries temporais financeiras, devido à grande quantidade de variáveis que envolvem essas predições. No passado,

Leia mais

DIAGNÓSTICO DA DISTRIBUIÇÃO ESPACIAL DO TERCEIRO SETOR EM BELO HORIZONTE 2006

DIAGNÓSTICO DA DISTRIBUIÇÃO ESPACIAL DO TERCEIRO SETOR EM BELO HORIZONTE 2006 DIAGNÓSTICO DA DISTRIBUIÇÃO ESPACIAL DO TERCEIRO SETOR EM BELO HORIZONTE 2006 José Irineu Rangel Rigotti João Francisco de Abreu Rafael Liberal Ferreira Luciene Marques da Conceição Alisson Eustáquio Gonçalves

Leia mais

IMPLEMENTAÇÃO 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* 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 mais

Usando um Simulador da Máquina de Turing Claudio Kirner 2010

Usando um Simulador da Máquina de Turing Claudio Kirner 2010 1. Introdução Usando um Simulador da Máquina de Turing Claudio Kirner 2010 A Máquina de Turing, idealizada por Alan Turing, em 1936, é uma máquina teórica simples capaz de calcular qualquer função matemática.

Leia mais

Trabalhando Matemática: percepções contemporâneas

Trabalhando Matemática: percepções contemporâneas Perfil dos alunos do Mestrado Profissional em Matemática em Rede Nacional (PROFMAT) da Universidade Federal de Campina Grande RESUMO Este artigo tem como objetivo descrever o perfil dos alunos do Mestrado

Leia mais

Data Mining II Modelos Preditivos

Data Mining II Modelos Preditivos Data Mining II Modelos Preditivos Prof. Doutor Victor Lobo Mestre André Melo Mestrado em Estatística e Gestão de Informação Objectivo desta disciplina Fazer previsões a partir de dados. Conhecer os principais

Leia mais

DO DESENHO A ESCRITA E LEITURA

DO DESENHO A ESCRITA E LEITURA DO DESENHO A ESCRITA E LEITURA Cleide Nunes Miranda 1 Taís Batista 2 Thamires Sampaio 3 RESUMO: O presente estudo discute a relevância do ensino de leitura e principalmente, da escrita, trazendo em especial

Leia mais

1 Um guia para este livro

1 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 mais

3 Metodologia da pesquisa

3 Metodologia da pesquisa 3 Metodologia da pesquisa Neste capítulo será abordada a caracterização da pesquisa abrangendo o tipo de pesquisa escolhido, critérios para seleção dos entrevistados, os procedimentos adotados para a coleta

Leia mais

Soma. Paulo Roberto Guimarães Junior

Soma. 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 mais

SEGMENTAÇÃO DE LEADS. Exemplos de critérios de segmentação para identificar o estágio dos seus Leads VECTOR

SEGMENTAÇÃO DE LEADS. Exemplos de critérios de segmentação para identificar o estágio dos seus Leads VECTOR Exemplos de critérios de segmentação para identificar o estágio dos A sua empresa já gera Leads com ações de Marketing Digital? Então você deve saber que não basta ter uma base cheia de contatos: é preciso

Leia mais

2 Ferramentas Utilizadas

2 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 mais

Anexo 2 Análise de clusters método K-means

Anexo 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 mais

O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO

O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO Prof. Leugim Corteze Romio Universidade Regional Integrada URI Campus Santiago-RS leugimcr@urisantiago.br Prof.

Leia mais

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 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 mais

MAPEAMENTO OBJETO RELACIONAL: UM ESTUDO DE CASO

MAPEAMENTO OBJETO RELACIONAL: UM ESTUDO DE CASO MAPEAMENTO OBJETO RELACIONAL: UM ESTUDO DE CASO UTILIZANDO O HIBERNATE Rafael Laurino GUERRA, Dra. Luciana Aparecida Martinez ZAINA Faculdade de Tecnologia de Indaiatuba FATEC-ID 1 RESUMO Este artigo apresenta

