Programa de Mineração de Dados para Análise de Diabetes & Hipertensão
|
|
- Manoela Santarém Furtado
- 8 Há anos
- Visualizações:
Transcrição
1 Programa de Mineração de Dados para Análise de Diabetes & Hipertensão Rodrigo Gomes Prieto 1, Kathya Collazos Linares 2, Luiz Gustavo Pinto 3, Jorge Roel Ortiz 4 1,2,4 Ciência da Computação, Centro Tecnológico da Terra e do Mar (CTTMar), 3 Medicina, Centro de Ciências da Saúde (CCS) Universidade do Vale do Itajaí (UNIVALI), Brasil Resumo - Este trabalho apresenta um programa para análise de dados aplicada ao estudo de pacientes com Diabetes e/ou Hipertensão Arterial. O programa utiliza a metodologia de Mineração de Dados, técnica da Inteligência Artificial. Foi desenvolvido utilizando o banco de dados Oracle e suas ferramentas de desenvolvimento para a construção da base de dados, a criação da interface com os usuários e a geração dos relatórios de saída dos resultados. Apresenta-se também uma aplicação utilizando uma base de dados de 186 pacientes consultados no ambulatório da UNIVALI. Os resultados mostraram que o índice de prevalência de sobrepeso encontrado nos pacientes diabéticos e/ou hipertensos atendidos no ambulatório é similar aos índices encontrados em outras pesquisas no Brasil. Palavras-chave: Análise de dados, mineração de dados, diabetes & hipertensão. Abstract This work present a program for data analysis applied to the study of patients with diabetes and/or arterial hypertension. This program uses a datamining methodology, which is an artificial intelligence technique. It was developed using the Oracle database and its tools of development for constructing the database, users interface and results report generation. It also shows an application using a 186 patient database consulted in the UNIVALI s ambulatory. Results shown that overweight rate found in diabetes and/or hypertense patients attended in this ambulatory it is similar to the one determined in other researches in Brazil. Key-words: Data analysis, data mining, diabetes & hypertension. Introdução O artigo apresenta um programa para análise de dados para pacientes com diabetes e/ou hipertensão utilizando mineração de dados. O programa utilizou um formulário desenvolvido para esta finalidade [1], o formulário foi informatizado para facilitar a criação do banco de dados. Assim, o programa também inclui uma interface para a coleta de dados de pacientes com Diabetes e/ou Hipertensão Arterial. A Medicina produz uma grande quantidade de informação a qual é armazenada em uma base de dados. Mas, apenas disponibilizar esses dados não é suficiente para um melhor aproveitamento das informações. É necessário ter ferramentas para facilitar a analise desses dados. Auxiliando no desenvolvimento de estratégias de ação, isto é, a tomada de decisão sobre quadros clínicos de pacientes e/ou grupo de pacientes favorecendo o tratamento e/ou a prevenção de doenças. A interpretação de dados tem sido feita desde seus primórdios por meios estatísticos e é a estatística um método matemático bem estabelecido com suporte teórico que permite tais análises. Entretanto, há uma nova linha de pesquisa que também permite dita análise, e ela é chamada de mineração de dados. Esta metodologia busca através de métodos estatísticos ou não, a busca de modelos e/ou padrões dentro de uma base de dados que não seja possível de ser extraída em uma simples inspeção dos dados. Knowledge discovery in database (KDD) Historicamente, a noção de descobrir padrões úteis (ou parte de informação valiosa do conhecimento) em dados não processados recebeu diversos nomes, entre os quais descoberta de conhecimento em bases de dados, mineração de dados, extração de conhecimento, descoberta de informação, coleta de informação, arqueologia de dados, processamento de padrões de dados. O termo KDD, foi criado em 1989 e refere-se ao amplo processo de descoberta de informação em dados, na qual enfatiza-se a aplicação de alto nível do método particular Mineração de Dados (MD). O KDD mostra-se como uma ferramenta semi-automática que possibilita a análise de grandes conjuntos de
2 dados, propõe-se como o descobridor de informação útil a partir de grandes bases de dados. A informação descoberta pode ser representada por regras, descrevendo propriedades dos dados, padrões que ocorrem freqüentemente, agrupamento de objetos na base de dados, etc. [2, 3]. O objetivo da descoberta de informação é obter conhecimento útil a partir de grandes coleções de dados. Tais tarefas são inerentemente interativas e iterativas, de tal forma que não se pode esperar obter informação útil pelo simples fato de introduzir uma grande quantidade de dados em uma caixa preta. Por tanto, os sistemas KDD devem ser vistos como uma ferramenta interativa, não como um sistema de análise automático. A Figura 1 mostra o processo KDD [4], esse processo caracteriza-se pelos seguintes passos: 1. Compreensão do domínio; 2. Organização do conjunto de dados; 3. Descoberta dos padrões; 4. Pós-processo dos padrões descobertos; 5. Disponibilização dos resultados. Figura 1 - O processo KDD. A Compreensão do domínio dos