Apresentação da Disciplina
|
|
|
- Maria Júlia Frade Campelo
- 6 Há anos
- Visualizações:
Transcrição
1 Apresentação da Disciplina Profs. Leandro Balby & Andrey Brito Análise de Dados II Profs. Leandro Balby & Andrey Brito 1 / 18 UFCG DSC
2 Roteiro 1. Introdução 2. Motivação 3. Organização do Curso Profs. Leandro Balby & Andrey Brito 2 / 18 UFCG DSC
3 Dados são o Novo Ouro Geramos mais dados por dia do que gerávamos por década no século XX. Temos hoje dados detalhados como nunca. Como extrair conhecimento ou insights desses dados? Área estratégica para empresas. Habilidades de análise de dados estavam entre as mais quentes no LinkedIn em Profs. Leandro Balby & Andrey Brito 2 / 18 UFCG DSC
4 Uma área de muitos nomes Ciência de Dados Análise de Dados Big Data Mineração de Dados ou KDD (Knowledge Discovery in Databases) Aprendizado de Máquina Estatística Etc. Profs. Leandro Balby & Andrey Brito 3 / 18 UFCG DSC
5 Análise de Dados como Processo fonte: Profs. Leandro Balby & Andrey Brito 4 / 18 UFCG DSC
6 Roteiro 1. Introdução 2. Motivação 3. Organização do Curso Profs. Leandro Balby & Andrey Brito 5 / 18 UFCG DSC
7 Visualização O que é mais importante em um país segundo os habitantes desse país? fonte: Profs. Leandro Balby & Andrey Brito 5 / 18 UFCG DSC
8 Visualização O que é mais importante em um país segundo os habitantes desse país? fonte: Profs. Leandro Balby & Andrey Brito 6 / 18 UFCG DSC
9 Visualização Quais assuntos causaram mais repercussão no Twitter em 2014 nos EUA? fonte: Profs. Leandro Balby & Andrey Brito 7 / 18 UFCG DSC
10 Previsão Como detectar fraude em transações de cartão de crédito? Profs. Leandro Balby & Andrey Brito 8 / 18 UFCG DSC
11 Previsão Como combater o crime antes que ele aconteça? Real Time Crime Center of the Blue C.R.U.S.H in Memphis, US (Crime Reduction Utilizing Statistical History). Profs. Leandro Balby & Andrey Brito 9 / 18 UFCG DSC
12 Previsão Quem ganhará a copa do mundo? Profs. Leandro Balby & Andrey Brito 10 / 18 UFCG DSC
13 Previsão Quem ganhará as próximas eleições para presidente nos EUA? Nate Silver previu corretamente o resultado das eleições nos EUA nos 50 estados da federação. Profs. Leandro Balby & Andrey Brito 11 / 18 UFCG DSC
14 Introdução Motivação Organização do Curso Previsão Que filmes você gostaria de assistir em seguida??? Profs. Leandro Balby & Andrey Brito 12 / 18 UFCG DSC
15 Agrupamento Quais consumidores tem o mesmo perfil de compra? Profs. Leandro Balby & Andrey Brito 13 / 18 UFCG DSC
16 Agrupamento Países ricos são menos corruptos que países pobres? fonte: data-mining-reveals-a-global-link-between-corruption-and-wealth/ Profs. Leandro Balby & Andrey Brito 14 / 18 UFCG DSC
17 Big Data E quando nosso computador não consegue guardar ou processar os dados? fonte: Profs. Leandro Balby & Andrey Brito 15 / 18 UFCG DSC
18 Roteiro 1. Introdução 2. Motivação 3. Organização do Curso Profs. Leandro Balby & Andrey Brito 16 / 18 UFCG DSC
19 Metodologia Aprenda fazendo. Há muito material disponível para autoaprendizagem, muitos deles serão postados no canvas. Laboratórios interessantes que podem fazer parte dos seus portfólios. Profs. Leandro Balby & Andrey Brito 16 / 18 UFCG DSC
20 Conteúdo Exploração de Dados Regressão (Previsão Numérica) Classificação (Previsão Categórica) Agrupamento Redução de Dimensionalidade Profs. Leandro Balby & Andrey Brito 17 / 18 UFCG DSC
21 Avaliação Laboratórios. Participação das aulas e discussões. Profs. Leandro Balby & Andrey Brito 18 / 18 UFCG DSC
Aprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
ANALYTICS: Dados e Atenção
ANALYTICS: Dados e Atenção O CONCEITO DE ANALYTICS NA INTERNET DAS COISAS BASEIA-SE NA CONSTANTE GERAÇÃO DE DADOS Por Nazareno Andrade Deyvison Bruno, Icaro Ramires, Joabe Pinheiro 1 Agenda Informações
Mineração de Dados. Eduardo Raul Hruschka. Baseado no curso de Gregory Piatetsky-Shapiro, disponível no sítio
Mineração de Dados Eduardo Raul Hruschka Baseado no curso de Gregory Piatetsky-Shapiro, disponível no sítio http://www.kdnuggets.com Visão Geral: Introdução: motivação, aplicações, conceitos básicos. Agrupamento
Oi, Ficou curioso? Então conheça nosso universo.
