Universidade Federal de Uberlândia. Programa de Mestrado em Ciência da Computação. Solução da Primeira Prova de Data Mining - 25/10/2006
|
|
- Arthur Barateiro Terra
- 7 Há anos
- Visualizações:
Transcrição
1 Universidade Federal de Uberlândia Programa de Mestrado em Ciência da Computação Solução da Primeira Prova de Data Mining - 25/10/2006 Questão 1 (Valor = 2,5 pontos) Considere o seguinte banco de dados de sequências de itemsets: < (1, 2), (4), (3, 5), (2) > < (1), (1), (2, 3), (4), (2) > < (2), (1, 2), (3) > < (3), (1, 2, 3), (4) > < (4), (2, 1) > Suponha um nível mínimo de suporte = 55%. Utilizando o método PrefixSpan, calcule os padrões sequenciais frequentes de tamanho 2. Você deve descrever os passos do algoritmo até o momento em que todos os padrões de tamanho 2 são produzidos. Solução: Repare que a última sequência deve ser reescrita como :< (4), (1, 2) >, já que a representação de cada itemset é UNICA: considera-se a representação onde os items estão ordenados em ordem crescente. Para um padrão ser frequente é necessário que seja suportado por pelo menos 3 sequências do banco de dados, já que o suporte mínimo é 55%. Primeiro passo: cálculo dos items frequentes I = {1, 2, 3, 4} Segundo Passo: cálculo do banco de dados projetado S <1> : < ( 2), (4), (3, 5), (2) > < (1), (2, 3), (4), (2) > < ( 2), (3) > < ( 2, 3), (4) > < ( 2) > Terceiro Passo: cálculo dos items frequentes no banco de dados projetado S <1>. Calculase o suporte dos items 1, 2, 3, 4, 1, 2, 3, 4 e obtém aqueles com suporte maior ou igual a 3: { 2, 3, 4, }. Quarto Passo: : construção dos padrões frequentes de tamanho 2, com prefixo < 1 >. É só acrescentar os items frequentes calculados no passo 3 acima. Os padrões são: < (1, 2) >, < (1), (3) >, < (1), (4) >.
2 Quinto Passo:: cálculo do banco de dados projetado S <2>. Fazer. Sexto Passo:: cálculo dos items frequentes no banco de dados projetado S <2>. Fazer. etc (os mesmos passos para S <3> e S <4>. ATENÇÃO: VEJA QUE É PRECISO DIZER EXPLICITAMENTE COMO SÃO CALCULADOS OS PADRÕES FREQUENTES EM CADA BANCO PROJETADO, como foi feito para o caso dos padrões com prefixo < 1 > acima (fazer em todos os casos). É MUITO IMPORTANTE ESTE PASSO, POIS É AI QUE RESIDE A FORÇA DO ALGORITMO PREFIXSPAN: o fato de se varrer um banco de dados projetado a procura de ITEMS FREQUENTES!!! E A PARTIR DESTES ITENS ENCONTRADOS NO BANCO DE DADOS, GERAR OS PADRÕES CAN- DIDATOS. ASSIM, RESPOSTAS ONDE O PROCESSO NAO FOI DESCRITO, NAO FORAM CON- SIDERADAS. PEDIU-SE EXPLICITAMENTE NO ENUNCIADO QUE FOSSE DESCRITO OS PASSOS DO ALGORITMO PREFIXSPAN. VEJA TAMBÉM A ORDEM EM QUE SÃO CALCULADOS os bancos de dados projetados e os respectivos padrões frequentes. O algoritmo é recursivo!!! Questão 2 (Valor = 2,5 pontos) : Considere o banco de dados de sequências de itens a seguir: Considere também o seguinte autômato R: 1 1 < 1, 4, 3, 2 > < 1, 1, 2, 3, 4, 2 > < 2, 1, 1, 3 > < 3, 1, 2, 3 > < 4, 2, 1 > q0 2 q1 3 Supondo um nível mínimo de suporte de 40%, aplique o algoritmo SPIRIT(V) e calcule todas as sequências frequentes que satisfazem R com tamanho 2. Solução: 1. Sequências de tamanho 1 que são frequentes e válidas COM RESPEITO A ALGUM ES- TADO DO AUTÔMATO:
3 F 1 (q 0 ) = {< 2 >, < 3 >} F 1 (q 1 ) = {< 1 >} 2. Geração dos candidatos C 2 : para cada padrão de F 1 (q i ) estende-se este padrão procurando alguma flecha do autômato que entra em q i. Flechas chegando em q 0 : q 0 {< 1, 2 >, < 1, 3 >}. 1 q0. Logo os padrões de F 1 (q 0 ) são estendidos para Flechas chegando em q 1 : q 0 2 q1, q 1 1 q1 e q 0 3 q1. Logo os padrões de F 1 (q 1 ) são estendidos para{< 2, 1 >, < 1, 1 >, < 3, 1 >}. Portanto o conjunto dos candidados de tamanho 2 é: C 2 = {< 1, 2 >, < 1, 3 >, < 2, 1 >, < 1, 1 >, < 3, 1 >} REPARE QUE NÃO É PRECISO VERIFICAR QUE TAIS PADRÕES SÃO VÁLIDOS COM RESPEITO A UM ESTADO DO AUTOMATO. ELES FORAM GERADOS DE MODO A SATISFAZER ESTA CONDIÇÃO!! 