dados é, naturalmente, um pré-requisito para se extrair qualquer conhecimento útil, ou seja, o usuário de um sistema KDD deve ter uma certa compreensão sobre a área de aplicação antes que qualquer informação de valor possa ser obtida. De outro lado, se o especialista humano é muito qualificado, pode ser árduo para a ferramenta semi-automática obter qualquer informação nova. É o caso, por exemplo, de domínios mediamente estáveis, nos quais o especialista humano teve um bom desempenho, com o que desenvolveu a habilidade de perceber detalhes dos dados [5]. Já, a organização do conjunto de dados envolve a seleção da fonte de dados, a integração dos dados heterogêneos, a limpeza dos erros nos dados, a avaliação do ruído, o tratamento dos valores perdidos, etc. Este passo pode tomar mais do 80% do tempo despendido em todo o processo. Quanto à descoberta do padrão em KDD, é o passo em que os padrões freqüentes e de interesse são levantados a partir dos dados. MD refere-se à descoberta do padrão como uma parte da descoberta do conhecimento, sendo, com freqüência usada como sinônimo de KDD. A fase de MD pode usar várias técnicas como estatística e aprendizado pela máquina, tais como regras de aprendizado, indução de árvores de decisão, agrupamento, programação lógica indutiva, etc. A ênfase em pesquisa em MD se deve justamente por possibilitar a descoberta eficiente de padrões medianamente simples. O processo KDD não pára quando os padrões são descobertos, ou seja, o usuário tem de ser capaz de compreender o que foi descoberto, visualizando os dados e padrões de modo simultâneo, contrastando os padrões descobertos com o conhecimento de base, etc. Nesse passo a complexidade não está no número de objetos na base de dados, mas, sim, no número de atributos, visto que o número de possíveis padrões típicos crescerá ao menos exponencialmente com o número de atributos, o que constitui a fonte real de dificuldade. O pós-processo da informação descoberta envolve passos, tais como seleções adicionais ou ordenamento de padrões, visualização, etc. Algumas abordagens de metodologias de KDD põem uma forte ênfase no pós-processamento. O processo KDD é necessariamente iterativo, isto é, o resultado de um passo de MD pode mostrar que alguma mudança deve ser feita no passo da formação do conjunto de dados. Assim, o pósprocessamento de padrões deve possibilitar ao usuário a visão de uma leve modificação nos tipos de padrões, etc. O suporte para tais iterações é um importante tópico no desenvolvimento de KDD. Aplicações proeminentes de KDD incluem dados em saúde, aplicações financeiras e dados científicos [6, 7]. Diabetes e/ou Hipertensão Segundo Oliveira [8], a Diabetes Mellitus é uma anormalidade caracterizada por uma quantidade de açúcar em excesso no sangue e na urina. O pâncreas é um órgão na região do abdome e uma de suas principais funções é a produção de insulina. Existem, disseminados por todo o órgão, pequenos agrupamentos celulares denominados ilhotas de Langerhans, onde é produzida a insulina, hormônio responsável por regular o nível de açúcar no sangue e transformálo em energia. Se o pâncreas for afetado por uma infecção, por exemplo, esta prejudicará a produção de insulina e o nível de açúcar no
3 sangue aumentará, provocando os sintomas da diabete açucarada. Uma outra doença, bastante diferente da diabete açucarada é a diabete insípida, caracterizada pelo excesso de excreção urinária, devido a um distúrbio dos rins Nobre & Lima [9] definem a hipertensão arterial não somente como uma condição clínica de cifras tensionais elevadas, mas como quadro sindrômico, incluindo alterações hemodinâmicas, tróficas e metabólicas, ou seja, deixou de ser vista como uma doença ligada somente a tensão, para ser vista como um dos graves fatores para doenças cardiovasculares. E essas alterações podem ter base genética, influência ambiental ou do estilo de vida. O algoritmo de mineração utiliza técnicas estatísticas para o Agrupamento (Clustering) dos dados segundo parâmetros de mineração esatabelecidos, a geração dos agrupamentos permite também estabelecer regras de associação. A tela de entrada de parâmetros de mineração é a tela onde o especialista irá selecionar os campos que serão minerados na base e em quais intervalos, como mostrado na Figura 4. Metodologia O sistema foi desenvolvido no Oracle Forms (telas) e Reports Builder (relatórios), utilizou-se a linguagem PL/SQL. A Figura 2 mostra a tela inicial, da qual pode-se acessar a todas as demais telas do sistema, seja através da escolha do módulo, ou através do menu. Figura 4 - Tela de parâmetros de pesquisa A visualização dos resultados pode ser vista de diversas formas, uma delas é através da tela de consulta, que pode ser vista na Figura 5. Esta tela mostra os registros da tabela de Dados Minerados que é a entidade que recebe os resultados finais da mineração. Figura 2 - Tela de abertura do sistema A base de dados implementada segue o formulário para pacientes com Diabetes Mellitus e/ou Hipertensão Arterial [1], a interface para a coleta de dados é mostrada na Figura 3. Figura 5 - Tela de visualização de resultados Aplicação Numa etapa inicial, foram selecionados doze parâmetros de interesse dos pacientes, eles estão mostrados na Tabela 1. Foram ingressados ao banco de dados 186 pacientes atendidos nos três primeiros meses do ano. Figura 3 - Tela de entrada de dados