Oi, Somos do curso de Sistemas de Informação da Universidade Franciscana, e esse ebook é um produto exclusivo criado pra você. Nele, você pode ter um gostinho de como é uma das primeiras aulas do seu futuro
DATA MINING. Prof. Fulvio Cristofoli. Mineração De Dados.
DATA MINING Mineração De Dados fulviocristofoli@uol.com.br www.fulviocristofoli.com.br Conceito As organizações perseguem inteligência. Nessa perseguição, elas processam informação, formulam planos e aspirações,
Extração 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
TCE Informática Pré-Processamento de Dados Prof. Marcelo Ribeiro
TCE Informática Pré-Processamento de Dados Prof. Marcelo Ribeiro www.acasadoconcurseiro.com.br Informática PRÉ-PROCESSAMENTO DE DADOS EM DATA MINING Técnicas de pré-processamento e transformação de dados
Mineração de Dados - Contextualização. Fonte: Prof. Fabrício J. Barth -
Mineração de Dados - Contextualização Fonte: Prof. Fabrício J. Barth - http://fbarth.net.br/ Mineração de Dados - Contextualização Uso da informação Síntese do conhecimento; Manter, disseminar, organizar,
Aprendizado de Máquina
Aprendizado de Máquina Aula #8.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Conhecimento: abstração (modelo) das relações existentes entre as informações contidas nos
Técnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 01 Introdução, motivação e áreas de aplicação Prof. Max Pereira Neurônio de McCulloch-Pitts Warren
Banco de Dados Data Mining Data Warehouse Big Data
Universidade Estadual de Mato Grosso do Sul Curso de Computação, Licenciatura Banco de Dados Data Mining Data Warehouse Big Data Prof. José Gonçalves Dias Neto profneto_ti@hotmail.com Data Mining: Introdução
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra. Padrões e processos em Dinâmica de uso e Cobertura da Terra
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra Introdução 1 2 3 4 Capacidade de Armazenamento X Análise e Interpretação
EEL891 Aprendizado de Máquina Prof. Heraldo L. S. Almeida. Introdução
1 Introdução 1. Introdução 1.1. O que é Aprendizado de Máquina? 1.2. Por que Machine Learning é o Futuro? 1.3. Algumas Aplicações 1.4. Tipos de Aprendizado 1. Introdução 17 1. Introdução 1.1. O que é Aprendizado
KDD E MINERAÇÃO DE DADOS
KDD E MINERAÇÃO DE DADOS O Processo de KDD: Visão Geral Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt CARACTERIZAÇÃO ÁREAS DE ORIGEM
Mineração de Dados com Big Data. Prof. Fabrício Olivetti de França Universidade Federal do ABC
Mineração de Dados com Big Data Prof. Fabrício Olivetti de França Universidade Federal do ABC Sobre mim Formado em Engenharia Elétrica com ênfase em Computação pela Universidade Católica de Santos. Mestrado
Introdução a Sistemas Inteligentes
Introdução a Sistemas Inteligentes Conceituação Prof. Ricardo J. G. B. Campello ICMC / USP Créditos Parte do material a seguir consiste de adaptações e extensões dos originais gentilmente cedidos pelo
Data Mining. O Processo de KDD. Mauricio Reis
1 Data Mining O Processo de KDD Mauricio Reis prof_uva@mreis.info http://mreis.info/uva-2016-9-datamining 2 ROTEIRO 1. Definição 2. Aplicação KDD problema recursos resultados 3. Área de origem 4. Histórico
com Big Data Fabrício Olivetti de França Universidade Federal do ABC
Mineração de Dados com Big Data Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Sobre mim 2. Sobre a Disciplina 1 Sobre mim Sobre mim Formado em Engenharia Elétrica com ênfase em Computação
