Exemplos de aplicação. Mineração de Dados 2013
|
|
- Ruth Espírito Santo Castelhano
- 8 Há anos
- Visualizações:
Transcrição
1 Exemplos de aplicação Mineração de Dados 2013 Luís Rato Universidade de Évora, 2013 Mineração de dados / Data Mining 1
2 Classificação: Definição Dado uma conjunto de registos (conjunto de treino training set ) Cada registo contém um conjunto de atributos attributes, um dos atributos é a classe class. Encontrar um modelo model para a classe em função dos outros atributos Objectivo: a um registo novo deve ser atribuída a classe (com tanta precisão quanto possível) Usa-se um conjunto de teste (test set) para verificar a exatidão do modelo (Dados são divididos em dados de treino e de teste). Universidade de Évora, 2013 Mineração de dados / Data Mining 2
3 Classificação - exemplo 1 (fraude fiscal) categorical Tid Refund Marital Status categorical Taxable Income continuous Cheat class Refund Marital Status Taxable Income Cheat 1 Yes Single 125K No 2 No Married 100K No 3 No Single 70K No 4 Yes Married 120K No 5 No Divorced 95K Yes 6 No Married 60K No 7 Yes Divorced 220K No 8 No Single 85K Yes 9 No Married 75K No 10 No Single 90K Yes No Single 75K? Yes Married 50K? No Married 150K? Yes Divorced 90K? No Single 40K? No Married 80K? Training Set Learn Classifier Test Set Model Universidade de Évora, 2013 Mineração de dados / Data Mining 3
4 Classificação: exemplo 2 (marketing) Marketing direto Objetivo: Reduzir o custo do mailing através de targeting ( procura de alvos ) sobre um conjunto de consumidores que com probabilidade de comprar um produto para telefone celular. Abordagem: Usar os dados de produtos parecidos introduzidos anteriormente. Sabemos quais os clientes que compraram ou não. Esta decisão {buy, don t buy} constitui o atributo de classe. Recolher informação sobre: estilo de vida e interações entre o cliente e a empresa. profissão, hábitos, valor dos rendimentos, etc. Usa-se estas informações como atributos para determinar a classe Universidade de Évora, 2013 Mineração de dados / Data Mining 4
5 Classificação: exemplo 3 (fraude em cartões de crédito) Deteção de fraude Objetivo: Prever casos fraudulentos no uso de cartões de crédito Abordagem: Usar as transações de cartões de crédito e informação sobre os titulares das contas como atributos Quando compra?, o que compra?, como paga? As transações passadas são classificadas como fraude ou normal (atributo de classe) Aprender um modelo preditivo para as transações. Usar o modelo para detetar fraudes observando as transações dos cartões de crédito. Universidade de Évora, 2013 Mineração de dados / Data Mining 5
6 Classificação: exemplo 4 (perda de clientes) Perda de clientes (Customer Attrition/Churn) Objectivo: Prever se um cliente será perdido para a concorrência. Abordagem: Usar registos detalhados das transações e relações do cliente no passado para extrair atributos. Quantas vezes um cliente telefona?, hora a quwe telefona?, nível de rendimentos?, casado ou solteiro?,. etc. No fim classifica-se o cliente como fiel ou infiel. Encontar um modelo para a fidelidade do cliente Universidade de Évora, 2013 Mineração de dados / Data Mining 6
7 Classificação: exemplo 5 (classificação de objetos celestes) Catalogação e classificação Objetivo: prever a classe do objeto (estrela ou galáxia), especialmente os menos nítidos, baseada em imagens de survey (from Palomar Observatory) imagens com 23,040 x 23,040 pixeis por imagem. Abordagem: Segmentar a imagem. Medir os atributos/características das imagens - 40 por objecto. Modelar a classe baseada nessas características. Foi possível encontrar 16 novos quasars com desvio para o vermelho (objectos difíceis de observar). Universidade de Évora, 2013 Mineração de dados / Data Mining 7
8 Classificação de galáxias exemplo 6 Primitivas Classe: Etapas de formação Intermédias Atributos: Características de imagens Forma Características da luz recebida, etc. Tardia Dimensão dos dados: 72 milhões de estrelas, 20 milhões de galáxias Catálogo de objectos: 9 GB Base de Dados de imagens: 150 GB Universidade de Évora, 2013 Mineração de dados / Data Mining 8
