Classificação - avaliação de resultados - 1. Mineração de Dados 2013
|
|
- Nathalia Monsanto Van Der Vinne
- 8 Há anos
- Visualizações:
Transcrição
1 Classificação - avaliação de resultados - 1 Mineração de Dados 2013 Luís Rato (Capítulo 4 do livro Introduction to Data Mining ) Universidade de Évora, Mineração de dados / Data Mining 1
2 Desempenho Desempenho taxa de acerto, cobertura, precisão, medida-f,. Objectivo: Usar o desempenho para comparar e escolher o melhor algoritmo Estimar qual a utilidade/impacto de usar mineração de dados Como saber qual o desempenho? Universidade de Évora, Mineração de dados / Data Mining 2
3 Desempenho Como saber qual o desempenho? H1: treinar com todos os dados passados e testar usando os dados reais. Usa o máximo da informação passada, e determina o desempenho real. Dados reais, apenas conhecidos no futuro H2: treinar com todos os dados passados e testar usando todos os dados passados. Teste viciado... É possível ter uma regra Se-Então para cada instância. Não há capacidade de generalização. Quando se usam dados novos o resultado poderá ter desempenho muito baixo. Usa o máximo da informação passada, má definição de desempenho. H3: Separar dados para teste e dados para treino. Diminui os dados de treino... diminui a qualidade do treino. Não vicía o desempenho, mas não usa toda a informação passada. Universidade de Évora, Mineração de dados / Data Mining 3
4 Métodos de estimar o desempenho Holdout Reservar 2/3 para treino e 1/3 para teste Sub amostra aleatória Repetir holdout Validação cruzada Dividir em k subconjuntos (folds) k-fold: treinar com k-1 partes, e testar com a restante Leave-one-out : k=n Amostragem estratificada Sobre ou sub amostragem Bootstrap Amostragem com recolocação Universidade de Évora, Mineração de dados / Data Mining 4
5 Curva de aprendizagem Qual a dimensão da amostra? Como varia o processo de mineração em função da dimensão da amostra? Variação da dimensão da amostra: linear, geométrica. Universidade de Évora, Mineração de dados / Data Mining 5
6 Algumas questões práticas Sub-parameterização e sobre-parameterização (Underfitting and Overfitting) Valores em Falta (Missing Values) Fragmentação de dados Estratégia de procura Expressividade Replicação de árvores Universidade de Évora, Mineração de dados / Data Mining 6
7 Sub e sobre-parameterização Se o modelo é demasiado simples, os erros de treino e teste serão ambos elevados. Universidade de Évora, Mineração de dados / Data Mining 7
8 Sub e sobre-parameterização (Exemplo) 500 pontos - A circ. 500 pontos - B triang. Classe A circular: 0.5 sqrt(x 12 +x 22 ) 1 Classe B triang: sqrt(x 12 +x 22 ) > 0.5 or sqrt(x 12 +x 22 ) < 1 Universidade de Évora, Mineração de dados / Data Mining 8
9 Sobre parameterização devido a ruído Ruído distorçe a fronteira entre classes Universidade de Évora, Mineração de dados / Data Mining 9
10 Sobre parameterização devido a falta de dados Falta de dados de treino conduz a modelo incorreto Universidade de Évora, Mineração de dados / Data Mining 10
11 Sobre-parameterização Produz modelos mais complexos do que o necessário. O erro de treino deixa de ser uma estimativa do desempenho do modelo, quando aplicado a novos dados. Universidade de Évora, Mineração de dados / Data Mining 11
12 Occam s Razor (navalha de occam) Dados dois modelo com igual capacidade de representação dos dados, devemos optar pelo mais simples. Para modelos complexos há mais sensibilidade do modelo à ocorrência de erros. Assim deve incluir-se a complexidade na avaliação de desempenho. Universidade de Évora, Mineração de dados / Data Mining 12