4 Tabela 1 - Parâmetros selecionados CAMPO DESCRIÇÃO TABELA QT_IDADE Idade do ID_SEXO Sexo do ID_ETNIA Cor do DS_PROFISSAO Profissão do VL_IMC Índice de Massa Corporal VL_FC Valor de FC VL_LDL Valor de LDL VL_HDL Valor de HDL VL_GLICOSE Valor de Glicose VL_COLESTEROL Valor de Colesterol VL_TRIGLICERIDIOS Valor de VL_PRES_BRACO_DS Triglicerídios Valor da Pressão Arterial Foram realizadas consultas para diversas combinações dos parâmetros, tais como: Indice de Massa Corpórea, Idade, Trigliceridios, LDL e Sexo. Após o processo de mineração, o especialista verificou os resultados através de telas de consulta edos relatórios. Os resultados mostraram a prevalência de sobrepeso e obesidade nos pacientes consultados e o valor é próximo dos percentuais obtidos em outras pesquisas de nível nacional. Outra observação feita pelo especialista diz respeito ao preenchimento dos prontuários no ambulatório, ficou constatado que no caso dos pacientes idosos, muitos prontuários não possuíam informações de peso e altura. Baseado nos resultados obtidos estão sendo previstas duas ações a serem tomadas: Início de atividades para melhorar o parâmetro IMC. Monitoramento para o correto preenchimento dos prontuários dos pacientes. Discussão e Conclusões O algoritmo de agrupamento consiguiu trazar o perfil dos pacientes consultados no ambulatório. A base de dados criada é o datawarehouse do sistema porque ela é específica para a pesquisa de diabetes e/ou hipertensão. O sistema irá a migrar para uma estrutura web para facilitar o acceso ao sistema fora do ambulatório. Será acrescido ao sistema um formulário que permita realizar um acompanhamento do paciente para permitir análises sobre a evolução do estado do paciente no tempo. Referências [1] Pinto, L.G. (2004), Formulário para coleta de dados de pacientes diabéticos e/ou Hipertensos, Technical report Ambulatório da Univali, Itajaí Brasil. [2] Mannila, H. (1996), Data Mining: machine learning, statistics, and databases, Eight International Conference on Scientific and Statistical Database Management, Stockholm-Sweden. p [3] Mannila, H. (1997), Methods and problems in data mining (a tutorial), Proceedings of International Conference on Database Theory ICDT'97, Eds.: F. Afrati, P. Kolaitis, Springer- Verlag, Delphi-Greece, p , Janeiro. [4] Silver, D.L. (1996), Knowledge Discovery and Data Mining. Technical Report MBA6522 CogNova Technologies London Health Science Center. [5] Barreto, J.M. Inteligência Artificial no Limiar do Século XXI, 3a Edição. Florianópolis- SC, ρρρ Edições, [6] Pacheco, M.A., Vellasco, M., Lopes, C.H. (1999), Descoberta de Conhecimento e Mineração de Dados, Notas de Aula em Inteligência Artificial. Rio de Janeiro, ICA Laboratório de Inteligência Computacional Aplicada, Engenharia Elétrica PUC-RIO. URL: [7] Collazos, K., Barreto, J.M. (2003), KDD Ferramenta Para Análise de Dados Epidemiológicos, Anais do III Congresso Brasileiro de Computação - III Workshop de Informática aplicada à Saúde - CBCOMP'2003, Itajaí, p [8] De Oliveira, J.E.P. (2003), Informações para s Diabéticos. URL: infopac_set.html. Sistema Brasileiro de Diabetes (SBD). Acessado em
5 [9] Nobre, F., Lima, N.K.C. (2000), Hipertensão Arterial: Conceito, Classificação e Critérios Diagnósticos, Sociedade de Cardiologia do Estado de São Paulo (SOCESP) : Ari Timerman, Luiz Antonio Machado César. São Paulo: Editora Atheneu. Contato Kathya Collazos Linares Ciência da Computação CTTMar Universidade do Vale do Itajaí. Rua Uruguai Centro CEP Itajaí, SC Brasil Caixa Postal: 360 Telefone:(47) Fax: (47) katy@inf.univali.br
DATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisSistema de mineração de dados para descobertas de regras e padrões em dados médicos
Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas
Leia 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 maisAdministração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados
Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2006.2 Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento
Leia maisFeature-Driven Development
FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por
Leia maisROTEIRO PARA TREINAMENTO DO SAGRES DIÁRIO Guia do Docente
Conceito ROTEIRO PARA TREINAMENTO DO SAGRES DIÁRIO Guia do Docente O Sagres Diário é uma ferramenta que disponibiliza rotinas que facilitam a comunicação entre a comunidade Docente e Discente de uma instituição,
Leia maisSaiba quais são os diferentes tipos de diabetes
Saiba quais são os diferentes tipos de diabetes Diabetes é uma doença ocasionada pela total falta de produção de insulina pelo pâncreas ou pela quantidade insuficiente da substância no corpo. A insulina
Leia maisMINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO
MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisO que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.