KDD E MINERAÇÃO DE DADOS:
KDD E MINERAÇÃO DE DADOS: Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com Coleta de dados em vários
Aplicações de Sistemas Inteligentes
Aplicações de Sistemas Inteligentes Germano C. Vasconcelos Centro de Informática - UFPE 14/6/2010 1 Roteiro Inteligência Computacional Aplicações Mineração de Dados Métodos Exemplo em Análise de Crédito
CC-226 Introdução à Análise de Padrões
CC-226 Introdução à Análise de Padrões Apresentação do Curso Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 25 de fevereiro de 2008 C. H. Q. Forster
Sobre o curso. Fabrício Olivetti de França. Universidade Federal do ABC
Sobre o curso Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Sobre mim 2. Sobre a Disciplina 1 Sobre mim Sobre mim Formado em Engenharia Elétrica com ênfase em Computação pela Universidade
KDD E MINERAÇÃO DE DADOS
KDD E MINERAÇÃO DE DADOS O Processo de KDD: Visão Geral Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com
GESTÃO DE DADOS NAS ORGANIZAÇÕES. Prof. Robson Almeida
GESTÃO DE DADOS NAS ORGANIZAÇÕES Prof. Robson Almeida INFRA-ESTRUTURA DE SISTEMAS DE INFORMAÇÃO 3 CONCEITOS Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único
Agenda. Conceitos Iniciais. Modelos de aprendizado. Oportunidades e casos de uso. Ferramentas. Desafios
Machine Learning Agenda Conceitos Iniciais Modelos de aprendizado Oportunidades e casos de uso Ferramentas Desafios Ronald Bertele Bacharelado em Ciências da Computação - UCS MBA em Gestão de Negócios
KDD, 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.
SEFAZ INFORMÁTICA Data Mining Prof. Márcio Hunecke
SEFAZ INFORMÁTICA Data Mining Prof. Márcio Hunecke www.acasadoconcurseiro.com.br Informática DATA MINING Data mining (ou mineração de dados) é o processo de extrair informação válida, previamente desconhecida
Técnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 01 Introdução, motivação e áreas de aplicação Prof. Max Pereira O futuro, das máquinas inteligentes,
MINERAÇÃO DE DADOS DATA MINING AGO/ TEN AV ZEDNIK
MINERAÇÃO DE DADOS DATA MINING AGO/2008 1 TEN AV ZEDNIK OBJETIVO APRESENTAR O CONCEITO DE MINERAÇÃO DE DADOS(DM), VISANDO O APRENDIZADO DESTA SUBÁREA DA INTELIGÊNCIA ARTIFICIAL E VERIFICAR ALGUMAS APLICAÇÕES
Material Complementar - BI. Grinaldo Lopes de Oliveira Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
Material Complementar - BI Grinaldo Lopes de Oliveira (grinaldo@gmail.com) Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas Business Intelligence - Conceito Coleta de dados a partir
Passos para o Aprendizado de Máquina com Pentaho. Prof. Marcos Vinicius Fidelis UTFPR/UEPG
Passos para o Aprendizado de Máquina com Pentaho Prof. Marcos Vinicius Fidelis UTFPR/UEPG Apresentação Professor da UTFPR, leciona Sistemas de Apoio a Decisão e Tópicos Avançados em BD (WEKA, Pentaho e
Tópicos Especiais em Informática Fatec Indaiatuba 13/07/2017
Inteligência de Negócios Fatec Indaiatuba Prof. Piva Compreender as definições e conceitos básicos da Mineração de Dados (MD) Entender o processo KDD (Knowledge Discovery Data) e MD Descrever as etapas
VÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA
Business Inteligence & Analytics VÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas
Prof. Martius Vicente Rodriguez y Rodriguez, DSc.