3. Fase da poda: candidatos a serem podados são aqueles que possuem uma subsequência de tamanho 1, que é válida com respeito a um estado do autômato, e que não está em F 1 = {< 1 >, < 2 >, < 3 >}. Nenhuma sequência é podada. 4. Fase da validação: cálculo do suporte de cada uma das sequências de C 2. As únicas suportadas por pelo menos 2 sequências do banco de dados são: < 1, 2 >, < 1, 3 >, < 2, 1 >, < 1, 1 >. 5. Fase do pós processamento: Nesta fase são consideradas somente os padrões que satisfazem o autômato. No caso: < 1, 2 >, < 1, 3 >, < 2, 1 >. O padrão < 1, 1 >, embora válido com respeito ao estado q 1, não satisfaz o autômato (não é válido com respeito ao estado inicial q 0. Resposta final :{< 2 >, < 3 >, < 1, 2 >, < 1, 3 >, < 2, 1 >} ATENÇÃO: RESPOSTAS EM QUE O PROCESSO DETALHADO ACIMA NAO FOI DESCRITO CORRETAMENTE, NAO FORAM CONSIDERADAS. Questão 3 (Valor = 2,5 pontos) : Considere o seguinte banco de dados de transações:
4 {1,2,3,7} {1,3,4,5} {1,2,3,5,9} {2,3,4,6} {1,3,4,8} Considere também a seguinte restrição de itens : B = (1 4) (3 5) Supondo um nível mínimo de suporte de 40%, aplique o algoritmo DIRECT para calcular todas os itemsets frequentes de tamanho 2 que satisfazem B. F = conjunto dos items frequentes = {1, 2, 3, 4, 5} Cálculo de F b 1 = padrões de tamanho 1 frequentes que satisfazem B = {< 1 >} Fase da Geração e Poda de C 2 : 1. C 2 = F1 b F = {< 1, 2 >, < 1, 3 >, < 1, 4 >, < 1, 5 >} 2. Eliminar aqueles que não satisfazem B. < 1, 4 > é eliminado, só sobram {{< 1, 2 >, < 1, 3 >, < 1, 5 >} 3. Poda: podar aqueles que possuem subsequência de tamanho 1 que satisfaz B mas não está em L b 1. Nenhum é podado. 4. Acrescenta ao conjunto dos candidatos o itemset < 3, 5 >, já que existe componente da restrição B do tipo 3 5 (que não foi contabilizada no item (1) acima. Logo, o conjunto dos candidatos C 2 é o seguinte: {< 1, 2 >, < 1, 3 >, < 1, 5 >, < 3, 5 >} Fase da Validação: Calcula-se o suporte destes itemsets. Para ser frequente, o itemset precisa ser suportado por pelo menos 2 sequências do banco de dados. Assim, o resultado final é: F b 1 F b 2 = {< 1 >, < 1, 2 >, < 1, 3 >, < 1, 5 >, < 3, 5 >} Questão 4 (Valor = 2,5 pontos): Considere o banco de dados de transações a seguir.
5 {1,2,3,7} {1,3,4,5} {1,2,3,5,9} {2,3,4,6} {1,3,4,8} {2,3,4,8} {1,5,7} {1,4,5,9} {3,7,8} {2,3,5,6} Suponha que a memória principal disponível é suficiente para conter 5 destas transações. Descreva um algoritmo capaz de calcular os itemsets frequentes, em apenas 2 varridas do banco de dados, supondo o nível mínimo de suporte igual a 35%. Esquema resumido da solução - é preciso desenvolver os cálculos indicados: Divide-se o banco de dados em dois conjuntos: D 1 e D 2, o primeiro contendo as 5 primeiras transações e o segundo as 5 últimas transações. Primeiro passo: carrega-se D 1 na memória principal e aplica-se o algoritmo Apriori em D 1 para o suporte minimo 35%. É PRECISO FAZER OS DETALHES DESTE CÁLCULO, explicitando os padrões localmente frequentes em D 1. Segundo Passo : carrega-se D 2 na memória principal e aplica-se o algoritmo Apriori em D 2, como no passo anterior. É PRECISO FAZER OS DETALHES DESTE CÁLCULO, explicitando os padrões localmente frequentes em D 2. Até aqui o banco de dados em disco foi varrido uma única vez. Terceiro passo: de posse dos padrões frequentes obtidos no passo 1 e 2 acima, varre-se mais uma vez o banco de dados para determinar o suporte de cada um destes padrões com relação ao banco de dados global. E PRECISO FAZER OS DETALHES DESTE CÁLCULO, explicitando os padrões frequentes no banco de dados global dado. Questão 5 (Valor = 2,5 pontos): Uma medida de interesse para itemsets é dita antimonotônica se para quaisquer itemsets X, Y tais que X Y tem-se µ(y ) µ(x). A medida é dita monotônica se µ(x) µ(y ) sempre que X Y. Finalmente, m é dita não-antimonotônica se não é nem monotônica nem antimonotônica. 1. Dê exemplos de medidas antimonotônicas e monotônicas. Exemplo de antimonotônica = suporte de um itemset. Exemplo Exemplo de monotônica = somatória dos preços dos items de um itemset.