9 Clustering (agrupamento) Dado um conjunto de pontos, cada um com os seus atributos e semelhança, encontrar grupos tais que: Os pontos dentro de um cluster são mais semelhantes do que entre clusters diferentes Medidas de semelhança: Distância euclideana se os atributos são contínuos. Outras. Universidade de Évora, 2013 Mineração de dados / Data Mining 9
10 Clustering Clustering baseada na Distância euclideana em 3-D Distância dentro dos clusters deve ser ser minimazada Distância entre os os clusters deve ser ser maximizada Universidade de Évora, 2013 Mineração de dados / Data Mining 10
11 Clustering: exemplo 1 Segmentação de mercado: Objetivo: subdividir o mercado em diferentes subconjuntos de clientes em que cada subconjunto possa ser visto como um alvo de mercado alcançável por estratégias específicas Abordagem: Recolher atributos baseados em características geográficas e de estilo de vida. Encontrar clusters de clientes semelhantes. Medir a qualidade do clustering observando os padrões de compras no mesmo cluster versus em clusters diferentes Universidade de Évora, 2013 Mineração de dados / Data Mining 11
12 Clustering: exemplo 2 Clustering de documentos: Objetivo: encontrar groupos de documentos que sejam semelhantes entre si, baseado em palavras chave que aparecem em cada documento. Abordagem: encontrar termos frequentes em cada documento. Criar uma medida de semelhança baseada nas frequências, e usá-la para proceder ao cluster. O que se ganha: A pesquiza de informação (Information Retrieval) pode usar os clusters para relacionar cada documento novo com os clusters encontrados. Universidade de Évora, 2013 Mineração de dados / Data Mining 12
13 Clustering: exemplo 3 Num. de pontos: 3204 Artigos do Los Angeles Times. Medida de semalhança: quantas palavras são comuns (após alguma filtragem) Category Total Correctly Articles Placed Financial Foreign National Metro Sports Entertainment Universidade de Évora, 2013 Mineração de dados / Data Mining 13
14 Descoberta de regras de Associação Dado um conjunto de registos, cada um contendo vários itens duma coleção; Produzir regras de dependência que prevejam a ocorrência dum item em função dos outros. TID Items 1 Bread, Coke, Milk 2 Beer, Bread 3 Beer, Coke, Diaper, Milk 4 Beer, Bread, Diaper, Milk 5 Coke, Diaper, Milk Regras: {Milk} --> -->{Coke} {Diaper, Milk} Milk} --> -->{Beer} Universidade de Évora, 2013 Mineração de dados / Data Mining 14
15 Regras associativas: exemplo 1 Marketing e promoções: Seja a regra {Bolos, X, Y... } --> {Batatas fritas} Batata frita como consequente => Pode ser usado para determinar o que fazer para aumentar as suas vendas. Bolos como antecedente => Pode ser usado para ver que produtos serão afetados se a loja deixa de vender bolos. Bolos como antecedente e Batatas fritas como consequente => Pode ser usado para ver que produtos deveriam ser vendidos com os bolos para promover a venda de batatas fritas. Universidade de Évora, 2013 Mineração de dados / Data Mining 15
16 Regras associativas: exemplo 2 Gestão de Supermercado Objetivo: Identificar items que são comprados em conjunto por bastantes clientes. Abordagem: recolher os dados das caixas registadoras (POS Poit-Of-Sale) através dos códigos de barras, e encontrar dependências Uma regra clássica Se um cliente compra fraldas e leite então também compra cerveja. Assim não será surprendente que uma loja venda cerveja ao lado de fraldas ou de leite. Universidade de Évora, 2013 Mineração de dados / Data Mining 16
17 Padrões sequenciais Dado um conjunto de objetos, em que cada objeto tem uma definição temporal, encontrar as regras que preveem fortes dependência sequenciais entre os acontecimentos (A B) (C) (D E) (A B) (C) (D E) <= xg >ng <= ws <= ms Universidade de Évora, 2013 Mineração de dados / Data Mining 17
18 Padrões Sequenciais: Exemplos Alarmes de telecomunicações, (Inverter_Problem Excessive_Line_Current) (Rectifier_Alarm) --> (Fire_Alarm) Sequencias de Transações, Livraria: (Intro_To_Visual_C) (C++_Primer) --> (Perl_for_dummies,Tcl_Tk) Loja de desporto: (Shoes) (Racket, Racketball) --> (Sports_Jacket) Universidade de Évora, 2013 Mineração de dados / Data Mining 18
