Knowledge Discovery and Data Mining Extensão-UFMS-DCT
|
|
- Ana Laura Almeida Quintão
- 8 Há anos
- Visualizações:
Transcrição
1 Knowledge Discovery and Data Mining Extensão-UFMS-DCT
2 Introdução ao Processo de KDD Esta introdução se baseou quase que integralmente nas transparências produzidas por: Daniel L. Silver Ph.D. Ciênc. Computação/Aprendizado de Máquina Dalhousie University Fundador da CogNova Technologies (London, 1993) MBA
3 We are drowning(afogando) in information, but starving (famintos) for knowledge. John Naisbett Objetivo do Curso: Introduzir os principais aspectos do Processo de Descoberta de Conhecimento e teoria e aplicações de algumas tecnologias de Data Mining
4 1. Introdução - Aula 1 Sumário 2. Mini-Curso de Data Mining
5 Introdução Um campo que está emergindo rapidamente... Também denominado: Data dredging( dragar ), Data harvesting( colheita ), Data archeology( arqueologia ) Um campo multidisciplinar: Bancos de Dados e data warehousing Dados e métodos visualização de modelos Estatística e aprendizado de máquina Sistemas Especialistas e aquisição de conhecimento
6 Introdução Porque está se distinguindo agora? Abundância de dados do comércio e da industria Competividade - Administração do Conhecimento Computadores poderosos e baratos Forte fundamentação teórico/matemático aprendizado de máquina & inferência lógica estatística e sistemas dinâmicos sistemas de gerenciamento de bancos de dados
7 Introdução O que é KDD? Um Processo A seleção e processamento de dados para: a identificação de padrões novos, precisos e úteis. A modelagem de fenômenos do mundo real. Data mining é o maior componente do processo de KDD - descoberta automática de padrões e o desenvolvimento de modelos de previsão e de explanação(explicação).
8 Introdução O Processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Preprocessamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento Dados Consolidados Fontes de dados
9 Introdução KDD em Contexto 9 The KDD Process Interpretation and Evaluation Problema Data Consolidation Selection and Preprocessing W arehouse Data Mining Prepared Data p(x) =0.02 Patterns & M odels K now ledge Conhecimento Consolida ted Data Data Sources C og No va T ec hnologies Identificar o Problema ou Oportunidade O ciclo virtuoso Agir sobre o conhecimento Etratégia Medir o Efeito da Ação Resultados
10 Introdução KDD em Contexto Marketing Database Marketing Data Warehousing KDD & Data Mining
11 Áreas de Aplicação e Oportunidades Marketing: segmentação, interesse dos clientes,... Finanças: apoio a investimentos Operações Bançárias & Segurança: aprovação de crédito e de apólice, Segurança: bomba, icebergue e detecção de fraudes Ciência e medicina: descoberta de hipóteses, previsão, classificação, diagnóstico, Produção: modelagem de processo, controle de qualidade, alocação de recursos, Engenharia: simulação e analise, reconhecimento de padrões, processamento de sinal Internet:mecanismo de busca inteligente, web marketing
12 O Processo de KDD Problemas Principais & Abordagens Problemas: identificação dos dados relevantes representação dos dados busca por padrões ou modelos válidos Abordagens: dedução top-down por especialista visualização interativa dos dados/modelos * indução bottom-up a partir dos dados * Probabilidade de venda renda OLAP Data Mining idade
13 O Processo de KDD A Arquitetura de um sistema KDD Interface Gráfica com Usuário Consolidação dos dados Seleção e Preprocessamento Data Mining Interpretação e Avaliação Fontes dos dados Warehouse Conhecimento
14 Consolidação dos Dados & Preparação A qualidade dos resultados está diretamente relacionada à qualidade dos dados 50%-70% dos esforços do processo de KDD serão gastos na consolidação e preparação dos dados Principal justificativa para um data warehouse cooperativa
15 Consolidação dos Dados Das fontes de dados para os repositórios de dados consolidados RDBMS Legacy DBMS Flat Files External Consolidação de Dados e Limpeza Warehouse Objeto/Relação DBMS Multidimensional DBMS Bases de Dados Dedutivas Flat files
16 Consolidação dos Dados Determinar lista preliminar de atributos Consolidar dados em bases de dados de trabalho Fontes Internas e Externas Eliminar ou estimar valores que faltam Remover outliers (exceções óbvias) Determinar probabilidades a priori de categorias e tratar com volume bias
17 Consolidação dos Dados Opções de escolha para repositórios warehouse Bases de dados OLTP - poucas ferramentas analíticas, lento. ORDBMS - o melhor de relação e orientado a objeto: transações SQL + tipos de dados e métodos, classes de objetos, herança. Bases de Dados Dedutivas - extensão de RDBMS, insere lógica na base de dados (níveis de abstração). MDBMS - arrays multidimensionais de muitas variáveis: rotacionar, selecionar intervalos, drill-down hierarquias. Flat files - um lugar para começar, compatível com as ferramentas de data mining atuais.