O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar
Leia 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 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 maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia maisEXERCÍCIO E DIABETES
EXERCÍCIO E DIABETES Todos os dias ouvimos falar dos benefícios que os exercícios físicos proporcionam, de um modo geral, à nossa saúde. Pois bem, aproveitando a oportunidade, hoje falaremos sobre a Diabetes,
Leia maisAÇÕES EDUCATIVAS COM UNIVERSITÁRIOS SOBRE FATORES DE RISCO PARA SÍNDROME METABÓLICA
AÇÕES EDUCATIVAS COM UNIVERSITÁRIOS SOBRE FATORES DE RISCO PARA SÍNDROME METABÓLICA Reângela Cíntia Rodrigues de Oliveira Lima UFPI/cynthiast_89@hotmail.com Gislany da Rocha Brito - UFPI/gislanyrochasj@hotmail.com
Leia maissrbo@ufpa.br www.ufpa.br/srbo
CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto
Leia maisGERENCIAMENTO DO CONTEÚDO INFORMATIVO Utilizando O Sistema Web Contábil IDEAL. Atendimento: Tel : (11) 3857-9007 - e-mail: suporte@webcontabil.
GERENCIAMENTO DO CONTEÚDO INFORMATIVO Utilizando O Sistema Web Contábil 2010 IDEAL Última Atualização: 01/2010 Atendimento: Tel : (11) 3857-9007 - e-mail: suporte@webcontabil.com Módulo Calendário.:. Aba
Leia maisDecidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade
Escola de Engenharia de Lorena - EEL Controle Estatístico de Processos CEP Prof. MSc. Fabrício Maciel Gomes Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente. Conceito de
Leia maisMódulo 4: Gerenciamento de Dados
Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não
Leia maisAula 02: Conceitos Fundamentais
Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que
Leia maisSERVICE DESK MANAGER SDM. Manual do Sistema - DPOI
SERVICE DESK MANAGER SDM Manual do Sistema - DPOI Conteúdo SERVICE DESK MANAGER SDM... 1 Manual do Sistema - DPOI... 1 INTRODUÇÃO... 4 ACESSO AO SISTEMA... 5 OPÇÕES DO SISTEMA... 6 SISTEMA... 7 Pesquisar
Leia maisPós-Graduação em Gerenciamento de Projetos práticas do PMI
Pós-Graduação em Gerenciamento de Projetos práticas do PMI Planejamento do Gerenciamento das Comunicações (10) e das Partes Interessadas (13) PLANEJAMENTO 2 PLANEJAMENTO Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 ABRIL
Leia maisAlgoritmos: Lógica para desenvolvimento de programação de computadores. Autor: José Augusto Manzano. Capítulo 1 Abordagem Contextual
Algoritmos: Lógica para desenvolvimento de programação de computadores Autor: José Augusto Manzano Capítulo 1 Abordagem Contextual 1.1. Definições Básicas Raciocínio lógico depende de vários fatores para
Leia maisAplicativo para elaboração de questionários, coleta de respostas e análise de dados na área da saúde em dispositivos móveis
Aplicativo para elaboração de questionários, coleta de respostas e análise de dados na área da saúde em dispositivos móveis Visão Versão Histórico da Revisão Data Versão Descrição Autor 24/06/12
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisHistórico de Revisão Data Versão Descrição Autor
H6Projetos Documento de Requisitos Versão 1.3 Histórico de Revisão Data Versão Descrição Autor 05/09/2013 1.0 Preenchimento do Capítulo 2 Requisitos Funcionais Evilson Montenegro 26/09/2013 1.1 Preenchimento
Leia 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 maisAPLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA
APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas
Leia maisQue tipos de Diabetes existem?