19 Regressão Prever um dado valor contínuo duma variável baseado nas outras variáveis assumindo um modelo com dependência linear ou não linear. Muito estudado em estatística, sistemas dinâmicos, redes neuronais ou outras áreas de soft computing Exemplos: Prever a quantidade de vendas com base no investimento em publicidade. Prever a velocidade do vento como função da temperatura, pressão, humidade, etc. Prever a variação futura dos mercados de ações. Universidade de Évora, 2013 Mineração de dados / Data Mining 19
20 Deteção de anomalias Detetar desvios significativos em relação ao comportamento normal Exemplos: Deteção de fraudes de cartões de crédito Sistemas de deteção de intrusão em redes Universidade de Évora, 2013 Mineração de dados / Data Mining 20
21 Desafios Escalabilidade Dimensionabilidade Dados complexos e heterogéneos Qualidade dos dados Propriedade dos dados e divulgação Privacidade Streaming Universidade de Évora, 2013 Mineração de dados / Data Mining 21
Prof. Júlio Cesar Nievola Data Mining PPGIa - PUCPR
Muitos dados são coletados e armazenados Web data, e-commerce Compras em departamentos/ supermercados Bancos / Transações com cartão de crédito Computadores se tornaram baratos e mais potentes Pressão
Leia maisData Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento
Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um
Leia maisFases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
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 maisMicrosoft Innovation Center
Microsoft Innovation Center Mineração de Dados (Data Mining) André Montevecchi andre@montevecchi.com.br Introdução Objetivo BI e Mineração de Dados Aplicações Exemplos e Cases Algoritmos para Mineração
Leia maisMineração de Dados: Introdução. Notas de Aula do Capítulo 1. Introdução à Mineração de Dados
Mineração de Dados: Introdução Notas de Aula do Capítulo 1 Introdução à Mineração de Dados por Tan, Steinbach, Kumar Tan,Steinbach, Kumar Introduction to Data Mining 4/18/2004 1 Porque fazer Mineração
Leia maisProf. 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 maisCOLETA DE INFORMAÇÕES E PREVISÃO DE DEMANDA
COLETA DE INFORMAÇÕES E PREVISÃO DE DEMANDA 1) Quais são os componentes de um moderno sistema de informações de marketing? 2) Como as empresas podem coletar informações de marketing? 3) O que constitui
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisNo mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o
DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é
Leia mais4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining
Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.
Leia maisPré processamento de dados II. Mineração de Dados 2012
Pré processamento de dados II Mineração de Dados 2012 Luís Rato Universidade de Évora, 2012 Mineração de dados / Data Mining 1 Redução de dimensionalidade Objetivo: Evitar excesso de dimensionalidade Reduzir
Leia maisExtração 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 maisCurso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan
Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.5 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI
Leia maisCOMPORTAMENTO DE CONSUMO EM TEMPOS DE CRISE
PRIAD: COMPORTAMENTO DE CONSUMO EM TEMPOS DE CRISE 1 Data de entrega até 16/09/2015 As questões objetivas só possuem uma alternativa correta: respostas a lápis ou rasuradas serão desconsideradas. Não use
Leia maisData Mining: Ferramenta JAVA
Data Mining: Ferramenta JAVA JAVA para Data Mining Weka 3: Data Mining Software em Java http://www.cs.waikato.ac.nz/ml/weka/ Coleção de algoritmos para as tarefas de data mining; Free software. WEKA: JAVA
Leia maisGestão da Informação. Gestão da Informação. AULA 3 Data Mining
Gestão da Informação AULA 3 Data Mining Prof. Edilberto M. Silva Gestão da Informação Agenda Unidade I - DM (Data Mining) Definição Objetivos Exemplos de Uso Técnicas Tarefas Unidade II DM Prático Exemplo
Leia maisMineração de Dados: Introdução e Aplicações
Mineração de Dados: Introdução e Aplicações Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br Apresentação Luiz Merschmann Engenheiro
Leia maisModelo para elaboração do Plano de Negócios
Modelo para elaboração do Plano de Negócios 1- SUMÁRIO EXECUTIVO -Apesar de este tópico aparecer em primeiro lugar no Plano de Negócio, deverá ser escrito por último, pois constitui um resumo geral do
Leia mais*Todos os direitos reservados.