Leia mais

QUESTIONÁRIO PARA PARTICIPAÇÃO NO TOP DE MARKETING ADVB/RS CATEGORIA TOP SUSTENTABILIDADE

QUESTIONÁRIO PARA PARTICIPAÇÃO NO TOP DE MARKETING ADVB/RS CATEGORIA TOP SUSTENTABILIDADE QUESTIONÁRIO PARA PARTICIPAÇÃO NO TOP DE MARKETING ADVB/RS CATEGORIA TOP SUSTENTABILIDADE ÍNDICE INTRODUÇÃO 03 PARA PREENCHIMENTO DO QUESTIONÁRIO 04 QUESTIONÁRIO 05 CAPÍTULO P PERFIL DA EMPRESA 05 CAPÍTULO

Leia mais

RESOLUÇÃO DA MODELAGEM DE UM CIRCUITO RC POR MEIO DE UMA MAPLET PROGRAMADA VIA SOFTWARE MAPLE 15

RESOLUÇÃO DA MODELAGEM DE UM CIRCUITO RC POR MEIO DE UMA MAPLET PROGRAMADA VIA SOFTWARE MAPLE 15 RESOLUÇÃO DA MODELAGEM DE UM CIRCUITO RC POR MEIO DE UMA MAPLET PROGRAMADA VIA SOFTWARE MAPLE 15 GONZATTO, Oilson Alberto Junior FECILCAM, oilson.agjr@hotmail.com OLIVEIRA, Hércules Alves UTFPR, hercules@utfpr.edu.br

Leia mais

4 Aplicativo para Análise de Agrupamentos

4 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 mais

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões

Classificação 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 mais

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

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

Leia mais

Lógica para a Programação - 1º semestre AULA 01 Prof. André Moraes

Lógica para a Programação - 1º semestre AULA 01 Prof. André Moraes Pág 4 Lógica para a Programação - 1º semestre AULA 01 Prof. André Moraes 1 APRESENTAÇÃO DA UNIDADE CURRICULAR A unidade curricular de Lógica para a programação tem como objetivo promover o estudo dos principais

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação

Leia mais

3.1 Definições Uma classe é a descrição de um tipo de objeto.

3.1 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 mais

GEOGRAFIA Professores: Ronaldo e Marcus

GEOGRAFIA Professores: Ronaldo e Marcus GEOGRAFIA Professores: Ronaldo e Marcus Comentário Geral Prova com estruturação clássica com divisão entre questões de geografia física, econômica e humana com maior peso para os conceitos envolvendo o

Leia mais

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS Tácio Dias Palhão Mendes Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica da FAPEMIG taciomendes@yahoo.com.br Prof.

Leia mais

A mobilização de conhecimentos matemáticos no ensino de Física

A mobilização de conhecimentos matemáticos no ensino de Física Cintia Ap. Bento dos Santos Universidade Cruzeiro do Sul Brasil cintiabento@ig.com.br Edda Curi Universidade Cruzeiro do Sul Brasil edda.curi@cruzeirodosul.edu.br Resumo Este artigo apresenta um recorte

Leia mais

Resumo. 1 Introdução. (jim, ramices)@das.ufsc.br

Resumo. 1 Introdução. (jim, ramices)@das.ufsc.br Análise Comparativa de Técnicas de Inteligência Computacional para a Detecção de Spam Jim Lau, Ramices dos Santos Silva DAS/CTC Universidade Federal de Santa Catarina (UFSC) Florianópolis SC Brasil (jim,

Leia mais

Sistema 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 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 mais

INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por

INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca

Leia mais

COMANDOS DE PRODUÇÃO TEXTUAL: ANÁLISE DOS DADOS DE UMA PESQUISA-AÇÃO

COMANDOS DE PRODUÇÃO TEXTUAL: ANÁLISE DOS DADOS DE UMA PESQUISA-AÇÃO 2686 COMANDOS DE PRODUÇÃO TEXTUAL: ANÁLISE DOS DADOS DE UMA PESQUISA-AÇÃO Contexto da Pesquisa Nagely Beatriz Hütner - ESAP O presente artigo versa sobre o relato de uma pesquisa de mestrado que teve como