6 2. Uma regra de associação é dita característica se ela é da forma {p} {q 1,..., q n } isto é, o antecedente da regra contém somente um item. Repare que um itemset de tamanho k produz no máximo k regras características. Para cada itemset I, definimos a medida µ(i) como sendo a menor confiança de todas as regras de associação características geradas a partir de I. Pergunta-se: a medida µ é antimonotônica, monotônica ou não-monotônica? Explique sua resposta. Solução: a medida µ é antimonotônica. A demonstração deste fato é feita a seguir. Sejam J e I dois itemsets tais que J I. Vamos mostrar que µ(j) µ(i). (a) Para toda regra característica r gerada a partir de J existe uma regra r gerada a partir de I tal que conf(r) conf(r ). Prova: seja r: b {b 1, b 2,..., b n } uma regra característica gerada a partir de J = {b, b 1,..., b n }. Consideremos a regra característica r gerada por I com antecedente b. Como J I, então r é do tipo b I, onde {b 1,..., b n } I. Temos: conf(r) = sup(j)/sup({b}) conf(r ) = sup(i)/sup({b}) Como sup(j) sup(i), então conf(r) conf(r ). (b) Por definição, µ(j) corresponde ao mínimo das confianças de todas as regras características geradas a partir de J. Seja r a regra característica gerada a partir de J com a menor confiança, isto é, conf(r) = µ(j). Pelo que foi demonstrado no item anterior, existe uma regra r gerada a partir de I tal que conf(r) conf(r ). Logo, temos: µ(i) conf(r ) conf(r) = µ(j) Portanto, mostramos que µ(j) µ(i) como queriamos, concluindo assim que a medida µ é antimonotônica.
Universidade Federal de Uberlândia - Mestrado em Ciência da Computação. Profa. Sandra A. de Amo
Universidade Federal de Uberlândia - Mestrado em Ciência da Computação Lista de Exercícios n 0 1 - Data Mining : REGRAS DE ASSOCIAÇÃO 1 0 Semestre de 2003 Profa. Sandra A. de Amo Nesta lista, alguns exercícios
Leia maisCURSO DE DATA MINING. Sandra A. de Amo
CURSO DE DATA MINING Sandra A. de Amo deamo@ufu.br Universidade Federal de Uberlândia Faculdade de Computação Agosto 2003 2 Conteúdo 1 Introdução - Slides 7 2 Mineração de Regras de Associação 28 2.1 Formalização
Leia maisCurso de Data Mining. Sandra de Amo. Aula 18 - Mineração de padrões em caminhos percorridos por usuários da Internet
Curso de Data Mining Sandra de Amo Aula 18 - Mineração de padrões em caminhos percorridos por usuários da Internet Nesta aula vamos tratar do problema de mineração de caminhos percorridos por usuários
Leia maisRelatório de Atividades
Relatório de Atividades BCC390 - Monografia I MINERAÇÃO DE DADOS PARA PADRÕES DE SEQUENCIA Cecília Henriques Devêza OURO PRETO, 27 DE NOVEMBRO DE 2010 Introdução O que são Padrões de Sequência O projeto
Leia maisMC102 Aula 26. Instituto de Computação Unicamp. 17 de Novembro de 2016
MC102 Aula 26 Recursão Instituto de Computação Unicamp 17 de Novembro de 2016 Roteiro 1 Recursão Indução 2 Recursão 3 Fatorial 4 O que acontece na memória 5 Recursão Iteração 6 Soma em um Vetor 7 Números
Leia maisMineração de Dados em Biologia Molecular
Mineração de Dados em Biologia Molecular Análise de associação Principais tópicos Análise de associação Itens frequentes Conjunto de itens frequentes de associação Avaliação de regras de associação Docente:
Leia maisInteligência Artificial
UFRGS 2 Inteligência Artificial Técnicas de Mineração de Dados Árvores de Decisão Regras de Associação Árvores de Decisão As árvores de decisão (AD) são ferramentas poderosas para classificação cuja maior
Leia maisMinerando Padrões Sequenciais para Bases de Dados de Lojas Virtuais
Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas Departamento de Computação Minerando Padrões Sequenciais para Bases de Dados de Lojas Virtuais Cecília Henriques Devêza ceciliadeveza@gmail.com
Leia maisRegras de Associação. José Augusto Baranauskas Departamento de Física e Matemática FFCLRP-USP
Regras de Associação A compra de um produto quando um outro produto é comprado representa uma Regra de Associação Regras de Associação são frequentemente utilizadas para apoiar campanhas de marketing e
Leia mais# Estrutura de Dados # Aula 08 Recursão (conceito, utilização, exemplos) Prof. Leinylson Fontinele Pereira
# Estrutura de Dados # Aula 08 Recursão (conceito, utilização, exemplos) Prof. Leinylson Fontinele Pereira Na aula anterior... Alocação Dinâmica de Memória Introdução 3 O que vamos aprender? Recursividade
Leia maisKDD, Mineração de Dados e Algoritmo Apriori
Universidade Federal de São Carlos - UFSCar Departamento de Computação - DC Programa de Pós-Graduação em Ciência da Computação - PPGCC KDD, Mineração de Dados e Algoritmo Apriori Aluno: Rodrigo Moura J.