13 Princípio do descritor Mínimo Min Description Length (MDL) X y X 1 1 X 2 0 X 3 0 X 4 1 X n 1 A Custo(Modelo,Dados) = Custo(Dados Modelo) + Custo(Modelo) Custo é o número de bits necessário para codificar os dados Procurar o algoritmo que procura o modelo com o menor custo. B X y X 1? X 2? X 3? X 4? X n? Custo(Dados Modelo) codifica os erros de classificação. No caso de árvores, o custo depende da divisão. Universidade de Évora, Mineração de dados / Data Mining 13
14 Como lidar com a sobre-parameterização(1) Pre-Pruning Parar o algoritmo antes da árvore estar completa Condições de paragem usuais: Parar se todas as intâncias pertecem à mesma classe Parar se todos os atributos de todas as instâncias são iguais Outras condições: Parar se o número de instâncias em cada folha é inferior a k Parar se a classe é estatisticamente independente dos atributos (e.g., usando e.g. teste χ 2 ) Parar se a expansão do nó corrente não melhorar a medida de impureza (e.g., Gini ou ganho de informação). Universidade de Évora, Mineração de dados / Data Mining 14
15 Como lidar com a sobre-parameterização(2) Post-pruning Fazer árvore até ao fim Cortar (podar/prune) os nós de um modo bottom-up O valor da classe duma folha é determinado pela classe maioritária das instância na sub-árvore Pode usar-se MDL para o post-pruning Universidade de Évora, Mineração de dados / Data Mining 15
16 Como lidar com a sobre-parameterização(2) AIC- akaike information criterion 2*( num de param ) +2*(ln ( erro )) Universidade de Évora, Mineração de dados / Data Mining 16
17 Valores em falta Valores em falta afetam a construção duma árvore de vários modos: Afeta as medidas de impureza Afeta a distribuição de instâncias com atributos em falta pelos ramos Afeta como uma instância de teste com valores em falta é classificada Universidade de Évora, Mineração de dados / Data Mining 17
18 Cálculo da impureza... Antes da divisão: Entropy(Parent) = -0.3 log(0.3)-(0.7)log(0.7) = Depois da divisão: Entropy(Refund=Yes) = 0 Entropy(Refund=No) = -(2/6)log(2/6) (4/6)log(4/6) = Class Class = Yes = No Refund=Yes 0 3 Refund=No 2 4 Refund=? 1 0 Entropy(Children) = 0.3 (0) (0.9183) = Gain = 0.9 ( ) = Universidade de Évora, Mineração de dados / Data Mining 18
19 Fragmentação Número de instâncias diminui quando se caminha para as folhas Número de instâncias das folhas podem não ser estatisticamente significativos Universidade de Évora, Mineração de dados / Data Mining 19
20 Procura Árvores ótimas são NP-hard greedy, top-down, partição recursiva... Outras estratégias? Bottom-up Bi-direcional Universidade de Évora, Mineração de dados / Data Mining 20
21 Fronteiras de decisão Universidade de Évora, Mineração de dados / Data Mining 21
22 Fronteiras oblíquas x + y < 1 Class = + Class = Universidade de Évora, Mineração de dados / Data Mining 22
23 Replicação P Q R S 0 Q S A mesma sub-árvore aparece em diversos ramos Universidade de Évora, Mineração de dados / Data Mining 23
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisClassificação: Definição. Classificação: conceitos básicos e árvores de decisão. Exemplos de Tarefas de Classificação
Classificação: Definição Mineração de dados Classificação: conceitos básicos e árvores de decisão Apresentação adaptada do material de apoio do livro: Introduction to Data Mining Tan, Steinbach, Kumar
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisAlgoritmos Indutores de Árvores de
Algoritmos Indutores de Árvores de Decisão Fabrício J. Barth Sistemas Inteligentes Análise e Desenvolvimento de Sistemas Faculdades de Tecnologia Bandeirantes Abril de 2013 Problema: Diagnóstico para uso
Leia maisRedes Neuronais e Aprendizagem Automática 1
Redes Neuronais e Aprendizagem Automática 2005/2006 17 a aula Fernando.Silva@ist.utl.pt Instituto Superior Técnico Redes Neuronais e Aprendizagem Automática 1 Sumário Árvores de decisão (continuação) Entropia.