Prof. Martius Vicente Rodriguez y Rodriguez, DSc. 1 AGENDA 1. A MUDANÇA DO AMBIENTE DE NEGÓCIOS 2. PESSOAS PROCESSOS TIC 3. GESTÃO DA MUDANÇA NA ÁREA DE TIC 4. CRM CLIENTES 5. KDD BI INTELIGÊNCIA DOS NEGÓCIOS
Pentaho IoT Analytics Open Source Trilha IoT
Pentaho IoT Analytics Open Source Trilha IoT Marcio Junior Vieira CEO & Data Scientist, Ambiente Livre Marcio Junior Vieira Mini-cv 18 anos de experiência em informática, vivência em desenvolvimento e
Métodos de Análise de Dados (AO-802)
Métodos de Análise de Dados (AO-802) DADOS INFORMAÇÃO CONHECIMENTO Rodrigo A. Scarpel rodrigo@ita.br www.ief.ita.br/~rodrigo INTELIGÊNCIA Introdução: Revolução dos Serviços (final anos 80) Dilúvio de dados
Estudo de Técnicas e Utilização de Mineração de Dados em uma Base de Dados da Saúde Pública
Estudo de Técnicas e Utilização de Mineração de Dados em uma Base de Dados da Saúde Pública Autor: Gercely da Silva e Silva 1 1 Universidade Luterana do Brasil ULBRA Canoas, RS Brasil Resumo do Trabalho
SBC - Sistemas Baseados em Conhecimento
Siglas, Símbolos, Abreviaturas DW - Data Warehouse KDD Knowledge Discovery in Database MD Mineração de Dados OLAP - On-line analytical processing SBC - Sistemas Baseados em Conhecimento 1. INTRODUÇÃO O
Regressão Linear Multivariada
Regressão Linear Multivariada Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho / 37 UFCG DSC Roteiro. Introdução 2. Modelo de Regressão Multivariada 3. Equações Normais
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM. Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP.
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP Informações Central de Relacionamento: (11) 5081-8200 (opção 1) Segunda
Data Mining. Felipe E. Barletta Mendes. 21 de maio de 2008
21 de maio de 2008 O foco principal deste material não é apresentar em minúcia todo o contexto de, muito menos o sobre o processo KDD em que a mineração de dados usualmente está inserida. O objetivo é
Roteiro. PCC142 / BCC444 - Mineração de Dados. Cenário
Roteiro PCC142 / BCC444 - Mineração de Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br www.decom.ufop.br/luiz Introdução Tarefas
Mesa redonda: BOAS PRÁTICAS DE CONTROLE INTERNO. Tema: Técnicas de revisão analítica aplicadas a custos, receitas e resultados da organização
Mesa redonda: BOAS PRÁTICAS DE CONTROLE INTERNO Tema: Técnicas de revisão analítica aplicadas a custos, receitas e resultados da organização Edmundo Augusto Chamon Caixa Econômica Federal Auditoria-Geral
Mineração de Dados e Aprendizado de Máquinas. Rodrigo Leite Durães.