Leia maisA DEFINIÇÃO AXIOMÁTICA DO CONJUNTO DOS NÚMEROS NATURAIS.
A DEFINIÇÃO AXIOMÁTICA DO CONJUNTO DOS NÚMEROS NATURAIS. SANDRO MARCOS GUZZO RESUMO. A construção dos conjuntos numéricos é um assunto clássico na matemática, bem como o estudo das propriedades das operações
Leia maisIntrodução a Sistemas Inteligentes
Introdução a Sistemas Inteligentes Noções de Preparação de Dados e Mineração de Regras de Associação Prof. Ricardo J. G. B. Campello ICMC / USP Créditos Parte deste material consiste de adaptações e extensões
Leia maisRetas e círculos, posições relativas e distância de um ponto a uma reta
Capítulo 3 Retas e círculos, posições relativas e distância de um ponto a uma reta Nesta aula vamos caracterizar de forma algébrica a posição relativa de duas retas no plano e de uma reta e de um círculo
Leia maisCapítulo 9: Linguagens sensíveis ao contexto e autômatos linearmente limitados.
Capítulo 9: Linguagens sensíveis ao contexto e autômatos linearmente limitados. José Lucas Rangel 9.1 - Introdução. Como já vimos anteriormente, a classe das linguagens sensíveis ao contexto (lsc) é uma
Leia maisInteligência Artificial
Inteligência Artificial Descoberta de Conhecimento em Bases de Dados Mineração de Dados Descobertas de regras de associação Descoberta de Conhecimento em Bases de Dados DCBD (Descoberta de Conhecimento
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 14 Regras de Associação Max Pereira Regras de Associação Motivação O que é geralmente comprado junto com o produto x? Que pares de produtos são comprados juntos?
Leia maisMineração de itemsets e regras de associação
Mineração de itemsets e regras de associação Marcelo K. Albertini 3 de Novembro de 2015 2/46 Conteúdo Regras de associação A-priori FP-Tree 3/46 Análise de cestas de compras Uma cadeia de supermercados
Leia maisProgramação Estruturada
Programação Estruturada Recursão Professores Emílio Francesquini e Carla Negri Lintzmayer 2018.Q3 Centro de Matemática, Computação e Cognição Universidade Federal do ABC Recursão Recursão 1 Recursão 2
Leia maisAula 20: Regras de Associação
Aula 20: Regras de Associação Profa. Ms. Rosângela da Silva Nunes 1 de 22 Motivação 2 de 22 Market Basket Aplicações 43% das pessoas que compram computadores também compram software de gestão financeira
Leia maisLógica Proposicional Métodos de Validação de Fórmulas. José Gustavo de Souza Paiva. Introdução
Lógica Proposicional Métodos de Validação de Fórmulas José Gustavo de Souza Paiva Introdução Análise dos mecanismos que produzem e verificam os argumentos válidos apresentados na linguagem da lógica Três
Leia maisMEDIDAS COM SINAL.. Uma medida com sinal σ-aditiva (ou, simplesmente, uma medida com sinal) µ(a n ) def = lim
MEDIDAS COM SINAL DANIEL V. TAUSK 1. Definição. Seja C uma coleção de conjuntos tal que C. Uma medida com sinal finitamente aditiva em C é uma função µ : C R tal que: µ( ) = 0; se (A n ) t é uma seqüência
Leia maisCréditos. SCC0173 Mineração de Dados Biológicos. Aula de Hoje. Análise de Associação. Mineração de Regras de Associação
SCC0173 Mineração de Dados Biológicos Mineração de Regras de Associação Prof. Ricardo J. G. B. Campello Créditos Parte deste material consiste de adaptações e extensões dos originais: gentilmente cedidos
Leia maisAlgoritmos e Estrutura de Dados. Algoritmos Prof. Tiago A. E. Ferreira
Algoritmos e Estrutura de Dados Aula 3 Conceitos Básicos de Algoritmos Prof. Tiago A. E. Ferreira Definição de Algoritmo Informalmente... Um Algoritmo é qualquer procedimento computacional bem definido
Leia maisTeoria dos Conjuntos. (Aula 6) Ruy de Queiroz. O Teorema da. (Aula 6) Ruy J. G. B. de Queiroz. Centro de Informática, UFPE
Ruy J. G. B. de Centro de Informática, UFPE 2007.1 Conteúdo 1 Seqüências Definição Uma seqüência é uma função cujo domíno é um número natural ou N. Uma seqüência cujo domínio é algum número natural n N
Leia maisFaculdade de Computação
UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Computação Disciplina : Teoria da Computação Professora : Sandra de Amo Solução da Lista de Exercícios n o 8 - Indecidibilidade Exercicio 1-5.5 do Livro
Leia maisxy + y = 0. (1) Portanto a solução geral de (1) é a família de hipérboles y = C x,
Seção 4: Equações Exatas Fator Integrante Introduzimos a idéia de equação exata, através de dois exemplos simples. Note que nesses dois exemplos, além de exata, a EDO também é separável, podendo alternativamente
Leia maisTeoria da Medida e Integração (MAT505)
Modos de convergência Teoria da Medida e Integração (MAT505) Modos de convergência. V. Araújo Instituto de Matemática, Universidade Federal da Bahia Mestrado em Matemática, UFBA, 2014 Modos de convergência