*Todos os direitos reservados. A cada ano, as grandes empresas de tecnologia criam novas ferramentas Para o novo mundo digital. Sempre temos que nos renovar para novas tecnologias, a Karmake está preparada.
Leia maisComércio Eletrônico AULA 15. Sistemas para Internet. Professora Ms Karen Reis
Comércio Eletrônico AULA 15 Professora Ms Karen Reis 2011 Sistemas para Internet 1 SISTEMAS GERENCIAMENTO COM CLIENTE CRM Customer Relationship Management PRM Partner Relationship Management ERM Employee
Leia maisTencologia em Análise e Desenvolvimento de Sistemas Disciplina: Análise de Sistemas I Conteúdo: Conceitos de Análise de Sistemas Aula 01
Tencologia em Análise e Desenvolvimento de Sistemas Disciplina: Análise de Sistemas I Conteúdo: Conceitos de Análise de Sistemas Aula 01 Prof. Rodrigo Videschi, MBA, PMP Agenda Apresentação Ementa Bibliografia
Leia maisAprendizagem de Máquina. Ivan Medeiros Monteiro
Aprendizagem de Máquina Ivan Medeiros Monteiro Definindo aprendizagem Dizemos que um sistema aprende se o mesmo é capaz de melhorar o seu desempenho a partir de suas experiências anteriores. O aprendizado
Leia maisEstratégias de marketing para serviços de alimentação Prof. Dr. Raul Amaral
Estratégias de marketing para serviços de alimentação Prof. Dr. Raul Amaral 1) Estratégias de produtos e serviços. 2) Estratégias de preços. 3) Estratégias de promoção e vendas. 1) Estratégias de produtos
Leia maisMarketing para Shopping Centers MANUAL DO CANDIDATO ESPM. Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP. Informações
Marketing para Shopping Centers MANUAL DO CANDIDATO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP Informações Central de Candidatos: (11) 5081-8225 (Opção1) Segunda a sexta - 9h às 21h e sábado
Leia maisE-books. Guia para Facebook Ads. Sebrae
E-books Sebrae Marketing e Vendas Guia para Facebook Ads Por que investir no facebook Ads? Tipos de anúncios Como funciona o sistema de pagamentos Criando anúncios Métricas Autor Felipe Orsoli 1 SUMÁRIO
Leia maisMAISMKT - Ações em Marketing e uma empresa voltada para avaliação do atendimento, relacionamento com cliente, e marketing promocional.
Empresa MAISMKT - Ações em Marketing e uma empresa voltada para avaliação do atendimento, relacionamento com cliente, e marketing promocional. Nossa filosofia e oferecer ferramentas de gestão focadas na
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisMÉTODOS QUANTITATIVOS EM MARKETING. Prof.: Otávio Figueiredo e-mail: otavio@ufrj.br
MÉTODOS QUANTITATIVOS EM MARKETING Prof.: Otávio Figueiredo e-mail: otavio@ufrj.br ESTATÍSTICA População e Amostra População Amostra Idéia Principal Resumir para entender!!! Algumas Técnicas Pesquisa de
Leia maisE - Simulado 02 Questões de Tecnologia em Marketing
E - Simulado 02 Questões de Tecnologia em Marketing Questão 01: (ENADE 2009): Um fabricante de sapatos pode usar a mesma marca em duas ou mais linhas de produtos com o objetivo de reduzir os custos de
Leia maisMESTRADO EM PESQUISA DE MERCADOS 2006 2007
MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)
Leia maisWeb Data mining com R: aprendizagem de máquina
Web Data mining com R: aprendizagem de máquina Fabrício Jailson Barth Faculdade BandTec e VAGAS Tecnologia Junho de 2013 Sumário O que é Aprendizagem de Máquina? Hierarquia de aprendizado. Exemplos de
Leia mais3 Market Basket Analysis - MBA
2 Mineração de Dados 3 Market Basket Analysis - MBA Market basket analysis (MBA) ou, em português, análise da cesta de compras, é uma técnica de data mining que faz uso de regras de associação para identificar
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 maisTarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS
Tarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS Sumário Conceitos / Autores chave... 3 1. Introdução... 3 2. Tarefas desempenhadas por Técnicas de 4 Mineração de Dados...