Leia mais

Prof. Msc. Paulo Muniz de Ávila

Prof. Msc. Paulo Muniz de Ávila Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida

Leia mais

Disciplina de Text Mining

Disciplina de Text Mining Disciplina de Text Mining Fabrício J. Barth fabricio.barth@gmail.com Pós Graduação em Big Data - Faculdade BandTec Novembro de 2015 Objetivo O objetivo deste curso é apresentar a área de Text Mining. Serão

Leia mais

3 Metodologia. 3.1 Tipo de Pesquisa

3 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 mais

Capítulo 2 Usabilidade... 24 2.1 Definição de usabilidade... 25 2.2 Resumo... 39 2.3 Leitura recomendada... 39

Capítulo 2 Usabilidade... 24 2.1 Definição de usabilidade... 25 2.2 Resumo... 39 2.3 Leitura recomendada... 39 Prefácio... IX Lista de Siglas e Abreviaturas... XIII Lista de Figuras e Quadros... XVI Capítulo 1 Portal web... 1 1.1 Definição de portal web... 3 1.2 Portal corporativo... 8 1.3 Resumo... 22 1.4 Leitura

Leia mais

A IMPORTÂNCIA DO PIBID NO CONTEXTO ENSINO APRENDIZAGEM REPORTADA POR ALUNOS DO 1º ANO DO ENSINO MÉDIO

A IMPORTÂNCIA DO PIBID NO CONTEXTO ENSINO APRENDIZAGEM REPORTADA POR ALUNOS DO 1º ANO DO ENSINO MÉDIO A IMPORTÂNCIA DO PIBID NO CONTEXTO ENSINO APRENDIZAGEM REPORTADA POR ALUNOS DO 1º ANO DO ENSINO MÉDIO Rothchild Sousa de Morais Carvalho Filho 1 Naiana Machado Pontes 2 Laiane Viana de Andrade 2 Antonio

Leia mais

Matemática em Toda Parte II

Matemática 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 mais

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Anais do CNMAC v.2 ISSN 1984-820X Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Juliana Aparecida Anochi Instituto Nacional

Leia mais

Dossiês Didácticos LUÍSA CANTO E CASTRO LOURA MARIA EUGÉNIA GRAÇA MARTINS

Dossiês Didácticos LUÍSA CANTO E CASTRO LOURA MARIA EUGÉNIA GRAÇA MARTINS www.alea.pt Dossiês Didácticos XIII Estatística Descritiva com Excel Complementos. LUÍSA CANTO E CASTRO LOURA MARIA EUGÉNIA GRAÇA MARTINS Departamento de Estatística e Investigação Operacional da Faculdade

Leia mais

3 Estratégia para o enriquecimento de informações

3 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 mais

IMPLEMENTAÇÃO DE ALGORITMOS DE APRENDIZADO MULTI- AGENTE EM UM TIME DE FUTEBOL DE ROBÔS

IMPLEMENTAÇÃO DE ALGORITMOS DE APRENDIZADO MULTI- AGENTE EM UM TIME DE FUTEBOL DE ROBÔS IMPLEMENTAÇÃO DE ALGORITMOS DE APRENDIZADO MULTI- AGENTE EM UM TIME DE FUTEBOL DE ROBÔS Aluno: Maurício Pedro Silva Gonçalves Vieira Orientador: Karla Figueiredo Introdução Uma partida de futebol robótico

Leia mais

Estruturando o Pré Projeto

Estruturando 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 mais

SISTEMA DE MONITORAMENTO E PREVISÃO CLIMÁTICA PARA O RISCO DE INCÊNDIO FLORESTAL (RIF) NO PARANÁ

SISTEMA DE MONITORAMENTO E PREVISÃO CLIMÁTICA PARA O RISCO DE INCÊNDIO FLORESTAL (RIF) NO PARANÁ SISTEMA DE MONITORAMENTO E PREVISÃO CLIMÁTICA PARA O RISCO DE INCÊNDIO FLORESTAL (RIF) NO PARANÁ Marcelo Brauer Zaicovski Sistema Meteorológico do Paraná SIMEPAR Caixa Postal 19100, Jardim das Américas,