Leia maisACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO
ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO 2. Linguagens Livres-do-Contexto Referência: SIPSER, M. Introdução à Teoria da Computação. 2ª edição, Ed. Thomson Prof. Marcelo S. Lauretto marcelolauretto@usp.br
Leia maisÁrvores. Fabio Gagliardi Cozman. PMR2300 Escola Politécnica da Universidade de São Paulo
PMR2300 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó (exceto a
Leia maisSarajane M. Peres e Clodoaldo A. M. Lima. 19 de novembro de 2015
Sarajane M. Peres e Clodoaldo A. M. Lima 19 de novembro de 2015 Material baseado em: HAN, J. & KAMBER, M. Data Mining: Concepts and Techniques. 2nd. 2006 Sarajane M. Peres e Clodoaldo A. M. Lima Regras
Leia maisProcessamento da Informação Teoria. Conjuntos e Busca de dados
Processamento da Informação Teoria Conjuntos e Busca de dados Semana 10 Prof. Jesús P. Mena-Chalco 29/06/2013 Conjuntos Um conjunto é uma coleção de objetos de qualquer tipo (pessoas, plantas, animais,
Leia maisSeja S = {2, 5, 17, 27}. Quais da sentenças a seguir são verdadeiras? 3. Quantos conjuntos diferentes são descritos abaixo? Quais são eles?
Seção 3.1 Conjuntos 113 Existem identidades básicas (em pares duais) e elas podem ser usadas para provarem identidades de conjuntos; uma vez que uma identidade seja provada desta maneira, sua dual também
Leia maisEntão (τ x, ) é um conjunto dirigido e se tomarmos x U U, para cada U vizinhança de x, então (x U ) U I é uma rede em X.
1. Redes Quando trabalhamos no R n, podemos testar várias propriedades de um conjunto A usando seqüências. Por exemplo: se A = A, se A é compacto, ou se a função f : R n R m é contínua. Mas, em espaços
Leia maisÁrvores. Thiago Martins, Fabio Gagliardi Cozman. PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo
PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó
Leia maisProbabilidade - aula II
25 de Março de 2014 Interpretações de Probabilidade Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular
Leia maisMarina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.
Solução básica viável inicial Marina Andretta ICMC-USP 10 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia maisUniversidade Federal de Uberlândia Mestrado em Ciência da Computação
Universidade Federal de Uberlândia Mestrado em Ciência da Computação Solução da 1 a Prova de Teoria da Computação - 05/05/2010 Questão 1 (Valor = 7 pontos) Um número real é dito algébrico se é raiz de
Leia maisO Teorema de Peano. f : D R n. uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e uma função ϕ : I R n tais que
O Teorema de Peano Equações de primeira ordem Seja D um conjunto aberto de R R n, e seja f : D R n (t, x) f(t, x) uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e
Leia maisNo que segue, X sempre denota um espaço topológico localmente compacto
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK No que segue, sempre denota um espaço topológico localmente compacto Hausdorff. Se f : R é uma função, então supp f denota o{ suporte (relativamente
Leia maisACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO
ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO 2. Linguagens Livres-do-Contexto Referência: SIPSER, M. Introdução à Teoria da Computação. 2ª edição, Ed. Thomson Prof. Marcelo S. Lauretto marcelolauretto@usp.br
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/30 3 - INDUÇÃO E RECURSÃO 3.1) Indução Matemática 3.2)
Leia maisRecursão. Aula 1. Liana Duenha. Faculdade de Computação Universidade Federal de Mato Grosso do Sul
Recursão Aula 1 Liana Duenha Faculdade de Computação Universidade Federal de Mato Grosso do Sul Algoritmos e Programação II, Análise de Sistemas, 2010 Martinez & Rubert (FACOM) Recursão APIIAS 1 / 25 Conteúdo
Leia maisModelagem de Sistemas Web. Modelagem de BD
Modelagem de Sistemas Web Aula 9 Modelagem de BD OBS: Pré-requisito: noções intermediárias em BD e de modelo ER Fonte: Proj. e Mod. BD 4/E Capítulo: Análise de Req. E Mod. Dados Conceit. - Toby Teorey
Leia maisTeoria da Computação. Expressões Regulares e Autômatos Finitos. Thiago Alves
Teoria da Computação Expressões Regulares e Autômatos Finitos Thiago Alves 1 Introdução Expressões Regulares e Autômatos Finitos são bem diferentes Será que são equivalentes com relação as linguagens que
Leia maisDANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK Ao longo do texto, denotará sempre um espaço topológico fixado. Além do mais, as seguintes notações serão utilizadas: supp f denota o suporte
Leia maisSistema de mineração de dados para descoberta de padrões em dados médicos