Leia maisAula 03: Dados Profa. Ms. Rosângela da Silva Nunes
Aula 03: Dados Profa. Ms. Rosângela da Silva Nunes 1 de 29 Tipos de Conjuntos de dados Registro Tabela do BD Matriz de dados Document 1 Document 2 team coach pla y ball score game wi n lost timeout 3 0
Leia maisCRM - Customer Relationship Management
Profª Carla Mota UCB 2014 Unid 2 aula1 CRM - Customer Relationship Management Estratégia de negócio voltada ao entendimento e a antecipação das necessidades dos clientes atuais e potenciais de uma empresa.
Leia maisProf. Júlio Cesar Nievola Data Mining PPGIa PUCPR
Uma exploração preliminar dos dados para compreender melhor suas características. Motivações-chave da exploração de dados incluem Ajudar na seleção da técnica correta para pré-processamento ou análise
Leia maishttp://www.publicare.com.br/site/5,1,26,5480.asp
Página 1 de 7 Terça-feira, 26 de Agosto de 2008 ok Home Direto da redação Última edição Edições anteriores Vitrine Cross-Docking Assine a Tecnologística Anuncie Cadastre-se Agenda Cursos de logística Dicionário
Leia maisClassificação - avaliação de resultados - 1. Mineração de Dados 2013
Classificação - avaliação de resultados - 1 Mineração de Dados 2013 Luís Rato (Capítulo 4 do livro Introduction to Data Mining ) Universidade de Évora, Mineração de dados / Data Mining 1 Desempenho Desempenho
Leia maisData Mining em Redes Sociais. Felipe Botelho e Pedro Ugioni
Data Mining em Redes Sociais Felipe Botelho e Pedro Ugioni Mineração de Dados Processo de explorar grandes quantidades de dados, Procura de padrões consistentes, Regras de associação ou sequências temporais,
Leia maisFunção Mudar de unidade estatística
Função Mudar de unidade estatística Frequentemente, certas pesquisas contêm informações correspondentes a níveis estatísticos diferentes. No Sphinx (Survey ou Léxica), a partir do menu Gestão, opção Mudar
Leia maisSIAC SISTEMA ITAUTEC DE AUTOMAÇÃO COMERCIAL
SIAC SISTEMA ITAUTEC DE AUTOMAÇÃO COMERCIAL O SIAC é a solução integrada de automação comercial da Itautec para frente de loja. Um sistema que integra toda a área de vendas, fazendo com que a loja trabalhe
Leia maisAnuncie na Play! PROPOSTA COMERCIAL. Prezados,
PROPOSTA COMERCIAL Prezados, Apresentamos a V.Sas. proposta de prestação de serviços de veiculação de anúncios publicitários na rádio Play FM, sintonizada na frequência 107,5 do dial FM dos rádios e acessada
Leia maisInteligência de Negócio. Brian Cowhig
Inteligência de Negócio Brian Cowhig Inteligência de Negócio O Que é Inteligência de Negócio? Três Níveis de Inteligência de Negócio Database Query OLAP Data Mining Produtos de Inteligência de Negócio
Leia maisExemplo de Aplicação do DataMinig
Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta
Leia maisAlgoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados
Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente
Leia maisMBA Gestão de Mercados ementas 2015/2
MBA Gestão de Mercados ementas 2015/2 Análise de Tendências e Inovação Estratégica Levar o aluno a compreender os conceitos e as ferramentas de inteligência preditiva e inovação estratégica. Analisar dentro
Leia maisCurso de Data Mining
Curso de Data Mining Sandra de Amo Aula 2 - Mineração de Regras de Associação - O algoritmo APRIORI Suponha que você seja gerente de um supermercado e esteja interessado em conhecer os hábitos de compra
Leia maisSEMINÁRIO GVCEV: E-commerce: desafios e oportunidade
SEMINÁRIO GVCEV: E-commerce: desafios e oportunidade 7 ESTRATÉGIAS para melhorar o desempenho do e-commerce 1. Como incrementar o ROI? Métrica secundária Coeficiente de Conversão = Valor Aprovado / Valor