Mineração de Dados e Aprendizado de Máquinas. Rodrigo Leite Durães. O que é mineração de dados Mineração de Dados é um passo no processo de KDD que consiste na aplicação de análise de dados e algoritmos
Descoberta de conhecimento em redes sociais e bases de dados públicas
Descoberta de conhecimento em redes sociais e bases de dados públicas Trabalho de Formatura Supervisionado Bacharelado em Ciência da Computação - IME USP Aluna: Fernanda de Camargo Magano Orientadora:
Metodologia de Desenvolvimento de Sistemas Informação
Instituto Superior Politécnico de Ciências e Tecnologia Metodologia de Desenvolvimento de Sistemas Informação Prof Pedro Vunge http://pedrovunge.com I Semestre de 2019 Capítulo 2 TECNOLOGIAS PARA DATA
MINERAÇÃO DE DADOS EM REDES COMPLEXAS
MINERAÇÃO DE DADOS EM REDES COMPLEXAS Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com ROTEIRO 1.
ESPECIALIZAÇÃO A DISTÂNCIA EM. Ciência de Dados e Big Data Aplicada à Administração Tributária. Área de conhecimento: Tecnologia da Informação
ESPECIALIZAÇÃO A DISTÂNCIA EM Ciência de Dados e Big Data Aplicada à Administração Tributária Área de conhecimento: Tecnologia da Informação PUC MINAS VIRTUAL CORPO DOCENTE Raphael Rodrigues Campos (Mestre)
Mineração 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
Apresentação da Disciplina
Apresentação da Disciplina Aula #1.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Roteiro Objetivos da disciplina; Conteúdo; Metodologia de ensino; Bibliografia; Critérios
Seis graus de separação
MARKETING SOCIAL As redes sociais oferecem um campo muito interessante para a aplicação desses métodos. Nelas, os usuários expõem pensamentos e sentimentos, que podem ser decisivos para processos de compra
ANÁLISE DE BIG DATA E DIGITAL ANALYTICS
CURTA DURAÇÃO ANÁLISE DE BIG DATA E DIGITAL ANALYTICS CARGA HORÁRIA: 80 horass COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS O curso de Digital Analytics tem como objetivo preparar o aluno
Regressão Linear. Prof. Dr. Leandro Balby Marinho. Análise de Dados II. Introdução Regressão Linear Regressão Múltipla
Regressão Linear Prof. Dr. Leandro Balby Marinho Análise de Dados II Prof. Leandro Balby Marinho 1 / 36 UFCG DSC Roteiro 1. Introdução 2. Regressão Linear 3. Regressão Múltipla Prof. Leandro Balby Marinho
Análise do Prontuário médico para a utilização com KDD
Análise do Prontuário médico para a utilização com KDD Kathya Collazos L. 1, Jorge Muniz Barreto 2, Gisele F. Pellegrini 3 1,3 Grupo de Pesquisas em Engenharia Biomédica (GPEB), Departamento de Engenharia
FACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS
FACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS PROJETO PEDAGÓGICO CAMPO LIMPO PAULISTA 2015 1. Público
Big Data Science Transformando Dados em Informação Porque Educação Executiva Insper Cursos de Curta e Média Duração Educação Executiva
1 Porque Educação Executiva Insper A dinâmica do mundo corporativo exige profissionais multidisciplinares, capazes de interagir e formar conexões com diferentes áreas da empresa e entender e se adaptar
Professor: Eduardo R. Hruschka Estagiário PAE: Luiz F. S. Coletta
Professor: Eduardo R Hruschka Estagiário PAE: Luiz F S Coletta (luizfsc@icmcuspbr) Sumário Definição do projeto 1 Desenvolvimento de algoritmo de Aprendizado de Máquina (AM); 2 Pré-processamento dos dados;
Existem diversas formas de tratar dados e este conjunto de formas chama-se Data
INSTITUCIONAL/IFSP PROJETO DE PESQUISA TÍTULO DO PROJETO: Text Mining na classificação de notícias Área do Conhecimento (Tabela do CNPq): 1. 0 3. 0 3. 0 0-6 1. RESUMO O volume de informações disponíveis
Plataforma de Ciência de Dados. aplicada à Saúde. Pesquisador em Saúde Pública
Plataforma de Ciência de Dados aplicada à Saúde Prof. Dr. Marcel Pedroso Prof. Dr. Marcel Pedroso Pesquisador em Saúde Pública CIÊNCIA DE DADOS - DEFINIÇÃO OBJETIVO PRINCIPAL Pesquisar, desenvolver
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto O processo de descoberta do conhecimento - KDD Roteiro Introdução Definição Etapas Desafios
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM. Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP.