Sistema de mineração de dados para descoberta de padrões em dados médicos Matheus Felipe MIRANDA¹; Marcos Roberto RIBEIRO² ¹ Estudante do curso de Tecnologia em Análise e Desenvolvimento de Sistemas e
Leia maisMT como calculadoras de funções parciais
MT como calculadoras de funções parciais Uma máquina de Turing pode ser vista como uma calculadora de funções parciais dos inteiros nos inteiros: f : N k p N Suponhamos que os inteiros estão codificados
Leia maisPosição relativa entre retas e círculos e distâncias
4 Posição relativa entre retas e círculos e distâncias Sumário 4.1 Distância de um ponto a uma reta.......... 2 4.2 Posição relativa de uma reta e um círculo no plano 4 4.3 Distância entre duas retas no
Leia mais1 Congruências e aritmética modular
1 Congruências e aritmética modular Vamos considerar alguns exemplos de problemas sobre números inteiros como motivação para o que se segue. 1. O que podemos dizer sobre a imagem da função f : Z Z, f(x)
Leia maisProcedimentos e Algorítmos Programas e Linguagens de Programação Tese de Church-Turing Formas de Representação de Linguagens
Procedimentos e Algorítmos Programas e Linguagens de Programação Tese de Church-Turing Formas de Representação de Linguagens 1 Introdução Estudar computação do ponto de vista teórico é sinônimo de caracterizar
Leia maisÁrvores. Thiago Martins, Fabio Gagliardi Cozman. PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo
PMR2300 / PMR3201 Escola Politécnica da Universidade de São Paulo Árvore: estrutura composta por nós e arestas entre nós. As arestas são direcionadas ( setas ) e: um nó (e apenas um) é a raiz; todo nó
Leia maisVamos estudar neste capítulo algumas características da classe das linguagens regulares sobre um alfabeto. Entre elas salientámos:
5 Propriedades de LR Vamos estudar neste capítulo algumas características da classe das linguagens regulares sobre um alfabeto. Entre elas salientámos: São fechadas para determinas operações sobre linguagens:
Leia maisPrimeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP
Primeiro Exercício programa: Como o Google ordena páginas MAP-2121 para EPUSP 1 Instruções gerais Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar
Leia maisProbabilidade - aula II
2012/02 1 Interpretações de Probabilidade 2 3 Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular probabilidades
Leia maisDocumento de Requisitos*
* Rosana T. Vaccare Braga *slides adaptados a partir do material da Profa Ellen Francine Barbosa Processo de Engenharia de Requisitos Documento de requisitos Processo de Engenharia de Requisitos Estudo
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/26 3 - INDUÇÃO E RECURSÃO 3.1) Indução Matemática 3.2)
Leia mais21090 Programação e-fólio A 2016/2017. E-fólio A
E-fólio A Alínea A) O e-fólio A é constituído por 4 alíneas, valendo 1 valor cada, devendo as mesmas serem realizadas sequencialmente, e podendo ser reutilizado código entre alíneas. A cotação total do
Leia maisExercícios: Vetores e Matrizes
Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de programação em linguagem C Exercícios: Vetores e Matrizes 1 Vetores 1. Faça um programa que possua um vetor
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO Instituto de Ciências Matemáticas e de Computação ISSN 0103-2569 AprioriGen: Uma extensão do algoritmo Apriori para obtenção de Regras de Associação Generalizadas André Roberto
Leia maisReferências: Notas de aulas do Prof. Silvio Alexandre de Araujo
Programação Inteira Referências: Notas de aulas do Prof Silvio Aleandre de Araujo http://wwwdcceibilceunespbr/~saraujo/ Material da Professora Gladys Castillo do Departamento de Matemática da Universidade
Leia maisFaculdade de Computação
UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Computação Disciplina : Teoria da Computação - 1 0 Semestre 007 Professora : Sandra Aparecida de Amo Solução da Lista de Exercícios n o 1 Exercícios de Revisão
Leia maisAlgoritmos de aproximação - Problema do caixeiro viajante
Algoritmos de aproximação - Problema do caixeiro viajante Marina Andretta ICMC-USP 30 de setembro de 2015 Baseado no livro Uma introdução sucinta a Algoritmos de Aproximação, de M. H. Carvalho, M. R. Cerioli,
Leia maisMineração de Dados. Arthur Emanuel de O. Carosia Cristina Dutra de Aguiar Ciferri
Mineração de Dados Arthur Emanuel de O. Carosia Cristina Dutra de Aguiar Ciferri 1 Motivação Aumento da capacidade de processamento e de armazenamento de dados; Baixo custo; Grande quantidade de dados
Leia maisAlgoritmos e Complexidade
PMR2300 Escola Politécnica da Universidade de São Paulo Algoritmos Um algoritmo é um procedimento descrito passo a passo para resolução de um problema em tempo finito. Formalização: máquinas de Turing.