Leia maisMetodos Praticos de Amostragem para Avaliações de Impacto
Vincenzo Di Maro (DIME, World Bank) Metodos Praticos de Amostragem para Avaliações de Impacto Workshop de Avaliação de Impacto de Políticas Públicas São Paulo Março, 25-27 de 2013 1 Sumário 1. Componentes
Leia maisTEORIA E PRÁTICA: CONTEXTUALIZANDO A MATEMÁTICA ATRAVÉS DA PLANILHA ELETRÔNICA DE CÁLCULOS DO LIBREOFFICE
TEORIA E PRÁTICA: CONTEXTUALIZANDO A MATEMÁTICA ATRAVÉS DA PLANILHA ELETRÔNICA DE CÁLCULOS DO LIBREOFFICE Autor: Prof. Robson Moreira Lucas Machado Instituição: Universidade Estadual do Oeste do Paraná-
Leia maisClustering - agrupamento. Baseado no capítulo 8 de. Introduction to Data Mining
Clustering - agrupamento Baseado no capítulo 8 de Introduction to Data Mining de Tan, Steinbach, Kumar Clustering - agrupamento 1 O que é Clustering? Encontar grupos de objectos tal que os objectos dentro
Leia maisDescoberta de Conhecimento em Bases de Dados. Classificação
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Descoberta de Conhecimento em Bases de Dados. Classificação Descoberta
Leia maisProfessor: Disciplina:
Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais
Leia maisCapítulo. Gestão de recursos de dados
Capítulo 3 1 Gestão de recursos de dados 2 Objectivos de aprendizagem ƒ Explicar a importância da implementação, numa empresa, de processos e tecnologias de gestão de recursos de dados. ƒ Compreender as
Leia maisIntrodução aos Sistemas de Informação Geográfica
Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Análise Espacial 2 1 Distribuição Espacial A compreensão da distribuição
Leia maisClassificação: Definição. Classificação: conceitos básicos e árvores de decisão. Exemplos de Tarefas de Classificação
Classificação: Definição Mineração de dados Classificação: conceitos básicos e árvores de decisão Apresentação adaptada do material de apoio do livro: Introduction to Data Mining Tan, Steinbach, Kumar
Leia maisIntegrando Metodologias de Auditoria
24/09/2013 Integrando Metodologias de Auditoria Alexander Alves Pires Gerente de Auditoria Banco do Brasil S.A. AGENDA: Histórico de Atuação Papel Institucional Premissas Metodológicas Auditoria Integrada
Leia maisPreparando sua empresa para o forecasting:
Preparando sua empresa para o forecasting: Critérios para escolha de indicadores. Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Embora o forecasting seja uma realidade, muitas
Leia maisComunicação Digital Empresarial MANUAL DO CURSO
Comunicação Digital Empresarial MANUAL DO CURSO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo - SP Informações Central de Relacionamento: (11) 5081-8200 (opção 1) Segunda a sexta 9h às 20h45 Sábado
Leia maisTestes de Diagnóstico
INOVAÇÃO E TECNOLOGIA NA FORMAÇÃO AGRÍCOLA agrinov.ajap.pt Coordenação Técnica: Associação dos Jovens Agricultores de Portugal Coordenação Científica: Miguel de Castro Neto Instituto Superior de Estatística
Leia maisMINI-CURSO MÉTRICAS DO EMAIL MARKETING
MINI-CURSO MÉTRICAS DO EMAIL MARKETING O que é Email Marketing afinal? E-mail marketing é a utilização do e-mail como ferramenta de marketing direto, respeitando normas e procedimentos pré-definidos(boas
Leia maisAlexandre Pontes Nº 27340 Wilson Roque Nº 27636
Alexandre Pontes Nº 27340 Wilson Roque Nº 27636 As últimas décadas permitiram ligar o mundo e dinamizar os mercados, intensificando a competitividade existente. A Internet tornou o mundo mais pequeno e
Leia maisMIG - Metadados para Informação Geográfica
MIG - Metadados para Informação Geográfica Introdução à Norma ISO 19115 Henrique Silva, Instituto Geográfico Português, hsilva@igeo.pt Lisboa, 14 de Fevereiro de 2008 Metadados para Informação Geográfica