Leia maisSistemas de Apoio à Decisão Árvores de decisão V 1.2, V.Lobo, EN/ISEGI, 2010
V., V.Lobo, EN/ISEGI, O que é a árvore de decisão? Arvores de decisão Victor Lobo Algorítmo para tomar decisões (ou classificar) Modo de representar conhecimento Tem penas? Nós (testes, ou conceitos) Comprimento
Leia maisO Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados
SUMÁRIO - AULA1 O Processo de KDD O processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Pré-processamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento
Leia maispossibilidade de obter grande quantidade de informação a baixo custo por consumidor
333 escolha do local para realizar teste local pode influenciar resultados localização amostragem percepção sensorial podem ocorrer diferenças para um mesmo produto, em diferentes locais, devido a: diferenças
Leia maisPré processamento de dados II. Mineração de Dados 2012
Pré processamento de dados II Mineração de Dados 2012 Luís Rato Universidade de Évora, 2012 Mineração de dados / Data Mining 1 Redução de dimensionalidade Objetivo: Evitar excesso de dimensionalidade Reduzir
Leia maisÁrvores. Algoritmos e Estruturas de Dados 2005/2006
Árvores Algoritmos e Estruturas de Dados 2005/2006 Árvores Conjunto de nós e conjunto de arestas que ligam pares de nós Um nó é a raiz Com excepção da raiz, todo o nó está ligado por uma aresta a 1 e 1
Leia maisMetodos Praticos de Amostragem para Avaliações de Impacto
Vincenzo Di Maro (DIME, World Bank) Metodos Praticos de Amostragem para Avaliações de Impacto Workshop de Avaliação de Impacto de Políticas Públicas São Paulo Março, 25-27 de 2013 1 Sumário 1. Componentes
Leia maisReconhecimento de Padrões
Engenharia Informática (ramos de Gestão e Industrial) Departamento de Sistemas e Informação Reconhecimento de Padrões Projecto Final 2004/2005 Realizado por: Prof. João Ascenso. Departamento de Sistemas
Leia maisIntrodução a Datamining (previsão e agrupamento)
Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação E o que fazer depois de ter os dados organizados? Ideias base Aprender com o passado Inferir
Leia maisÁrvore de Decisão. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Árvore de Decisão George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Tópicos Introdução Representando Árvores de Decisão O algoritmo ID3 Definições Entropia Ganho de Informação Overfitting Objetivo
Leia maisClustering - agrupamento. Baseado no capítulo 8 de. Introduction to Data Mining
Clustering - agrupamento Baseado no capítulo 8 de Introduction to Data Mining de Tan, Steinbach, Kumar Clustering - agrupamento 1 O que é Clustering? Encontar grupos de objectos tal que os objectos dentro
Leia maisAutomatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial
Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisIntrodução a Datamining (previsão e agrupamento)
E o que fazer depois de ter os dados organizados? Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideias base Aprender com o passado Inferir
Leia mais(b) Qual a probabilidade de ter sido transmitido um zero, sabendo que foi recebido um (1.0) zero?
Grupo I 5.0 valores 1. Um sistema de comunicação binária transmite zeros e uns com probabilidade 0.5 em qualquer dos casos. Devido ao ruído existente no canal de comunicação há erros na recepção: transmitido
Leia maisPLANEJAMENTO EXPERIMENTAL
PLANEJAMENTO EXPERIMENTAL Técnicas de Pesquisas Experimentais LUIS HENRIQUE STOCCO MARCIO TENÓRIO SANDRA MARCHI Introdução O Planejamento de Experimentos (Design of Experiments, DoE), técnica utilizada
Leia maisAvaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível
Avaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível Problema Um fabricante de bicos injetores de combustível instala um novo sistema digital de medição. Os investigadores
Leia maisI.3 Indução de Árvores de Decisão
I.3 Indução de Árvores de Decisão Nesta seção serão apresentados alguns conceitos básicos da técnica de indução de árvores de decisão a partir de um exemplo sobre o efeito dos raios solares sobre algumas
Leia maisUTILIZANDO O SOFTWARE WEKA
UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisRegressão logística na identificação de factores de risco em acidentes automóveis e fraude de seguros.
Regressão logística na identificação de factores de risco em acidentes automóveis e fraude de seguros. José Luís Mourão Faculdade de Ciências Universidade do Porto 28 de Janeiro de 2013 José Luís Mourão
Leia maisEstratégias de Pesquisa
Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento
Leia maisModelagem e Simulação Material 02 Projeto de Simulação
Modelagem e Simulação Material 02 Projeto de Simulação Prof. Simão Sirineo Toscani Projeto de Simulação Revisão de conceitos básicos Processo de simulação Etapas de projeto Cuidados nos projetos de simulação
Leia maisClip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008
PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008 Deliverable: D1 - Clip-art Simplification Tool Task: T1 - Clip-art Simplification
Leia maisA Preparação dos Dados
A Preparação dos Dados Escolhas Básicas Objetos, casos, instâncias Objetos do mundo real: carros, arvores, etc Ponto de vista da mineração: um objeto é descrito por uma coleção de características sobre
Leia maisPossui como idéia central a divisão de um universo de dados a ser organizado em subconjuntos mais gerenciáveis.