18 O Processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Preprocessamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento Dados Consolidados Fontes de dados
19 Seleção e Preprocessamento Gerar um conjunto de exemplos escolher método de amostragem considerar a complexidade amostral tratar com questões de volume bias Reduzir a dimensão dos atributos remover atributos redundantes e/ou correlacionados combinar atributos (somar, multiplicar, diferença) Reduzir intervalo de variação dos atributos agrupar valores discretos simbólicos quantificar valores numéricos contínuos OLAP e ferramentas de visualização assumem um papel importante
20 OLAP - Processamento Analítico ON-Line Este termo refere-se ao tipo de processamento e ferramentas voltados para a análise de dados típica do apoio à decisão, onde os dados são apresentados através de uma visão multidimensional (ao invés de registros em tabelas armazena os
21 Seleção e Pre-processamento Transformar dados extrair correlações e normalizar valores mapear dados de series temporais para representação estática Codificar dados representação deve ser apropriada para a ferramenta de Data Mining que será usada continuar a reduzir a dimensão dos atributos, quando possível, sem perda de informação Ferramentas OLAP e de visualização e também software de transformação e de codificação
22 Introdução O Processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Preprocessamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento Dados Consolidados Fontes de dados
23 Alguns Métodos de Data Mining Exploração/Descoberta Automática ex. Descobrir novos segmentos de mercado Algoritmos de agrupamento(clustering) probabilísticos e de distancia x2 Previsão/Classificação ex. previsão de venda dados os fatores atuais regressão, redes neurais, algoritmos genéticos Explanação/Descrição x1 f(x) x e.g.. Caracterizando clientes pela demografia e história de compra árvores de decisão indutiva, sistemas de regras de associação. if age > 35 and income < $35k then...
24 Métodos de Data Mining Exploração e Descoberta Automática Agrupamento(clustering) numérico baseado em distância agrupamento métrico de exemplos(knn) visualização gráfica pode ser usada Agrupamento bayesiano buscar o número de classes que resulta em melhor ajuste de uma distribuição de probabilidade para os dados AutoClass x2 (NASA) um dos melhores exemplos x1
25 Métodos de Data Mining Previsão e Classificação Aprender um modelo que faz previsão Classificação de um novo caso/exemplo Métodos: Redes Neurais Artificiais Árvores de decisão indutivas e sistema de regras Algoritmos Genéticos Algoritmos de agrupamento Nearest neighbour Estatística (paramétrica, e não-paramétrica)
26 Métodos de Data Mining Generalização O objetivo da aprendizagem é encontrar boa generalização para novos casos. Generalização pode ser definida como uma interpolação matemática ou regressão sobre um conjunto de pontos de treinamento: f(x) x
27 Métodos de Data Mining Detecção de Exceção/Desvio Gerar um modelo da atividade normal Desvios do modelo causam estado de alerta Métodos: Redes Neurais Artificiais Árvores de decisão indutiva e sistemas de regras Métodos estatísticos Ferramentas de vizualização
28 Métodos de Data Mining Explanação e Descrição Aprender uma hipótese generalizada (modelo) usando os dados selecionados Descrição/Interpretação do modelo fornece novos conhecimentos Métodos: Árvores de decisão indutiva e sistemas de regras Sistemas de regras de associação Analise de Link
29 Introdução O Processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Preprocessamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento Dados Consolidados Fontes de dados
30 Interpretação e Avaliação Avaliação Validação estatística e teste de significância Revisão qualitativa por especialista do domínio Fazer estudos pilotos para avaliar a precisão do modelo Interpretação Árvores indutivas e modelos de regras podem ser lidos diretamente Resultados de agrupamentos(clustering) podem ser colocados em gráficos e tabelas Códigos podem ser gerados automaticamente por alguns sistemas (ANNs, IDTs, Modelos de Regressão)
31 Interpretação e Avaliação Ferramentas de visualização podem ser muito úteis: análise de sensitividade (relacionamento E/S) histogramas da distribuição de valores gráficos de séries temporais e animação requer treino e pratica Resposta Velocidade Tempo
32 Benefícios do KDD Máxima utilidade a partir de dados corporativos descoberta de novos conhecimentos geração de modelos preditivos e exploratórios modelos feedback importante para o esforço de data warehousing - identificação de dados essenciais e irrelevantes Redução de aplicação dev t backlog desenvolvimento de modelo e Desenvolvimento de software Efeito sobre a hierarquia das organizações vantagem competitiva, redução de custo, aumenta produtividade, evitar riscos, confiabilidade