Que tipos de Diabetes existem? -Diabetes Tipo 1 -também conhecida como Diabetes Insulinodependente -Diabetes Tipo 2 - Diabetes Gestacional -Outros tipos de Diabetes Organismo Saudável As células utilizam
Leia maisO que é diabetes mellitus tipo 2?
O que é diabetes mellitus tipo 2? Todas as células do nosso corpo precisam de combustível para funcionar. O principal combustível chama-se glicose, que é um tipo de açúcar. Para que a glicose consiga entrar
Leia maisUNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE EDUCAÇÃO SUPERIOR DE CIÊNCIAS TECNOLÓGICAS, DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE EDUCAÇÃO SUPERIOR DE CIÊNCIAS TECNOLÓGICAS, DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO DESENVOLVIMENTO DE UMA FERRAMENTA DE MINERAÇÃO DE DADOS APLICADA À
Leia maisMANUAL DE UTILIZAÇÃO DE SISTEMA HELP-DESK
MANUAL DE UTILIZAÇÃO DE SISTEMA HELP-DESK RT - Request Tracker para suporte CidadesWeb Vitória, Agosto de 2013 Equipe Responsável: Secretaria de Tecnologia da Informação TCEES Rua José de Alexandre Buaiz,
Leia maisPESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR
PESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR Wesley Humberto da Silva (Fundação Araucária), André Luis Andrade Menolli (Orientador) e-mail: wesleyhumberto11@mail.com
Leia maisAnálise e Projeto Orientados a Objetos Aula IV Requisitos. Prof.: Bruno E. G. Gomes IFRN
Análise e Projeto Orientados a Objetos Aula IV Requisitos Prof.: Bruno E. G. Gomes IFRN 1 Introdução Etapa relacionada a descoberta e descrição das funcionalidades do sistema Parte significativa da fase
Leia maisRock In Rio - Lisboa
Curso de Engenharia Informática Industrial Rock In Rio - Lisboa Elaborado por: Ano Lectivo: 2004/05 Tiago Costa N.º 4917 Turma: C Gustavo Graça Patrício N.º 4757 Turma: C Docente: Professora Maria Estalagem
Leia maisDESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação
DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES Trabalho de Graduação Orientando: Vinicius Stein Dani vsdani@inf.ufsm.br Orientadora: Giliane
Leia maisNome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 5º MÓDULO AVALIAÇÃO A4 DATA 23/04/2009 ENGENHARIA DE SOFTWARE Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisAnálise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO)
Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Parte: 1 Prof. Cristóvão Cunha Objetivos de aprendizagem
Leia maisGlossário Apresenta a definição dos termos, siglas e abreviações utilizadas no contexto do projeto Citsmart.
Apresenta a definição dos termos, siglas e abreviações utilizadas no contexto do projeto Citsmart. Versão 1.6 15/08/2013 Visão Resumida Data Criação 15/08/2013 Versão Documento 1.6 Projeto Responsáveis
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia mais15 Computador, projeto e manufatura
A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisManual de Utilização das Funções Básicas do Sistema ClinicWeb
Manual de Utilização das Funções Básicas do Sistema ClinicWeb Dezembro/2012 2 Manual de Utilização das Funções Básicas do Sistema ClinicWeb Sumário de Informações do Documento Título do Documento: Resumo:
Leia maisLevantamento de Requisitos
Levantamento de Requisitos 1 Segurança No início do programa, a primeira tela a aprecer será uma tela denominada Login. Só terá acesso ao sistema da locadora quem estiver logado e cadastrado no sistema
Leia maisINSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA CURSO DE ESPECIALIZAÇÃO EM ANÁLISE DE AMBIENTE ELETROMAGNÉTICO CEAAE /2008 DISCIPLINA EE-09: Inteligência
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia maisDisciplina: Unidade III: Prof.: E-mail: Período:
Encontro 08 Disciplina: Sistemas de Banco de Dados Unidade III: Modelagem Lógico de Dados Prof.: Mario Filho E-mail: pro@mariofilho.com.br Período: 5º. SIG - ADM Relembrando... Necessidade de Dados Projeto
Leia maisData, 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 maisTabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008
Tabela de Símbolos Análise Semântica A Tabela de Símbolos Fabiano Baldo Após a árvore de derivação, a tabela de símbolos é o principal atributo herdado em um compilador. É possível, mas não necessário,