3. Tabelas de Hash As tabelas de hash são um tipo de estruturação para o armazenamento de informação, de uma forma extremamente simples, fácil de se implementar e intuitiva de se organizar grandes quantidades
Leia maisSelecção de Instruções
1 Selecção de Instruções Compilação 2003/04 2004 Salvador Abreu 2 Resumo Objectivo: A partir da IR, Gerar código para uma arquitectura concreta máquinas CISC máquinas load/store (RISC) Ainda não resolver
Leia maisExemplos de aplicação. Mineração de Dados 2013
Exemplos de aplicação Mineração de Dados 2013 Luís Rato Universidade de Évora, 2013 Mineração de dados / Data Mining 1 Classificação: Definição Dado uma conjunto de registos (conjunto de treino training
Leia maisRedes Neuronais e Aprendizagem Automática 1
Redes Neuronais e Aprendizagem Automática 2005/2006 18 a aula Fernando.Silva@ist.utl.pt Instituto Superior Técnico Redes Neuronais e Aprendizagem Automática 1 Sumário Árvores de decisão (continuação) Redes
Leia maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2015/2016
UNIVERSIDADE LUSÍADA DE LISBOA Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2015/2016 1. Unidade Orgânica Ciências Humanas e Sociais (1º Ciclo) 2. Curso Psicologia 3. Ciclo
Leia maisRAID. Propõe o aumento da confiabilidade e desempenho do armazenamento em disco. RAID (Redundant Array of Independent Disks )
RAID O que é um RAID? RAID RAID (Redundant Array of Independent Disks ) Matriz Redundante de Discos Independentes Propõe o aumento da confiabilidade e desempenho do armazenamento em disco. RAID Surgiu
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia maisSistemas Operacionais
Sistemas Operacionais RAID Marcelo Diniz http://marcelovcd.wordpress.com/ O que é RAID? RAID RAID (Redundant Array of Independent Disks ) Matriz Redundante de Discos Independentes Recuperar informação
Leia maisMIEC MESTRADO INTEGRADO EM ENGENHARIA CIVIL 2014/2015 PROPOSTA DE TEMAS PARA DISSERTAÇÃO RAMO DE ESPECIALIZAÇÃO/ ÁREA CIENTÍFICA: ESTRUTURAS
1 EST1 AVALIAÇÃO DA CAPACIDADE DE DEFORMAÇÃO DE ELEMENTOS TUBULARES EM AÇO José Miguel Castro CO Um dos passos essenciais no processo de avaliação da segurança sísmica de estruturas consiste na comparação
Leia mais5 Extraindo listas de produtos em sites de comércio eletrônico
5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisCT-234. Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches
CT-234 Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural Carlos Alberto Alonso Sanches CT-234 4) Árvores balanceadas AVL, Rubro-Negras, B-Trees Operações em árvores binárias de busca
Leia maisO método de Monte Carlo: algumas aplicações na Escola Básica
1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2009 O método de Monte Carlo: algumas aplicações na Escola Básica
Leia maisIntrodução a Química Analítica. Professora Mirian Maya Sakuno
Introdução a Química Analítica Professora Mirian Maya Sakuno Química Analítica ou Química Quantitativa QUÍMICA ANALÍTICA: É a parte da química que estuda os princípios teóricos e práticos das análises
Leia maisComputação Paralela. Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho.