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP Informações Central de Relacionamento: (11) 5081-8200 (opção 1) Segunda
Aprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala 3 CCET [quinta-feira, 8:20 12:00] Atendimento
FORMAÇÃO DO BACHAREL EM ESTATÍSTICA À LUZ DAS CIÊNCIAS DE DADOS
pg Francisco 1 Louzada (USP) SINAPE São Pedro, 24-29 de setembro de 2018 FORMAÇÃO DO BACHAREL EM ESTATÍSTICA À LUZ DAS CIÊNCIAS DE DADOS Francisco Louzada CER-CEMEAI ICMC-USP pg Francisco 2 Louzada (USP)
DATA MINING SISTEMAS DE SAÚDE. Diogo Soares Pedro Coelho Nadine Carvalho Rui Ferreira Salomé Monteiro
DATA MINING SISTEMAS DE SAÚDE Diogo Soares Pedro Coelho Nadine Carvalho Rui Ferreira Salomé Monteiro SUMÁRIO Conceito Técnicas Aplicações Exemplos na saúde Impacto nos utentes Vantagens e desvantagens
Apresentação da Disciplina
Apresentação da Disciplina Aula #1.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Roteiro Objetivos da disciplina; Conteúdo; Metodologia de ensino; Bibliografia; Critérios
Master em Big Data Analytics para Profissionais Non-Tech Powered by Watson and Qlik
Professor: Fabiano Castello Master em Big Data Analytics para Profissionais Non-Tech Powered by Watson and Qlik Duração: 30 horas/aula Sessões presenciais: 24 horas/aula (em 6 sessões presenciais) Canvas
Perfil Disciplina Depto Requisitos Requisitos Recomendados Total de Créditos Perfil Total de Créditos Perfil Total de Créditos Perfil 3
Curso de Bacharelado em Estatística - Matriz Curricular 2017. Perfil Disciplina Depto T P H Requisitos Requisitos Recomendados 1 Cálculo Diferencial e Integral 1 DM 5 1 90 1 Geometria Analítica DM 3 1
Autor(es) HARLEI MIGUEL DE ARRUDA LEITE. Orientador(es) MARINA TERESA PIRES VIEIRA. Apoio Financeiro PIBIC/CNPQ. 1. Introdução
19 Congresso de Iniciação Científica IMPLEMENTAÇÃO DE GUIAS E ALGORITMOS PARA REGRAS DE ASSOCIAÇÃO MULTIRELACIONAL NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA Autor(es) HARLEI MIGUEL DE ARRUDA LEITE Orientador(es)
Teoria. Prática. Uma trajetória aleatória. Luís Gustavo Silva e Silva III Encontro Comemorativo do Dia do Estatístico Maio
Teoria Prática Uma trajetória aleatória Luís Gustavo Silva e Silva III Encontro Comemorativo do Dia do Estatístico Maio - 2017 Início Estatística? Estágio CAEd Formei! E agora? Doutorado - Nascimento -
Ciência dos dados: a profissão do momento. Bárbara Silveira Karen Martins Larissa Maia
Ciência dos dados: a profissão do momento Bárbara Silveira Karen Martins Larissa Maia - O que é um dado? - E informação? - E conhecimento? Dado - Conjunto de valores ou ocorrências em um estado bruto,
SPORTS ANALYTICS. Mudando o Jogo. Ígor Barbosa da Costa Carlos Eduardo Pires Leandro Balby Marinho. Minicurso SBBD 17 - Uberlândia/MG, Brasil
SPORTS ANALYTICS Mudando o Jogo Ígor Barbosa da Costa Carlos Eduardo Pires Leandro Balby Marinho Apresentação Quem são os autores? IGOR BARBOSA DA COSTA CARLOS EDUARDO PIRES LEANDRO BALBY MARINHO 2 Apresentação
KDD E MINERAÇÃO DE DADOS:
KDD E MINERAÇÃO DE DADOS: Introdução e Motivação Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt Fatos: Avanços em TI e o crescimento
Regressão Logística. Prof. Dr. Leandro Balby Marinho. Inteligência Artificial. Introdução Hipótese Estimativa de Parâmetros Classificação Multiclasse
Regressão Logística Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho 1 / 19 UFCG DSC Roteiro 1. Introdução 2. Representação da Hipótese 3. Estimativa de Parâmetros 4.