Leia maisNome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 6º MÓDULO AVALIAÇÃO A4 DATA 16/07/2009 SISTEMAS EMPRESARIAIS Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA
Leia maisM Pesa. Mobile Banking Quénia
M Pesa Mobile Banking Quénia Total de população do Quénia 43 Milhões 10 Milhões 22 Milhões O Quénia, apresenta actualmente uma população de 43 milhões de habitantes, dos quais cerca de 10 milhões tem acesso
Leia maisCOMPARAÇÃO 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 maisDesenvolvimento de Líderes
Desenvolvimento de Líderes Desempenho da Liderança by Ser Humano Consultoria Liderança é a competência de alguém em exercer influência sobre indivíduos e grupos, de modo que tarefas, estratégias e missões
Leia maisAplicações de Escritório Electrónico
Universidade de Aveiro Escola Superior de Tecnologia e Gestão de Águeda Curso de Especialização Tecnológica em Práticas Administrativas e Tradução Aplicações de Escritório Electrónico Folha de trabalho
Leia maisImpactos da nova regulação de meios de pagamento para o setor supermercadista Em 3 aspectos principais: aceitação, emissor e empregador
Impactos da nova regulação de meios de pagamento para o setor supermercadista Em 3 aspectos principais: aceitação, emissor e empregador 25 de Abril de 2014 1 Somos uma consultoria especializada em Varejo
Leia maisADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO (AULA 04)
Prof. Breno Leonardo Gomes de Menezes Araújo brenod123@gmail.com http://blog.brenoleonardo.com.br ADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO (AULA 04) 1 CRM Sistema de Relacionamento com clientes, também
Leia maisData Mining Software Weka. Software Weka. Software Weka 30/10/2012
Data Mining Software Weka Prof. Luiz Antonio do Nascimento Software Weka Ferramenta para mineração de dados. Weka é um Software livre desenvolvido em Java. Weka é um É um pássaro típico da Nova Zelândia.
Leia maisAULA 4 Marketing de Serviços
AULA 4 Marketing de Serviços Mercado Conjunto de todos os compradores reais e potenciais de um produto ou serviço. Trata-se de um sistema amplo e complexo, que envolve: FORNECEDORES CONCORRENTES CLIENTES
Leia mais5 Conclusões e Recomendações
5 Conclusões e Recomendações 5.1 Conclusões O objetivo deste estudo foi utilizar a base de dados de clientes de uma empresa para desenvolver um modelo de regressão logística que determine o risco de cancelamento
Leia maisEmpresariado Nacional e Tecnologias de Informação e Comunicação: Que Soluções Viáveis para o Desenvolvimento dos Distritos?
Empresariado Nacional e Tecnologias de Informação e Comunicação: Que Soluções Viáveis para o Desenvolvimento dos Distritos? Carlos Nuno Castel-Branco Professor Auxiliar da Faculdade de Economia da UEM
Leia maisCanais de marketing. Trade Marketing. Trade Marketing. Trade marketing é uma ferramenta que atua diretamente em três níveis:
Canais de marketing Prof. Ricardo Basílio ricardobmv@gmail.com Trade Marketing Trade Marketing Trade marketing é uma ferramenta que atua diretamente em três níveis: Distribuidores; Clientes; Ponto de venda.
Leia maisData Science e Big Data
InforAbERTA IV Jornadas de Informática Data Science e Big Data Luís Cavique, Porto, março 2014 Agenda 1. Definições: padrões micro e Macro 2. Novos padrões para velhos problemas: Similis, Ramex, Process
Leia maisLEVANTAMENTO DE REQUISITOS. Lílian Simão Oliveira
LEVANTAMENTO DE REQUISITOS Lílian Simão Oliveira Níveis de erros Fonte: imaster.com um software São as características e funcionalidades que um software tem Engenharia de Requisitos O que é? Quem faz?