33 Exigências e Custos do KDD Hardware - a intensidade computacional exige rapidez e processadores paralelos para grandes projetos Software - sistema integrado de KDD é composto componentes dedutiva, indutiva e de visualização todas ligadas ao data warehouse. Recursos Humanos- especialista em DB/DC, analistas para seleção e pré-processamento, competência em aprendizado de máquina e and estatística, conhecimento da aplicação, administração do projeto 70% do esforço é gasto nas atividades de consolidação, seleção, e pré-processamento dos dados.
34 O Estado Atual do KDD(1996) Metodologias atrasadas em relação as tecnologias Muitos produtos, poucos integrados a sistemas KDD Os custos de Software subiram 600% no último ano Muitos atores(players) sendo envolvidos a lever to sell proprietary hardware and software Cautela - principais atores ainda a serem determinados Especialistas em KDD têm medo da propaganda que está sendo gerada Questões éticas e legais no horizonte
35 Principais Tecnologias para KDD Data warehousing e bases de dados distribuídas Computadores Paralelos AI e sistemas especialistas Aprendizado de máquina e inferência estatística Visualização (incluindo VR) Internet e bons serviços de rede
36 Questões Atuais de Administração Propriedade dos dados e conhecimento Proteção para os dados dos clientes Responsabilidade de precisão nas informações Pratica da ética - uso lícito dos dados
37 Uma Lista de Ferramentas Disponíveis Muitos atores Approaching market from hardware, bases de dados, estatística,aprendizado de máquina, educação, financeiro/marketing, e logo... Consultores de administração: IBM, NCR, SGI, Thinking Machines, Ultragem, ZDM Scientific, Neuralware, SAS, SPSS, Information Discovery, American Heuristics, Data Distilleries, SuperInduction, GTE, NASA, various univeristies
38 O Mini-Curso de Data Mining CONTEÚDO - Aprendizagem indutiva. - Aprendizagem supervisionada e não supervisionada. - A teoria da aprendizagem por regras de decisão (paradigma simbólico). - Apresentação do Software WizRule e de outros, como por exemplo C4.5, aplicado ao banco de dados do vestibular. - Apresentação de técnicas de avaliação quantitativa e qualitativa de regras. - A teoria da aprendizagem por árvores de decisão(paradigma simbólico). - Apresentação do algoritmo ID.3 e outros da mesma família. - Apresentação de técnicas de avaliação de árvores de decisão. - Introdução aos paradigmas conexionista, estatístico, instance- based e genético.
Aprendizagem 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 maisData Mining: Conceitos e Técnicas
Data Mining: Conceitos e Técnicas DM, DW e OLAP Data Warehousing e OLAP para Data Mining O que é data warehouse? De data warehousing para data mining Data Warehousing e OLAP para Data Mining Data Warehouse:
Leia maisMineração de Dados. Prof. Júlio Cesar Nievola Especialização em Inteligência Computacional PPGIA - PUCPR
Mineração de Dados PPGIA - PUCPR Agenda 1. Histórico 2. Definições e Características 3. Processo e Tarefas de DM 4. Pré-Processamento 5. Representação do Conhecimento 6. Principais Tarefas 7. Procedimentos
Leia maisChapter 3. Análise de Negócios e Visualização de Dados
Chapter 3 Análise de Negócios e Visualização de Dados Objetivos de Aprendizado Descrever a análise de negócios (BA) e sua importância par as organizações Listar e descrever brevemente os principais métodos
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 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 maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação ão? Como um sistema de gerenciamento
Leia maisIdentificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de
1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever
Leia maisGerenciamento de Dados e Gestão do Conhecimento
ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento
Leia maisFUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO
@ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio
Leia maisPrograma do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)
Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento
Leia maisSistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br
Sistema Tipos de sistemas de informação Everson Santos Araujo everson@everson.com.br Um sistema pode ser definido como um complexo de elementos em interação (Ludwig Von Bertalanffy) sistema é um conjunto
Leia maisPós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining
Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00
Leia maisLISTA DE EXERCÍCIOS. 1. Binário: Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único caractere
1. Binário: LISTA DE EXERCÍCIOS Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único caractere Campo: Grupo de palavras ou um número completo Registro: Grupo de
Leia maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?