Computação Paralela Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho Outubro 2005 Desenvolvimento de Aplicações Paralelas Uma Metodologia
Leia maisBusca. Pesquisa sequencial
Busca Banco de dados existem para que, de tempos em tempos, um usuário possa localizar o dado de um registro, simplesmente digitando sua chave. Uma tabela ou um arquivo é um grupo de elementos, cada um
Leia maisEstruturas de Armazenamento e Indexação. Rafael Lage Moreira Barbosa 10.1.4217
Estruturas de Armazenamento e Indexação Rafael Lage Moreira Barbosa 10.1.4217 Estruturas de Armazenamento Banco de Dados são armazenados fisicamente como arquivos de registro, que em geral ficam em discos
Leia mais7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora
7Testes de hipótese Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno COMENTÁRIOS INICIAIS Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma distribuição de probabilidade. Por exemplo,
Leia maisSegurança e Higiene no Trabalho
Guia Técnico Segurança e Higiene no Trabalho Volume III Análise de Riscos um Guia Técnico de Copyright, todos os direitos reservados. Este Guia Técnico não pode ser reproduzido ou distribuído sem a expressa
Leia maisCurva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado
Leia maisGestão de Stocks. Maria Antónia Carravilla. Março 2000. Maria Antónia Carravilla
Gestão de Stocks Março 2000 Introdução Objectivos Perceber o que é o stock Saber como classificar stocks Saber fazer uma análise ABC Saber comparar modelos de gestão de stocks Saber utilizar modelos de
Leia maisProporcionalidade Directa e Inversa
Proporcionalidade Directa e Inversa Ensino da Matemática I Mestrado no Ensino da Matemática do 3º Ciclo do Ensino Básico e do Secundário Faculdade de Ciências e Tecnologia da Universidade de Coimbra Helena
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisParalelização do algoritmo SPRINT usando MyGrid
Paralelização do algoritmo SPRINT usando MyGrid Juliana Carvalho, Ricardo Rebouças e Vasco Furtado Universidade de Fortaleza UNIFOR juliana@edu.unifor.br ricardo@sspds.ce.gov.br vasco@unifor.br 1. Introdução
Leia maisPedro Vasconcelos DCC/FCUP. Programação Funcional 15 a Aula Árvores de pesquisa
Programação Funcional 15 a Aula Árvores de pesquisa Pedro Vasconcelos DCC/FCUP 2014 Árvores binárias Um árvore binária é um grafo dirigido, conexo e acíclico em que cada vértice é de um de dois tipos:
Leia maisDescoberta de Conhecimento em Bases de Dados. Classificação
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Descoberta de Conhecimento em Bases de Dados. Classificação Descoberta
Leia maisExercícios de Fixação Pseudocódigo e Estruturas Básicas de Controle
Disciplina: TCC-00.7 Prog. de Computadores III Professor: Leandro Augusto Frata Fernandes Turma: A- Data: / / Exercícios de Fixação Pseudocódigo e Estruturas Básicas de Controle. Construa um algoritmo
Leia maisAprendizagem de Máquina. Ivan Medeiros Monteiro
Aprendizagem de Máquina Ivan Medeiros Monteiro Definindo aprendizagem Dizemos que um sistema aprende se o mesmo é capaz de melhorar o seu desempenho a partir de suas experiências anteriores. O aprendizado
Leia maisTEORIAS DE CONTÉUDO DA MOTIVAÇÃO:
Fichamento / /2011 MOTIVAÇÃO Carga horária 2 HORAS CONCEITO: É o desejo de exercer um alto nível de esforço direcionado a objetivos organizacionais, condicionados pela habilidade do esforço em satisfazer
Leia maisÁrvore Binária de Busca
Árvore Binária de Busca 319 Árvore Binária de Busca! construída de tal forma que, para cada nó:! nós com chaves menores estão na sub-árvore esquerda! nós com chaves maiores (ou iguais) estão na subárvore
Leia maisA máscara de sub-rede pode ser usada para dividir uma rede existente em "sub-redes". Isso pode ser feito para:
Fundamentos: A máscara de pode ser usada para dividir uma rede existente em "s". Isso pode ser feito para: 1) reduzir o tamanho dos domínios de broadcast (criar redes menores com menos tráfego); 2) para
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisLuciano Silva Rosa Contabilidade 03
Luciano Silva Rosa Contabilidade 03 Resolução de três questões do ICMS RO FCC -2010 Vamos analisar três questões do concurso do ICMS RO 2010, da FCC, que abordam alguns pronunciamentos do CPC. 35) Sobre
Leia maisSistemas de Apoio à Decisão
Sistemas de Apoio à Decisão Alternativas para modelar o processo de tomada de decisões: consultar o gestor/perito e elaborar um modelo a partir dessa informação. construir um modelo a partir de dados.