Introdução ao Data Mining (Mineração de Dados)
Introdução ao Data Mining (Mineração de Dados) Quem é da área de TI, provavelmente já ouviu sobre Data Mining, mesmo que não saiba o que é. É uma das últimas modas relacionados à BD. Para se ter uma noção
Introdução. Construção. Dificuldades. Exemplos
Árvore de Decisão Árvore de Decisão Introdução Construção Dificuldades Exemplos Árvore de Decisão - Introdução Que tipo de chato você é? Árvore de Decisão - Introdução Árvore de Decisão - Introdução Árvore
Mineração de Dados com Big Data. Prof. Fabrício Olivetti de França Universidade Federal do ABC
Mineração de Dados com Big Data Prof. Fabrício Olivetti de França Universidade Federal do ABC Introdução Mineração de Dados Extração e descoberta de conhecimentos de bases de dados. Interdisciplinar: aprendizado
Informática. Aprendizado de Máquina. Professor Márcio Hunecke.
Informática Aprendizado de Máquina Professor Márcio Hunecke www.acasadoconcurseiro.com.br Informática Aula XX NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês:
Profs.: Eduardo Vargas Ferreira Walmes Marques Zeviani
Universidade Federal do Paraná Laboratório de Estatística e Geoinformação - LEG Introdução Profs.: Eduardo Vargas Ferreira Walmes Marques Zeviani O que é Machine Learning? Estatística Machine Learning
Aula 03. Evandro Deliberal
Aula 03 Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal Data Warehouse; Ambiente de Data Warehouse; Processos e ferramentas envolvidas; Arquiteturas de DW; Granularidade;
GPDI Grupo de Profissionais de Dados e Inteligência
GPDI Grupo de Profissionais de Dados e Inteligência Mercado de Trabalho BD, BI e BIG Data Uma visão geral do mercado, com foco em Profissionais de Dados Grupo de Profissionais de Dados e Inteligência Quem
Prof. Dr. Jarley Nóbrega
Prof. Dr. Jarley Nóbrega http://jarley.com jpn@jarley.com Inteligência Artificial 2019.1 Programa da Disciplina 2018.2 I - Introdução Histórico Conceitos Paradigmas de raciocínio em IA Conceito de Agentes
B A N C O D E D A D O S G E O G R Á F I C O S M A R C O N I D E A R R U D A P E R E I R A
Mineração de Dados Espaciais B A N C O D E D A D O S G E O G R Á F I C O S M A R C O N I D E A R R U D A P E R E I R A Roteiro 2 Introdução Mineração de Dados Estado da Arte Artigo apresentado Conclusão
Big Data. Transformando a gestão de dados a favor do negócio. Estevão Lazanha
Big Data Transformando a gestão de dados a favor do negócio Estevão Lazanha Itaú alguns números 63 a maior empresa do mundo (fonte: Forbes) 4,062 agências e PABs 24,597 caixas eletrônicos no Brasil US$
Canvas LMS.