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 maisProfessor: Disciplina:
Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais
Leia 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 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 maisResumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence
É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade
Leia maisSAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares
SAD Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares DataWarehouse Armazena informações relativas a uma organização em BD Facilita tomada de decisões Dados são coletados de OLTP(séries históricas) Dados
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na
Leia maisMATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)
AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)
Leia maisProjeto 6.12 Aplicação de Data Mining a Dados de Avaliação da Qualidade de Produtos de Software
Programa Brasileiro de Qualidade e Produtividade Projeto 6.12 Aplicação de Data Mining a Dados de Avaliação da Qualidade de Produtos de Software Maria Teresa Villalobos Newton Roy Pampa Quispe Regina Maria
Leia maisClassificação dos Sistemas de Informação
Sistemas de Informação Classificação dos Sistemas de Informação O que veremos? Estaremos examinando o tipo de sistema de informação Gerencial. Veremos também, outras classificações dos sistemas de informação.
Leia maisKDD. Fases limpeza etc. Datamining OBJETIVOS PRIMÁRIOS. Conceitos o que é?
KDD Conceitos o que é? Fases limpeza etc Datamining OBJETIVOS PRIMÁRIOS TAREFAS PRIMÁRIAS Classificação Regressão Clusterização OBJETIVOS PRIMÁRIOS NA PRÁTICA SÃO DESCRIÇÃO E PREDIÇÃO Descrição Wizrule
Leia maisSAD orientado a MODELO
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER
Leia maisAplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.
Sumário Data Warehouse Modelagem Multidimensional. Data Mining BI - Business Inteligence. 1 2 Introdução Aplicações do negócio: constituem as aplicações que dão suporte ao dia a dia do negócio da empresa,
Leia maisMotivação: inundação de informação. Data warehouse. Inteligência computacional aplicada em finanças, comércio e indústria
Programa de Especialização em Inteligência Computacional Motivação: inundação de informação Morrendo de sede por conhecimento em um oceano de dados Inteligência computacional aplicada em finanças, comércio
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot
Leia maisProjeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC
Projeto Pedagógico do Bacharelado em Ciência da Computação Comissão de Curso e NDE do BCC Fevereiro de 2015 Situação Legal do Curso Criação: Resolução CONSU no. 43, de 04/07/2007. Autorização: Portaria
Leia maisINTELIGÊNCIA COMPUTACIONAL
INTELIGÊNCIA COMPUTACIONAL Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Dados pessoais Rosalvo Ferreira de Oliveira Neto MSc. em ciência da computação (UFPE) rosalvo.oliveira@univasf.edu.br
Leia maisLaudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1
Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO
Leia maisDecisão Suporte: Warehousing, OLAP e Data Mining
Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.
Leia maisDecisão Suporte: Warehousing, OLAP e Data Mining
Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.
Leia maisEMENTAS DAS DISCIPLINAS
EMENTAS DAS DISCIPLINAS CURSO CST ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO 68 A disciplina estuda a área da informática como um todo e os conceitos fundamentais, abrangendo desde a
Leia maisSistemas de Apoio à Decisão (SAD) - Senado
Sistemas de Apoio à Decisão (SAD) - Senado DW OLAP BI Ilka Kawashita Material preparado :Prof. Marcio Vitorino Sumário OLAP Data Warehouse (DW/ETL) Modelagem Multidimensional Data Mining BI - Business
Leia maisExemplo de Aplicação do DataMinig
Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta
Leia maisCURSO DE SISTEMAS DE INFORMAÇÃO
1 CURSO DE SISTEMAS DE INFORMAÇÃO EMENTÁRIO DAS DISCIPLINAS 2011.1 BRUSQUE (SC) 2015 2 SUMÁRIO 1ª FASE... 4 01 ARQUITETURA DE COMPUTADORES... 4 02 FILOSOFIA... 4 03 FUNDAMENTOS MATEMÁTICOS PARA COMPUTAÇÃO...