Leia mais

1 Introdução Qualquer tipo de veiculação de conteúdo pago na internet pode ser considerado como uma ação publicitária. Esta ação é semelhante aos modelos tradicionais de mídia (televisão, rádio, revistas

Leia mais

Gerenciamento de Recursos para Grades Computacionais Node Control Center. Proposta para o Trabalho de Formatura Supervisionado

Gerenciamento 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 mais

Prefeitura de Belo Horizonte. Sistema de Controle de Protocolo

Prefeitura de Belo Horizonte. Sistema de Controle de Protocolo Prefeitura de Belo Horizonte Sistema de Controle de Protocolo Relatório apresentado para concorrer ao 2º Prêmio Inovar BH conforme Edital SMARH nº 001/2014 Belo Horizonte Julho de 2014 Resumo Sendo grande

Leia mais

3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar

3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar 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 mais

ARQUITECTURA DE COMPUTADORES CAPÍTULO II AULA X

ARQUITECTURA DE COMPUTADORES CAPÍTULO II AULA X ARQUITECTURA DE COMPUTADORES CAPÍTULO II AULA X Índice Traduzindo e iniciando uma aplicação Compiladores Assembladores Linkers Loaders DLLs Iniciando um programa em Java Após toda a matéria abordada nesta

Leia mais

7 Mudanças Realizadas

7 Mudanças Realizadas 7 Mudanças Realizadas Este capítulo tem o objetivo de detalhar as mudanças realizadas no ambiente de trabalho da equipe estudada. Ele cita as alterações no produto de software utilizado pela equipe, que

Leia mais

5.1. Análise Comparativa

5.1. Análise Comparativa 5 Conclusões O objetivo desta dissertação foi apresentar o ambiente de autoria Composer, o qual é voltado para a criação de programas NCL, versão 3.0, para TV digital interativa. Da mesma forma que no

Leia mais

4 Avaliação Econômica de Redes Legada e NGN

4 Avaliação Econômica de Redes Legada e NGN 4 Avaliação Econômica de Redes Legada e NGN A Cadeia de Valores é uma representação de uma cadeia industrial que auxilia as empresas a identificarem e a avaliarem suas fontes de vantagens competitivas

Leia mais

MusiTec: tutorial multimídia no ensino da música contemporânea

MusiTec: tutorial multimídia no ensino da música contemporânea MusiTec: tutorial multimídia no ensino da música contemporânea Henderson J. Rodrigues PPGM/UFPB GMT/UFPB e-mail: henderson_rodrigues@hotmail.com Sumário: Nesta comunicação apresentamos os resultados da

Leia mais

PESQUISA 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. 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 mais

Nota técnica produzida para o projeto Cresce Brasil + Engenharia + Desenvolvimento

Nota técnica produzida para o projeto Cresce Brasil + Engenharia + Desenvolvimento Nota técnica produzida para o projeto Cresce Brasil + Engenharia + Desenvolvimento Agosto/2009 SDS Edifício Eldorado salas 106/109 CEP 70392-901 Brasília DF Telefax: (61) 3225-2288 E-mail: fneng@fne.org.br

Leia mais

Instituto Superior Técnico Licenciatura em Engenharia Informática e de Computadores. Projecto de. Arquitectura de Computadores.

Instituto Superior Técnico Licenciatura em Engenharia Informática e de Computadores. Projecto de. Arquitectura de Computadores. Instituto Superior Técnico Licenciatura em Engenharia Informática e de Computadores Projecto de Arquitectura de Computadores Jogo dos Blocos (variante do Arkanoid) (Versão 1.0) 2008/2009 Índice 1 Objectivo...