Leia maisSCP - Sistema de Controle de Processo
SCP - Sistema de Controle de Processo Módulo PTS Versão do produto: 1.0 Edição do documento: Julho de 2010 Série A. Normas e Manuais Técnicos MINISTÉRIO DA SAÚDE Secretaria Executiva Departamento de Informática
Leia maisDIAGNÓSTICO DA OBESIDADE INFANTIL
DIAGNÓSTICO DA OBESIDADE INFANTIL Associação Brasileira para o Estudo da Obesidade e da Síndrome Metabólica - ABESO Dra. Maria Edna de Melo CREMESP 106.455 Responsável Científica pelo site da ABESO A Pesquisa
Leia maisIniciação científica: recursos, conhecimento e habilidades
, URL: http://www.ecmal.br/metodologia Página 1 de 5 Iniciação científica: recursos, conhecimento e habilidades A iniciação científica é um instrumento que permite introduzir os estudantes de graduação
Leia maisT U T O R I A I S WEB OF SCIENCE TUTORIAL. Biblioteca da Escola de Engenharia da UFRGS. WEB OF SCIENCE - Tutorial
T U T O R I A I S WEB OF SCIENCE TUTORIAL Biblioteca da Escola de Engenharia da UFRGS WEB OF SCIENCE - Tutorial O que é? O Web of Science é uma base de dados que disponibiliza acesso a mais de 9.200 títulos
Leia maisSoftware automatizado para controle de consultas da clínica de fisioterapia
Software automatizado para controle de consultas da clínica de fisioterapia Jeverson Siqueira 1, Wallace Caldeira 1, Jorge Aikes Junior 1 1 Ciência da Computacão Faculdades Anglo Americano de Foz do Iguaçu
Leia maisManual do Usuário. E-DOC Peticionamento Eletrônico TST
E-DOC Peticionamento APRESENTAÇÃO O sistema E-DOC substituirá o atual sistema existente. Este sistema permitirá o controle de petições que utiliza certificado digital para autenticação de carga de documentos.
Leia maisConheça mais sobre. Diabetes
Conheça mais sobre Diabetes O diabetes é caracterizado pelo alto nível de glicose no sangue (açúcar no sangue). A insulina, hormônio produzido pelo pâncreas, é responsável por fazer a glicose entrar para
Leia maisCURSO DE FORMAÇÃO. webqda - SOFTWARE DE APOIO À ANÁLISE QUALITATIVA. Entidade de formação credenciada e homologada
CURSO DE FORMAÇÃO webqda - SOFTWARE DE APOIO À ANÁLISE QUALITATIVA Entidade de formação credenciada e homologada 1. Fundamentação A investigação nas ciências humanas e sociais tem passado nas últimas décadas
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisManual da Turma Virtual: MATERIAIS. Para acessar a turma virtual com o perfil Docente, siga o caminho indicado abaixo:
Manual da Turma Virtual: MATERIAIS Para acessar a turma virtual com o perfil Docente, siga o caminho indicado abaixo: MENU TURMA VIRTUAL MENU MATERIAIS CONTEÚDO/PÁGINA WEB Esta operação possibilita que
Leia maisCICLO DE APERFEIÇOAMENTO PROFISSIONAL DOS SERVIDORES MUNICIPAIS DE MARICÁ- RJ EDITOR DE TEXTO - WORD
Faculdade de Administração, Ciências Contábeis e Turismo Pós-Graduação em Gestão de Negócios CICLO DE APERFEIÇOAMENTO PROFISSIONAL DOS SERVIDORES MUNICIPAIS DE MARICÁ- RJ EDITOR DE TEXTO - WORD EMENTA
Leia maisDiferenças da versão 6.3 para a 6.4
Release Notes Diferenças da versão 6.3 para a 6.4 Melhorias Comuns ao Sistema Help O Help Online foi remodelado e agora é possível acessar os manuais de cada módulo diretamente do sistema. Mapeamento de
Leia maisAULA 04 - TABELA DE TEMPORALIDADE
AULA 04 - TABELA DE TEMPORALIDADE 4.1 - Tabela de Temporalidade Como é cediço todos os arquivos possuem um ciclo vital, composto pelas fases corrente, intermediária e permanente. Mas como saber quando
Leia maisGerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto
Gerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com PMBoK Organização do Projeto Os projetos e o gerenciamento
Leia maisALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA
ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA INTRODUÇÃO O projeto de um banco de dados é realizado sob um processo sistemático denominado metodologia de projeto. O processo do
Leia maisMicrosoft Access: Criar consultas para um novo banco de dados. Vitor Valerio de Souza Campos
Microsoft Access: Criar consultas para um novo banco de Vitor Valerio de Souza Campos Conteúdo do curso Visão geral: consultas são essenciais Lição: inclui sete seções Tarefas práticas sugeridas Teste.