Leia maisCapítulo 2: Procedimentos e algoritmos
Capítulo 2: Procedimentos e algoritmos Para estudar o processo de computação de um ponto de vista teórico, com a finalidade de caracterizar o que é ou não é computável, é necessário introduzir um modelo
Leia maisTente responder às seguintes perguntas. As respostas vão te ajudar a encontrar a solução do problema.
ALGUMAS IDÉIAS PARA RESOLVER A LISTA 9 - MCC1-2009/2 Profa. Sandra de Amo Exercicio 1 Problema:Encontrar uma relação de recorrência para o número de cadeias de bits (sequências de 0 e 1) de tamanho n que
Leia maisNotas de Aula - Espaços Vetoriais I
Notas de Aula - Espaços Vetoriais I 1 O espaço vetorial R 2 A definição de espaço vetorial que veremos adiante faz uso da ideia de operações definidas sobre um conjunto. Iniciaremos nosso estudo explorando
Leia maisSolução de Recorrências
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS Solução de Recorrências Algoritmos e Estruturas de Dados I Natália Batista https://sites.google.com/site/nataliacefetmg/ nataliabatista@decom.cefetmg.br
Leia maisGerência de Projetos e Qualidade de Software. Prof. Walter Gima
Gerência de Projetos e Qualidade de Software Prof. Walter Gima 1 Plano de Ensino e Aprendizagem 2 3 Objetivos CONTEÚDO Se preparar para o inicio de um projeto Acompanhamento projeto Controles Métricas
Leia maisExistência e otimalidade de pontos extremos
Existência e otimalidade de pontos extremos Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP)
Leia maisDefinição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos.
1 Árvores Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos. Um grafo simples sem ciclos mas não conexo (em que cada componente conexa é portanto uma árvore) chama-se uma floresta. Numa
Leia maisAula 10: Decidibilidade
Teoria da Computação Aula 10: Decidibilidade DAINF-UTFPR Prof. Ricardo Dutra da Silva Definição 10.1. Um problema de decisão P é um conjunto de questões para as quais as respostas são sim ou não. Exemplo
Leia maisNÚMEROS INTEIROS E CRIPTOGRAFIA UFRJ
NÚMEROS INTEIROS E CRIPTOGRAFIA UFRJ GABARITO LISTA 6: ALGORITMO CHINÊS DO RESTO 1. Ver gabarito das questões do livro. 2. Aplique o Algoritmo de Fermat para encontrar 999367 = 911 1097. Como 911 e 1097
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisLista de Exercícios da Primeira Semana Análise Real
Lista de Exercícios da Primeira Semana Análise Real Nesta lista, a n, b n, c n serão sempre sequências de números reais.. Mostre que todo conjunto ordenado com a propriedade do supremo possui a propriedade
Leia mais24 a Aula AMIV LEAN, LEC Apontamentos
24 a Aula 2004.11.10 AMIV LEAN, LEC Apontamentos (Ricardo.Coutinho@math.ist.utl.pt) 24.1 Método de Euler na aproximação de EDO s Métodos numéricos para a determinação de soluções de EDO s podem ser analisados
Leia maisTeoria da Computação. Computabilidade e complexidade computacional
Teoria da Computação Computabilidade e complexidade computacional 1 Computabilidade e Complexidade Computabilidade: verifica a existência de algoritmos que resolva uma classe de linguagens trata a possibilidade
Leia maisExercícios: Árvores. Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de estrutura de dados em linguagem C
Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de estrutura de dados em linguagem C Exercícios: Árvores 1. Utilizando os conceitos de grafos, defina uma árvore.
Leia maisConstrução dos Números Reais
1 Universidade de Brasília Departamento de Matemática Construção dos Números Reais Célio W. Manzi Alvarenga Sumário 1 Seqüências de números racionais 1 2 Pares de Cauchy 2 3 Um problema 4 4 Comparação
Leia maisExplorando Técnicas de Redução de Base de Dados na Mineração de Padrões Seqüenciais
Universidade Federal Fluminense Ciro Bastos Barbosa Explorando Técnicas de Redução de Base de Dados na Mineração de Padrões Seqüenciais NITERÓI 2006 Ciro Bastos Barbosa Explorando Técnicas de Redução de
Leia maisDiagrama de Fluxo de Caixa Fluxo de caixa é uma sucessão temporal de entradas e de saídas de dinheiro no caixa de uma entidade.
Séries de agamentos Agora vamos estudar as operações financeiras que envolvem pagamentos ou recebimentos parcelados. Consideremos os pagamentos, 2,, n nas datas, 2,, n, respectivamente de um Valor resente
Leia maisRecursividade. Objetivos do módulo. O que é recursividade
Recursividade Objetivos do módulo Discutir o conceito de recursividade Mostrar exemplos de situações onde recursividade é importante Discutir a diferença entre recursividade e iteração O que é recursividade
Leia maisAula 3 Vetores no espaço
MÓDULO 1 - AULA 3 Aula 3 Vetores no espaço Objetivos Ampliar a noção de vetor para o espaço. Rever as operações com vetores e sua representação em relação a um sistema ortogonal de coordenadas cartesianas.