Leia mais

R E L A T Ó R I O D E E N G E N H A R I A D E S O F T W A R E ( 2 0 0 5 / 2 0 0 6 )

R E L A T Ó R I O D E E N G E N H A R I A D E S O F T W A R E ( 2 0 0 5 / 2 0 0 6 ) R E L A T Ó R I O D E E N G E N H A R I A D E S O F T W A R E ( 2 0 0 5 / 2 0 0 6 ) Tendo iniciado no presente ano lectivo 2005/2006 o funcionamento da plataforma Moodle na Universidade Aberta, considerou-se

Leia mais

Software. Guia do professor. Aviões e matrizes. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação

Software. Guia do professor. Aviões e matrizes. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação Números e funções Guia do professor Software Aviões e matrizes Objetivos da unidade 1. Mostrar uma aplicação muito importante de matrizes à análise de grafos; 2. Reforçar o significado da multiplicação

Leia mais

COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS

COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS Leonardo Meneguzzi 1 ; Marcelo Massoco Cendron 2 ; Manassés Ribeiro 3 INTRODUÇÃO

Leia mais

Bolsas de Produtividade em Pesquisa: Educação Física, Fisioterapia, Fonoaudiologia e

Bolsas 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 mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento 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 mais

3. Fase de Planejamento dos Ciclos de Construção do Software

3. 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 mais

6 Ferramenta de Apoio ao Processo de Desenvolvimento de Sistemas Multi-Agentes

6 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 mais

MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIAS

MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIAS MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIS Como vimos no módulo 1, para que nós possamos extrair dos dados estatísticos de que dispomos a correta análise e interpretação, o primeiro passo deverá ser a correta

Leia mais

4 Experimentos. 4.4 detalha os experimentos com os algoritmos V-Wrapper e NCE. 4.1

4 Experimentos. 4.4 detalha os experimentos com os algoritmos V-Wrapper e NCE. 4.1 4 Experimentos A estratégia V-Wrapper descrita por Zheng et. al (ZSW07), resumida no Capítulo 2, foi implementada com a finalidade de comparar um método baseado em atributos visuais com o algoritmo proposto

Leia mais

Figura 1.1 Utilização de colunas de aço estaiada e protendida durante a montagem do Palco Mundo do Rock in Rio III.

Figura 1.1 Utilização de colunas de aço estaiada e protendida durante a montagem do Palco Mundo do Rock in Rio III. 1 Introdução A busca contínua de sistemas estruturais eficientes como solução para grandes vãos tem sido um dos maiores desafios enfrentados por engenheiros estruturais. Por outro lado, sistemas estruturais

Leia mais

MINISTÉRIO DO PLANEJAMENTO, ORÇAMENTO E GESTÃO DIRETORIA DE ADMINISTRAÇÃO COORDENAÇÃO-GERAL DE AQUISIÇÕES

MINISTÉRIO DO PLANEJAMENTO, ORÇAMENTO E GESTÃO DIRETORIA DE ADMINISTRAÇÃO COORDENAÇÃO-GERAL DE AQUISIÇÕES MINISTÉRIO DO PLANEJAMENTO, ORÇAMENTO E GESTÃO DIRETORIA DE ADMINISTRAÇÃO COORDENAÇÃO-GERAL DE AQUISIÇÕES BANCO INTERAMERICANO DE DESENVOLVIMENTO REPRESENTAÇÃO NO BRASIL SOLICITAÇÃO DE MANIFESTAÇÃO DE

Leia mais

Predição do Valor Econômico de uma Oportunidade Exploratória de Petróleo

Predição do Valor Econômico de uma Oportunidade Exploratória de Petróleo Predição do Valor Econômico de uma Oportunidade Exploratória de Petróleo Trabalho de Mestrado Marcos A. Affonso 1 (Aluno), Leila Andrade 2 (Orientador), Kate Revoredo 3 (Coorientador) Programa de pós-graduação

Leia mais

2 Texturas com Relevo e Equações de Pré Warping

2 Texturas com Relevo e Equações de Pré Warping 2 Texturas com Relevo e Equações de Pré Warping A noção de warping de imagens é fundamental para o entendimento da técnica abordada nesta dissertação. Este capítulo apresenta definições formais para vários

Leia mais

Avaliação de riscos de empréstimo: Um caso de estudo de Data Mining.