Leia maisVersão 6.0.1 Melhorias Melhorias Versão 6.0.1
Versão 6.0.1 Novembro 2010 Versão 6.0.1 Funcionalidade Completa de Planejamento do Trabalho Através dessa funcionalidade o usuário pode planejar quais tarefas e quanto tempo destinará para trabalhar em
Leia maisSISTEMA DE GERENCIAMENTO DE PROJETOS - REDMINE MANUAL DE USO
SISTEMA DE GERENCIAMENTO DE PROJETOS - REDMINE MANUAL DE USO AGOSTO DE 2013 SUMÁRIO STI/UFF - Sistema de Gerenciamento de Projetos do PDI SUMÁRIO... 2 1 Introdução... 3 1.1 O que é e qual a finalidade
Leia maisFunções básicas Cronograma Cronograma Funções Básicas
Funções Básicas Fevereiro 2015 - 1) Selecionar o menu Portfólio > Projetos, clique para janela projetos abrir. 2) Selecione botão incluir para abrir um projeto. Preencha os campos obrigatórios nos Dados
Leia maisMANUAL DE INSTRUÇÕES SISTEMA HOSPITALAR
MANUAL DE INSTRUÇÕES SISTEMA HOSPITALAR Sumário INTRODUÇÃO AO SISTEMA... 3 ENDEREÇO DE ACESSO... 3 LOGIN NO SISTEMA... 3 PERFIS DO SISTEMA... 4 PERFIL RECEPÇÃO... 4 AMBULATÓRIO... 4 CADASTRO... 6 RELATÓRIOS...
Leia maisTutorial Sistema de Eventos de Certificação e Capacitação
Tutorial Sistema de Eventos de Certificação e Capacitação Junho 2014 Sumário 1 O que é o Sistema de Certificados?... 3 2 Como acessar o Sistema?... 3 3 - Pré-requisitos para a Geração dos Certificados...
Leia maisSISTEMA. Tecnologia. Software. Hardware. Prazos. Pessoas. Qualidade. Custo GERENCIAMENTO DE RISCO: COMO GARANTIR O SUCESSO DOS PROJETOS DE TI?
GERENCIAMENTO DE RISCO: COMO GARANTIR O SUCESSO DOS PROJETOS DE TI? Os projetos de Tecnologia de Informação possuem características marcantes, que os diferencia dos demais são projetos onde o controle
Leia maisDado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados:
MC536 Introdução Sumário Conceitos preliminares Funcionalidades Características principais Usuários Vantagens do uso de BDs Tendências mais recentes em SGBDs Algumas desvantagens Modelos de dados Classificação
Leia maisSaúde da mulher em idade fértil e de crianças com até 5 anos de idade dados da PNDS 2006
Saúde da mulher em idade fértil e de crianças com até 5 anos de idade dados da PNDS 2006 José Cechin Superintendente Executivo Francine Leite Carina Burri Martins Esse texto compara as morbidades referidas
Leia maisRevisão de Estatística Básica:
Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos
Leia maisO Oficina Integrada é um sistema completo para o controle e gerenciamento de oficinas mecânicas. É o primeiro e único software que controla o fluxo
O Oficina Integrada é um sistema completo para o controle e gerenciamento de oficinas mecânicas. É o primeiro e único software que controla o fluxo em sua oficina. O sistema foi desenvolvido para ser utilizado
Leia maisDeep View CRM Manual Operacional FAC. versão: 2.0.5.3
Deep View CRM Manual Operacional FAC versão: 2.0.5.3 Deep View CRM É um sistema de CRM (Customer Relationship Management), totalmente desenvolvido em ambiente Web, com funcionalidades integradas que permitem
Leia maisExtração de Conhecimento a partir dos Sistemas de Informação
Extração de Conhecimento a partir dos Sistemas de Informação Gisele Faffe Pellegrini & Katia Collazos Grupo de Pesquisa em Eng. Biomédica Universidade Federal de Santa Catarina Jorge Muniz Barreto Prof.