Leia maisModelos para Séries Temporais Aula 1. Morettin e Toloi, 2006, Capítulo 2 Morettin, 2011, Capítulo 2 Bueno, 2011, Capítulo 2
Modelos para Séries Temporais Aula 1 Morettin e Toloi, 2006, Capítulo 2 Morettin, 2011, Capítulo 2 Bueno, 2011, Capítulo 2 Modelos para Séries Temporais Os modelos utilizados para descrever séries temporais
Leia maisPUC-Rio Departamento de Informática Prof. Marcus Vinicius S. Poggi de Aragão Período: Horário: 4as-feiras de 13 às 16 horas - Sala 520L
PUC-Rio Departamento de Informática Prof. Marcus Vinicius S. Poggi de Aragão Período: 20047.1 Horário: 4as-feiras de 13 às 16 horas - Sala 520L PROJETO E ANÁLISE DE ALGORITMOS (INF 2926) Lista 1 1. Considere
Leia maisCurso de Álgebra Linear
Curso de Álgebra Linear Fundamentos e Aplicações Terceira Edição 25 de Outubro de 2012 Marco Cabral PhD Indiana University, EUA Paulo Goldfeld PhD Courant Institute, EUA Departamento de Matemática Aplicada
Leia maisO estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste
O estudo utilizando apenas este material não é suficiente para o entendimento do conteúdo. Recomendamos a leitura das referências no final deste material e a resolução (por parte do aluno) de todos os
Leia maisCodificação de Huffman
Codificação de Huffman Bruna Gregory Palm 11 de setembro de 2017 A codificação de Huffman é um método de compressão que considera as probabilidades de ocorrência de cada símbolo no conjunto de dados a
Leia maisBCC402 Algoritmos e Programação Avançada Prof. Marco Antonio M. Carvalho Prof. Túlio Ângelo M. Toffolo 2011/1
BCC402 Algoritmos e Programação Avançada Prof. Marco Antonio M. Carvalho Prof. Túlio Ângelo M. Toffolo 2011/1 Na aula anterior Prova 2 Na aula de hoje Técnicas básicas de contagem; Tentativa e Erro; Recursividade.
Leia maisEquações Diofantinas + = polinómios conhecidos polinómios desconhecidos
23 Considere-se a equação Equações Diofantinas polinómios conhecidos polinómios desconhecidos Há soluções? Quantas soluções há para uma dada equação? Em geral, a equação pode ser definida num anel (exs.
Leia maisUNIVERSIDADE FEDERAL DE. Faculdade de Ciência da Computação
UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Ciência da Computação Disciplina : Linguagens Formais e Autômatos - 2 Semestre 22 Professora : Sandra Aparecida de Amo Material Suplementar sobre Autômatos
Leia maisDINTER UFF/IFTM - Análise e Síntese de Algoritmos - Lista de Exercícios
DINTER UFF/IFTM - Análise e Síntese de Algoritmos - Lista de Exercícios - 2013 1. Uma pessoa sobe uma escada composta de n degraus, com passos que podem alcançar entre 1 e k n degraus. Escrever equações
Leia maisUTFPR - Universidade Tecnológica Federal do Paraná. Processamento e otimização de consultas
UTFPR - Universidade Tecnológica Federal do Paraná Processamento e otimização de consultas Leyza Baldo Dorini 04/Nov/2009 Programação da aula Introdução: processamento e otimização de consultas Etapas:
Leia mais6. Verifique detalhadamente que os seguintes conjuntos são espaços vetoriais(com a soma e produto por escalar usuais):
a Lista. Sejam u = ( 4 ) v = ( 5) e w = (a b). Encontre a e b tais que (a)w = u + v (b)w = 5v (c)u + w = u v. Represente os vetores acima no plano cartesiano.. Sejam u = (4 ) v = ( 4) e w = (a b c). Encontre
Leia mais1 ESTUDO DA POLUIÇÃO NUMA
MATEMATICA 1 ESTUDO DA POLUIÇÃO NUMA AULA DE MATEMÁTICA OBJETIVO NOME ESCOLA EQUIPE SÉRIE PERÍODO DATA Esta atividade tem múltiplos objetivos: evidenciar a importância do ferramental matemático no estudo
Leia maisCalculou as bases do trapézio corretamente: +3 pontos
1. O quadrado ABCD abaixo tem área 144 cm 2 e seus lados satisfazem BC 3P C, CD 4DQ e AD 5AR (notação: dados dois pontos X e Y, denotamos a medida do segmento que liga X à Y por XY ). Responda o que se
Leia maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisAula 10 Produto interno, vetorial e misto -
MÓDULO 2 - AULA 10 Aula 10 Produto interno, vetorial e misto - Aplicações II Objetivos Estudar as posições relativas entre retas no espaço. Obter as expressões para calcular distância entre retas. Continuando
Leia maisTerceira Lista de Exercícios 2004/2...
UFLA Universidade Federal de Lavras Departamento de Ciência da Computação COM162 Linguagens Formais e Autômatos Prof. Rudini Sampaio Monitor: Rodrigo Pereira dos Santos Terceira Lista de Exercícios 2004/2
Leia mais