Leia maisInteratividade aliada a Análise de Negócios
Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,
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 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 maisGRADUAÇÃO E PÓS-GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS
GRADUAÇÃO E PÓS-GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS Graduação PROCESSOS GERENCIAIS 1.675 HORAS Prepara os estudantes para o empreendedorismo e para a gestão empresarial. Com foco nas tendências
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 maisProf. Msc. Paulo Muniz de Ávila
Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida
Leia maisData Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento
Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um
Leia maisCURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO
CURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO DISCIPLINA: Metodologia Científica H111900 Finalidade da metodologia científica. Importância da metodologia no âmbito das ciências. Metodologia de estudos. O
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 maisMBA Inteligência Competitiva Com ênfase em BI/CPM. Metadados
MBA Inteligência Competitiva BI/CPM 1 Data Warehousing PÓS-GRADUAÇÃO MBA Inteligência Competitiva Com ênfase em BI/CPM Metadados Andréa Cristina Montefusco (36927) Hermes Abreu Mattos (36768) Robson Pereira
Leia maisData Mining Software Weka. Software Weka. Software Weka 30/10/2012
Data Mining Software Weka Prof. Luiz Antonio do Nascimento Software Weka Ferramenta para mineração de dados. Weka é um Software livre desenvolvido em Java. Weka é um É um pássaro típico da Nova Zelândia.
Leia maisNo mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o
DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é
Leia maisDATA 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 maisMetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica
MetrixND especificações MetrixND - Ferramenta de previsão de energia elétrica Visão geral O MetrixND da Itron é uma ferramenta de modelagem flexível, bastante usada pelos principais serviços de previsão
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 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 maisPós-Graduação Lato Sensu em ENGENHARIA DE MARKETING
Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Inscrições Abertas: Início das aulas: 28/03/2016 Término das aulas: 10/12/2016 Dias e horários das aulas: Segunda-Feira 18h30 às 22h30 Semanal Quarta-Feira
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.
Leia mais4. SISTEMAS DE APOIO À DECISÃO
1 4. SISTEMAS DE APOIO À DECISÃO A necessidade dos Sistemas de Apoio à Decisão (SAD) ou Sistemas de Suporte à Decisão (SSD) surgiu em decorrência de diversos fatores, como, por exemplo: Competição cada
Leia maisFase 1: Engenharia de Produto
Fase 1: Engenharia de Produto Disciplina: Análise de Requisitos DURAÇÃO: 44 h O objetivo principal da disciplina é realizar uma análise das necessidades e produzir um escopo do produto. Representará os
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 maisSistema de Informação
Sistema de Informação Prof. Marcos Monteiro MBA, ITIL, Perito Computação Forense Sistema de Informação Um sistema de informação (SI) coleta,armazena, analisa, e dissemina informações com um objetivo específico
Leia maisSistemas de Informações Gerenciais Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios
Sistemas de Informações Gerenciais Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios Como Melhorar a Tomada de Decisão e a Gestão do Conhecimento Capítulo
Leia maisIntrodução. Capítulo 1
Capítulo 1 Introdução Em computação, muitos problemas são resolvidos por meio da escrita de um algoritmo que especifica, passo a passo, como resolver um problema. No entanto, não é fácil escrever um programa
Leia maisCriação e uso da Inteligência e Governança do BI
Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Governança do BI O processo geral de criação de inteligência começa pela identificação e priorização de
Leia maisPrograma do Curso de Pós-Graduação Lato Sensu MBA em Engenharia de Software Orientada a Serviços (SOA)
Programa do Curso de Pós-Graduação Lato Sensu MBA em Engenharia de Software Orientada a Serviços (SOA) Apresentação O programa de Pós-graduação Lato Sensu em Engenharia de Software Orientada a Serviços