Leia maisHashing. Rafael Nunes LABSCI-UFMG
Hashing Rafael Nunes LABSCI-UFMG Sumário Mapeamento Hashing Porque utilizar? Colisões Encadeamento Separado Endereçamento Aberto Linear Probing Double Hashing Remoção Expansão Quando não usar! Mapeamento
Leia maisProf. Daniela Barreiro Claro
Prof. Daniela Barreiro Claro SQL, SQL3 e OQL são linguagens declarativas O SGBD deve processar e otimizar estas consultas antes delas serem efetivamente executadas Uma consulta possui muitas estratégias
Leia maisPLANIFICAÇÃO ANUAL DO NOVO PROGRAMA DE MATEMÁTICA
PLANIFICAÇÃO ANUAL DO NOVO PROGRAMA DE MATEMÁTICA 5º ano 2012/2013 UNIDADE: Números e Operações 1 - NÚMEROS NATURAIS OBJECTIVOS GERAIS: - Compreender e ser capaz de usar propriedades dos números inteiros
Leia maisPeriféricos e Interfaces Ano lectivo 2003/2004 Docente: Ana Paula Costa. Aula Teórica 11
Sumário: O disco rígido e a disquete estrutura física. Como os dados são armazenados fisicamente. Como o MS-DOS organiza o disco. O registo de boot. Aula Teórica 11 Leitura Recomendada: Capítulos 28 e
Leia maisFrancisco Ramos. 100 Problemas Resolvidos de Matemática
Francisco Ramos 100 Problemas Resolvidos de Matemática SUMÁRIO Questões de vestibulares... 1 Matrizes e Determinantes... 25 Geometria Plana e Espacial... 39 Aritmética... 61 QUESTÕES DE VESTIBULARES
Leia maisAlguns apontamentos da história da Análise Numérica
Análise Numérica 1 Âmbito da Análise Numérica Determinar boas soluções aproximadas num tempo computacional razoável? Slide 1 Porquê? Porque em muitos problemas matemáticos e respectivas aplicações práticas
Leia maisEstatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos
Estatística: Conceitos e Organização de Dados Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Introdução O que é Estatística? É a parte da matemática aplicada que
Leia mais16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros
16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros Eytan Modiano Códigos Cíclicos Um código cíclico é um código de bloco linear onde c é uma palavra-chave, e também
Leia maisUniversidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia maisutilizados para os relatórios estão em: http://www.fisica.ufs.br/scaranojr/labfisicaa/
Paquímetro, Micrômetro e Propagação de Incertezas Sergio Scarano Jr 19/12/2012 Links para as Apresentações e Modelos Para o Laboratório de Física A, os materiais i das aulas e os modelos utilizados para
Leia maisESCOLA SECUNDÁRIA DE LEAL DA CÂMARA
ESCOLA SECUNDÁRIA DE LEAL DA CÂMARA DEPARTAMENTO DE TECNOLOGIAS 2007/08 Curso Tecnológico de Informática Ensino Secundário Recorrente DISCIPLINA DE BASES LÓGICAS DE PROGRAMAÇÃO 11º ano (Módulo 4) OBJECTIVOS
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 maisAPRENDIZAGEM DE MÁQUINA
APRENDIZAGEM DE MÁQUINA (usando Python) Thiago Marzagão ÁRVORE DE DECISÃO & VALIDAÇÃO Thiago Marzagão APRENDIZAGEM DE MÁQUINA 1 / 20 árvore de decisão Aulas passadas: queríamos prever variáveis quantitativas.
Leia maisEstratégias para aumentar conversões
Estratégias para aumentar conversões Uma nova ferramenta para controlar os lances de forma automática, oferecendo mais controlo, flexibilidade e relatórios detalhados. Flexibilidade Controlo Relatórios
Leia maisBRINCANDO COM GRÁFICOS E MEDINDO A SORTE
BRINCANDO COM GRÁFICOS E MEDINDO A SORTE Elizabeth Pastor Garnier SEE/RJ Pedro Carlos Pereira - FAETEC Projeto Fundão IM/UFRJ Os Parâmetros Curriculares Nacionais propõem a introdução do tópico Tratamento
Leia maisLISTA 3 - Prof. Jason Gallas, DF UFPB 10 de Junho de 2013, às 14:26. Jason Alfredo Carlson Gallas, professor titular de física teórica,
Exercícios Resolvidos de Física Básica Jason Alfredo Carlson Gallas, professor titular de física teórica, Doutor em Física pela Universidade udwig Maximilian de Munique, Alemanha Universidade Federal da
Leia maisBatalha Naval Algoritmos de Busca. Correlações curriculares Matemática: Números: maior que, menor que, iguais a.