Leia maisNovas curvas de avaliação de crescimento infantil adotadas pelo MS
Texto de apoio ao curso de Especialização Atividade física adaptada e saúde Prof. Dr. Luzimar Teixeira Novas curvas de avaliação de crescimento infantil adotadas pelo MS Em 2006 foi lançada pela Organização
Leia maisTrabalhos Práticos. Programação II Curso: Engª Electrotécnica - Electrónica e Computadores
Trabalhos Práticos Programação II Curso: Engª Electrotécnica - Electrónica e Computadores 1. Objectivos 2. Calendarização 3. Normas 3.1 Relatório 3.2 Avaliação 4. Propostas Na disciplina de Programação
Leia maisSUMÁRIO Acesso ao sistema... 2 Atendente... 3
SUMÁRIO Acesso ao sistema... 2 1. Login no sistema... 2 Atendente... 3 1. Abrindo uma nova Solicitação... 3 1. Consultando Solicitações... 5 2. Fazendo uma Consulta Avançada... 6 3. Alterando dados da
Leia maisManual de Utilização
Manual de Utilização Versão 1.0 18/01/2013 Sempre consulte por atualizações deste manual em nossa página. O Cotação Web está em constante desenvolvimento, podendo ter novas funcionalidades adicionadas
Leia maisGerenciador de Log. Documento Visão. Projeto Integrador 2015/2. Engenharia de Software. Versão 2.0. Engenharia de Software
Documento Visão e Documento Suplementar Gerenciador de Log Documento Visão Versão 2.0 1 Índice 1. Histórico de Revisões...3 2. Objetivo do Documento...4 3. Sobre o Problema...4 4. Sobre o produto...4 4.1.
Leia maisUniversidade Federal do Vale do São Francisco Programa de Assistência Estudantil
1 - Introdução O sistema PAE da UNIVASF é uma ferramenta desenvolvida pelo Núcleo de Tecnologia da Informação (NTI) que auxilia o processo seletivo de estudantes de graduação para o, que serão selecionados
Leia maisManual de utilização do sistema OTRS (Atendimento) Cliente Externo
Manual de utilização do sistema OTRS (Atendimento) Cliente Externo 1 LISTA DE ILUSTRAÇÕES FIGURA 1 - TELA DE LOGIN... 5 FIGURA 2 - TELA INICIAL... 6 FIGURA 3 PREFERÊNCIAS DO USUÁRIO... 6 FIGURA 4 NOVO
Leia maisSemântica para Sharepoint. Busca semântica utilizando ontologias
Semântica para Sharepoint Busca semântica utilizando ontologias Índice 1 Introdução... 2 2 Arquitetura... 3 3 Componentes do Produto... 4 3.1 OntoBroker... 4 3.2 OntoStudio... 4 3.3 SemanticCore para SharePoint...
Leia maisGerenciamento Incidentes, Problemas e de Nível de Serviço. Treinamento OTRS ITSM
Gerenciamento Incidentes, Problemas e de Nível de Serviço Treinamento OTRS ITSM Sumário Gerenciamento de Incidentes e Problemas...3 Cadastro de Serviços...4 Tipo de Serviço...4 Criticidade (Criticalidade)...4
Leia maisBanco de Dados - Senado
Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisManual do usuário. v1.0
Manual do usuário v1.0 1 Iniciando com o Vivo Gestão 1. como fazer login a. 1º acesso b. como recuperar a senha c. escolher uma conta ou grupo (hierarquia de contas) 2. como consultar... de uma linha a.
Leia maisPALAVRAS CHAVE Diabetes mellitus tipo 2, IMC. Obesidade. Hemoglobina glicada.
11. CONEX Apresentação Oral Resumo Expandido 1 ÁREA TEMÁTICA: ( ) COMUNICAÇÃO ( ) CULTURA ( ) DIREITOS HUMANOS E JUSTIÇA ( ) EDUCAÇÃO ( ) MEIO AMBIENTE ( X ) SAÚDE ( ) TRABALHO ( ) TECNOLOGIA AVALIAÇÃO
Leia maisTutorial Módulo Frequência
Tutorial Módulo Frequência Sumário 1. Módulo Frequência... 2 1.1. Perfis Envolvidos... 2 2. Operações realizadas pelo Servidor... 2 2.1 Solicitar Afastamento... 2 2.2 Consultar Afastamentos... 4 2.3. Enviar
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 mais04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 1. Prof. Rafael Dias Ribeiro. M.Sc.
MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 1 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Apresenta a diferença entre dado e informação e a importância
Leia maisIntrodução à Computação
Aspectos Importantes - Desenvolvimento de Software Motivação A economia de todos países dependem do uso de software. Cada vez mais, o controle dos processos tem sido feito por software. Atualmente, os
Leia maisDocumento de Arquitetura
Documento de Arquitetura A2MEPonto - SISTEMA DE PONTO ELETRÔNICO A2MEPonto - SISTEMA DE PONTO ELETRÔNICO #1 Pág. 1 de 11 HISTÓRICO DE REVISÕES Data Versão Descrição Autor 28/10/2010 1 Elaboração do documento
Leia mais