A Inova Business School é uma escola de negócios que nasceu em 2013 com a missão de preparar profissionais visionários, com olhos para o futuro, ousados e inovadores. A Inova Business School também tem
Oportunidades na Ciência da Computação: Uma visão na perspectiva de Ciência de Dados
Oportunidades na Ciência da Computação: Uma visão na perspectiva de Ciência de Dados CEFET/RJ Eduardo Ogasawara eogasawara@ieee.org http://eic.cefet-rj.br/~eogasawara Ciência da Computação O que é Tecnologia
Prof. Heitor Silvério Lopes
Prof. Heitor Silvério Lopes WEKA WEKA: Waikato Environment for Knowledge Analysis Iniciado em 1992, versão estável atual: 3.8.1 É um software para mineração de dados desenvolvido em Java com código aberto
Classificação de Padrões. Abordagem prática com Redes Neurais Artificiais
Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas
TENDÊNCIA TECNOLÓGICAS Medição de energia, Smart Grid e Sistemas de Armazenamento
TENDÊNCIA TECNOLÓGICAS Medição de energia, Smart Grid e Sistemas de Armazenamento Eduardo Fagundes 14º COBEE, 31/8/2017 INDÚSTRIA 4.0 produção em massa individualizada CARROS ELÉTRICOS Alemanha proíbe
Mineração de Dados Aplicada no Contexto Educacional
Giana da Silva Bernardino ¹ e Alexandre Leopoldo Gonçalves Universidade Federal de Santa Catarina ¹gianagsb@gmail.com RESUMO Este trabalho faz uso da mineração de dados com o objetivo de encontrar informações
A contribuição de Mineração de Dados no processo de Autoavaliação dos cursos superiores do Instituto Federal de Sergipe
A contribuição de Mineração de Dados no processo de Autoavaliação dos cursos superiores do Instituto Federal de Sergipe Leopoldo Ramos de Oliveira 1, Fausto Bernard Melo Soares 2, José Acácio de Jesus
Informática Parte 19 Prof. Márcio Hunecke
Escriturário Informática Parte 19 Prof. Márcio Hunecke Informática NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês: "machine learning") ou aprendizagem
Inteligência Artificial e o Futuro do Trabalho
Inteligência Artificial e o Futuro do Trabalho Prof. Dr. Cesar Alexandre de Souza FEA/USP calesou@usp.br 2º Ciclo de Estudos Revolução 4.0. Impactos aos modos de produzir e viver Instituto Humanitas Unisinos
Data Mining. Rodrigo Leite Durães
Rodrigo Leite Durães rodrigo_l_d@yahoo.com.br Processo de mineração de dados e descoberta de informações relevantes em grandes volumes de dados. "... processo não-trivial de identificar, em dados, padrões
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Introdução a Machine Learning: Teoria, Aplicações e IA na Arquitetura Intel Vitor Hugo Ferreira, DSc - UFF Flávio Mello, DSc UFRJ e Ai2Biz
TRANSFORMAMOS DADOS DE PESQUISA EM DECISÕES DE NEGÓCIO INTELIGENTES. Felipe Mendes, Presidente do Grupo GfK no Brasil
TRANSFORMAMOS DADOS DE PESQUISA EM DECISÕES DE NEGÓCIO INTELIGENTES Felipe Mendes, Presidente do Grupo GfK no Brasil Os Benefícios do Big Data! Big Data: do conceito à prática 80% conhece o conceito 47%
Computação e Imagens: PI, CG e Visualização. Computação Visual
Computação e Imagens: PI, CG e Visualização Computação Visual Instituto de Ciências Matemáticas e de Computação ICMC-USP São Carlos, 2016 1 Roteiro Visão Geral das áreas da computação que envolvem manipulação
Modelagem de Sistemas Complexos para Políticas Públicas. Patrícia A. Morita Sakowski 29/09/2017
Modelagem de Sistemas Complexos para Políticas Públicas Patrícia A. Morita Sakowski 29/09/2017 Motivador Apresentar o que são modelos baseados em sistemas complexos e discutirmos se é possível utilizá-los
Data Science. Data Stream Mining: trabalhando com dados massivos. André Luís Nunes Porto Alegre, Globalcode Open4education
Data Science Data Stream Mining: trabalhando com dados massivos André Luís Nunes Porto Alegre, 2018 Globalcode Open4education Data Stream Mining trabalhando com dados massivos 2018 agenda andré luís nunes
Mineração de Dados em Biologia Molecular
Mineração de Dados em Biologia Molecular WEKA Tópicos Introdução Simuladores de MD Principais módulos André C. P. L. F. de Carvalho Monitor: Váléria Carvalho André Ponce de Leon de Carvalho 2 Usando MD
Minerando 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