Leia maiscomo ferramenta de análise de informações no mercado de saúde: o caso da Unimed-BH Ana Paula Franco Viegas Pereira
como ferramenta de análise de informações no mercado de saúde: o caso da Unimed-BH Ana Paula Franco Viegas Pereira Setembro/2015 Agenda Nossos números Análise de Informações Estratégicas O papel do analista
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Aplicações de Behavior Scoring Roteiro - Introdução - Diferença entre Credit scoring e
Leia maisHierarquia de modelos e Aprendizagem de Máquina
Hierarquia de modelos e Aprendizagem de Máquina Fabrício Jailson Barth BandTec Maio de 2015 Sumário Introdução: hierarquia de modelos e aprendizagem de máquina. O que é Aprendizagem de Máquina? Hierarquia
Leia maisMARKETING DIGITAL MOSTRANDO SUA IDENTIDADE
MARKETING DIGITAL MOSTRANDO SUA IDENTIDADE Por que mostrar sua identidade Atualmente, são 52,5 milhões* de usuários de internet ativos no Brasil. A previsão de investimentos em anúncios online no Brasil
Leia maisLaboratório de Mídias Sociais
Laboratório de Mídias Sociais Aula 02 Análise Textual de Mídias Sociais parte I Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Universidade Federal de Goiás O que é Análise Textual? Análise
Leia maisUtilização de Técnicas de Mineração de Dados como Auxílio na Detecção de Cartéis em Licitações Carlos Vinícius Sarmento Silva Célia Ghedini Ralha
WCGE II Workshop de Computação Aplicada em Governo Eletrônico Utilização de Técnicas de Mineração de Dados como Auxílio na Detecção de Cartéis em Licitações Carlos Vinícius Sarmento Silva Célia Ghedini
Leia maisUTILIZANDO 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 maisCONSTRUIR DIFERENCIAL COMPETITIVO
Nosso Foco GERAR RESULTADO Através do aporte de visão estratégica, associada ao conhecimento técnico e operacional do dia-a-dia, em: Meios de pagamentos (cartões private label, híbridos e pré-pagos), No
Leia mais2007 Prentice Hall 4-1
Capítulo 4 Desenho da Pesquisa Exploratória: Dados Secundários 4-1 Sumário do Capítulo 1) Introdução; 2) Informação Secundária versus Primária; 3) Vantagens e Usos da Informação Secundária; 4) Desvantagens
Leia maisWebAnalytics. presença digital
WebAnalytics presença digital 1. WebAnalytics O que é WA Monitoramento e reporte sobre o uso das mídias digitais para que se possa ter melhor entendimento entre as interações dos visitantes e as ações
Leia maisMarketing Relacional e Negociação Clientes Internos e Clientes Externos Raquel Reis e Lurdes Viana Vila Nova de Gaia, 26 de Novembro de 2014
Marketing Relacional e Negociação Clientes Internos e Clientes Externos Raquel Reis e Lurdes Viana Vila Nova de Gaia, 26 de Novembro de 2014 Todas as empresas sabem a importância fulcral de desenvolver
Leia maisOs Dados. Mineração de Dados 2011
Os Dados Mineração de Dados 2011 Luís Rato (Capítulo 2 do livro Introduction to Data Mining ) Universidade de Évora, 2011 Mineração de dados / Data Mining 1 Os Dados Bibliografia Capítulo 2 do livro Introduction
Leia maisPlanificação TIC - 8.º Ano 2012/2013
Agrupamento de Escolas Dr. Vieira de Carvalho Planificação TIC - 8.º Ano 2012/2013 AULAS PREVISTAS (50 minutos) 1.- Conhecimento e utilização adequada e segura de diferentes tipos de ferramentas de comunicação,
Leia maisXI Mestrado em Gestão do Desporto
2 7 Recursos Humanos XI Mestrado em Gestão do Desporto Gestão das Organizações Desportivas Módulo de Gestão de Recursos Rui Claudino FEVEREIRO, 28 2 8 INDÍCE DOCUMENTO ORIENTADOR Âmbito Objectivos Organização
Leia maisRoteiro para a escrita do documento de Especificação de Requisitos de Software (ERS)
Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Definição Geral: Disciplina de Compiladores Prof. Jorge Bidarra (UNIOESTE) A especificação de requisitos tem como objetivo
Leia maisSer percebida como empresa referência em ações de marketing de atendimento.
MAIS MARKETING Uma empresa voltada para pesquisa de avaliação do atendimento e relacionamento com cliente. Nossa filosofia é oferecer ferramentas de gestão focadas na qualidade do atendimento, apresentando
Leia maisEstratégia para o Mundo conectado caso Sicoob
Estratégia para o Mundo conectado caso Sicoob Cristina Adib cadib@br.ibm.com Edson Lisboa edson.rodrigues@sicoob.com.br 2014 IBM Corporation As organizações de hoje estão enfrentando muitos FATORES INCONTROLÁVEIS
Leia mais