Avaliação de riscos de empréstimo: Um caso de estudo de Data Mining. Curso de Engenharia de Sistemas e Informática - 5º Ano Ficha T. Prática n.º 8 Análise Inteligente de Dados Objectivo: Tomar contacto a descrição relativa a um caso prático de utilização de ferramentas

Leia mais

Relatório Trabalho Prático 2 : Colônia de Formigas para Otimização e Agrupamento

Relatório 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 mais

ORIENTAÇÃO PEDAGÓGICA N.4/2014 PROCEDIMENTO DE OBSERVAÇÃO DE AULA

ORIENTAÇÃO 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 mais

ATIVIDADES INVESTIGATIVAS NO ENSINO DE MATEMÁTICA: RELATO DE UMA EXPERIÊNCIA

ATIVIDADES INVESTIGATIVAS NO ENSINO DE MATEMÁTICA: RELATO DE UMA EXPERIÊNCIA ATIVIDADES INVESTIGATIVAS NO ENSINO DE MATEMÁTICA: RELATO DE UMA EXPERIÊNCIA GT 01 - Educação Matemática no Ensino Fundamental: Anos Iniciais e Anos Finais Maria Gorete Nascimento Brum - UNIFRA- mgnb@ibest.com.br

Leia mais

Desenvolvendo um Ambiente de Aprendizagem a Distância Utilizando Software Livre

Desenvolvendo um Ambiente de Aprendizagem a Distância Utilizando Software Livre Desenvolvendo um Ambiente de Aprendizagem a Distância Utilizando Software Livre Fabrício Viero de Araújo, Gilse A. Morgental Falkembach Programa de Pós-graduação em Engenharia de Produção - PPGEP Universidade

Leia mais

COMO TRABALHAR COM VÍDEOS DE INTERNET. A presente metodologia que se construiu foi desenvolvida e aplicada em uma

COMO TRABALHAR COM VÍDEOS DE INTERNET. A presente metodologia que se construiu foi desenvolvida e aplicada em uma COMO TRABALHAR COM VÍDEOS DE INTERNET Jackes Alves de Oliveira 1º momento: Contextualização A presente metodologia que se construiu foi desenvolvida e aplicada em uma tradicional escola da Rede Municipal

Leia mais

De Arte a Ciência: Regras para o Desenho de Software

De Arte a Ciência: Regras para o Desenho de Software De Arte a Ciência: Regras para o Desenho de Software Neste artigo é apresentado um conjunto de regras de desenho um padrão de desenho universal associado ao princípio fundamental e aos requisitos axiomáticos.

Leia mais

A 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 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 mais

WEKA: The bird. Ferramenta Weka Waikato Environment for Knowledge Analysis. Ambiente WEKA. Explorer. Explorer. Explorer

WEKA: The bird. Ferramenta Weka Waikato Environment for Knowledge Analysis. Ambiente WEKA. Explorer. Explorer. Explorer II Semana de Tecnologia da Informação IFBA Campus Vitória da Conquista 27 a 30 de maio de 2014 WEKA: The bird Ferramenta Weka Waikato Environment for Knowledge Analysis Prof. MSc Pablo Freire Matos Informática

Leia mais

Figura 5 - Workflow para a Fase de Projeto

Figura 5 - Workflow para a Fase de Projeto 5. Fase de Projeto A Fase de Projeto caracteriza-se por transformar as informações modeladas durante a Fase de Análise em estruturas arquiteturais de projeto com o objetivo de viabilizar a implementação

Leia mais

Micro Mídia Informática Fevereiro/2009

Micro Mídia Informática Fevereiro/2009 Micro Mídia Informática Fevereiro/2009 1 UML Introdução Fases de Desenvolvimento Notação Visões Análise de Requisitos Casos de Uso StarUML Criando Casos de Uso Orientação a Objetos Diagrama de Classes

Leia mais

Invenções Implementadas por Computador (IIC) Patentes

Invenções 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 mais

COOPERAÇÃO EMPRESAS-LABORATÓRIOS PARA P&D E INOVAÇÃO

COOPERAÇÃO 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 mais