Atividade 6 Batalha Naval Algoritmos de Busca Sumário Computadores são freqüentemente requisitados a encontrar informação em grandes coleções de dados. Estes precisam desenvolver métodos rápidos e eficientes
Leia maisCapítulo 1. Introdução. 1.1 Sistemas numéricos
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo 1 Introdução O objetivo desta disciplina é discutir e aplicar técnicas e métodos numéricos para a resolução de problemas
Leia maisPERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL)
PERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL) Melhor método para avaliar investimentos 16 perguntas importantes 16 respostas que todos os executivos devem saber Francisco Cavalcante(f_c_a@uol.com.br)
Leia maisBC1424 Algoritmos e Estruturas de Dados I. Aula 16: Árvores (introdução) Prof. Jesús P. Mena-Chalco. jesus.mena@ufabc.edu.br
BC1424 Algoritmos e Estruturas de Dados I Aula 16: Árvores (introdução) Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2015 1 2 Árvores Uma árvore é uma estrutura de dados mais geral que uma lista
Leia maisThiago Marzagão 1. 1 Thiago Marzagão (Universidade de Brasília) MINERAÇÃO DE DADOS 1 / 21
MINERAÇÃO DE DADOS Thiago Marzagão 1 1 marzagao.1@osu.edu ÁRVORE DE DECISÃO & VALIDAÇÃO Thiago Marzagão (Universidade de Brasília) MINERAÇÃO DE DADOS 1 / 21 árvore de decisão Aulas passadas: queríamos
Leia maisATIVIDADES EXTRA CLASSE
ATIVIDADES EXTRA CLASSE UNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIA- UESB 1) Em que consiste o processamento de Sinais? 2) Em processamento digital de sinas, o que significa codificação da informação? 3)
Leia maisElementos de Análise Financeira Matemática Financeira e Inflação Profa. Patricia Maria Bortolon
Elementos de Análise Financeira Matemática Financeira e Inflação O que é Inflação? Inflação É a elevação generalizada dos preços de uma economia O que é deflação? E a baixa predominante de preços de bens
Leia maisCritérios de Avaliação. 3º Ano. Agrupamento de Escolas Pedro Jacques de Magalhães 1º Ciclo
Critérios de Avaliação 3º Ano 1º Ciclo Disciplina: PORTUGUÊS Domínio Parâmetros de Avaliação Instrumentos de avaliação Ponderação Oralidade Assimilar e expressar as ideias essenciais e as intenções de
Leia maisJogos vs. Problemas de Procura
Jogos Capítulo 6 Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas os movimentos que podem ser tomados pelo adversário Pontuação com sinais opostos O que
Leia maisMESTRADO EM PESQUISA DE MERCADOS 2006 2007
MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)
Leia maisMemória Cache. Prof. Leonardo Barreto Campos 1
Memória Cache Prof. Leonardo Barreto Campos 1 Sumário Introdução; Projeto de Memórias Cache; Tamanho; Função de Mapeamento; Política de Escrita; Tamanho da Linha; Número de Memórias Cache; Bibliografia.
Leia maisSessão 2 UFCD 0804 Algoritmos
Sessão 2 UFCD 0804 Algoritmos Revisões Sessão 1 Algoritmo - Definição Um algoritmo é formalmente uma sequência finita de passos que levam a execução de uma tarefa, é uma sequência de instruções para atingir
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 maisMS 777 Projeto Supervisionado Professor: Laércio Luis Vendite Ieda Maria Antunes dos Santos RA: 033337
1 Análise de Investimentos MS 777 Projeto Supervisionado Professor: Laércio Luis Vendite Ieda Maria Antunes dos Santos RA: 033337 2 Sumário 1- Juros------------------------------------------------------------------------------------------------------
Leia maisMicroeconomia I. Bibliografia. Elasticidade. Arilton Teixeira arilton@fucape.br 2012. Mankiw, cap. 5. Pindyck and Rubenfeld, caps. 2 e 4.
Microeconomia I Arilton Teixeira arilton@fucape.br 2012 1 Mankiw, cap. 5. Bibliografia Pindyck and Rubenfeld, caps. 2 e 4. 2 Elasticidade Será que as empresas conhecem as funções demanda por seus produtos?
Leia maisProgramação. Folha Prática 3. Lab. 3. Departamento de Informática Universidade da Beira Interior Portugal 2015. Copyright 2010 All rights reserved.
Programação Folha Prática 3 Lab. 3 Departamento de Informática Universidade da Beira Interior Portugal 2015 Copyright 2010 All rights reserved. LAB. 3 3ª semana EXPRESSÕES E INSTRUÇÕES 1. Revisão de conceitos
Leia mais