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 maisCURSO DE SISTEMAS DE INFORMAÇÃO
1 CURSO DE SISTEMAS DE INFORMAÇÃO EMENTÁRIO DAS DISCIPLINAS 2015.1 BRUSQUE (SC) 2015 2 SUMÁRIO 1ª FASE... 4 01 ARQUITETURA DE COMPUTADORES... 4 02 FILOSOFIA... 4 03 FUNDAMENTOS MATEMÁTICOS... 4 04 TEORIA
Leia maisDATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago
DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data
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 maisCoNaIISI 2014 2º Congresso Nacional de Engenharia Informática / Sistemas de Informação
CoNaIISI 2014 2º Congresso Nacional de Engenharia Informática / Sistemas de Informação San Luis, 13 y 14 de Novembro de 2014 CHAMADA PARA APRESENTAÇÃO DE TRABALHOS O CoNaIISI é organizado pela rede de
Leia maisTecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler
Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler Introdução Objetivos da Gestão dos Custos Processos da Gerência de Custos Planejamento dos recursos Estimativa dos
Leia maisUNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado)
UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado) SISTEMA INTERNO INTEGRADO PARA CONTROLE DE TAREFAS INTERNAS DE UMA EMPRESA DE DESENVOLVIMENTO
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 maisSAD orientado a DADOS
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a DADOS DISCIPLINA: Sistemas de Apoio a Decisão SAD orientado a dados Utilizam grandes repositórios
Leia maisModelo de dados do Data Warehouse
Modelo de dados do Data Warehouse Ricardo Andreatto O modelo de dados tem um papel fundamental para o desenvolvimento interativo do data warehouse. Quando os esforços de desenvolvimentos são baseados em
Leia maisAdministração de CPD Chief Information Office
Administração de CPD Chief Information Office Cássio D. B. Pinheiro pinheiro.cassio@ig.com.br cassio.orgfree.com Objetivos Apresentar os principais conceitos e elementos relacionados ao profissional de
Leia maisApresentação, xix Prefácio à 8a edição, xxi Prefácio à 1a edição, xxiii. Parte I - Empresa e Sistemas, 1
Apresentação, xix Prefácio à 8a edição, xxi Prefácio à 1a edição, xxiii Parte I - Empresa e Sistemas, 1 1 SISTEMA EMPRESA, 3 1.1 Teoria geral de sistemas, 3 1.1.1 Introdução e pressupostos, 3 1.1.2 Premissas
Leia maisExtração de Requisitos
Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo
Leia maisCiência dos Dados. bruno.domingues@intel.com. Preparado por Intel Corporation Bruno Domingues Principal Architect. segunda-feira, 5 de agosto de 13
Ciência dos Dados Preparado por Intel Corporation Bruno Domingues Principal Architect bruno.domingues@intel.com Homem na Lua Software Data: 1969 64kb, 2kb, RAM, Fortran Tem que funcionar! Apolo XI Velocidade:
Leia maisCURSO DE GRADUAÇÃO PRESENCIAL SISTEMAS DE INFORMAÇÃO
FUNDAÇÃO UNIVERSIDADE DO TOCANTINS CURSO DE GRADUAÇÃO PRESENCIAL SISTEMAS DE INFORMAÇÃO Identificação do Curso Nome do Curso: Sistemas de Informação Titulação: Bacharelado Modalidade de ensino: Presencial
Leia maisBIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com
BIG DATA INTRODUÇÃO Humberto Sandmann humberto.sandmann@gmail.com Apresentação Humberto Sandmann humberto.sandmann@gmail.com Possui graduação em Ciências da Computação pelo Centro Universitário da Faculdade
Leia mais14 de dezembro de 2012 MONITORAMENTO DO PROGRAMA APRENDIZ LEGAL/ FUNDAÇÃO ROBERTO MARINHO
14 de dezembro de 2012 MONITORAMENTO DO PROGRAMA APRENDIZ LEGAL/ FUNDAÇÃO ROBERTO MARINHO 1. APRESENTAÇÃO A presente proposta de projeto refere-se ao Monitoramento do Programa Aprendiz Legal idealizado
Leia maisTÓPICOS 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 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 maisUma estrutura (framework) para o Business Intelligence (BI)
Uma estrutura conceitural para suporteà decisão que combina arquitetura, bancos de dados (ou data warehouse), ferramentas analíticas e aplicações Principais objetivos: Permitir o acesso interativo aos
Leia maisUma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA
Universidade Federal da Bahia Instituto de Matemática Departamento de Ciência da Computação MATA67 Projeto Final II Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto
Leia maisBusiness Intelligence. BI CEOsoftware Partner YellowFin
Business Intelligence BI CEOsoftware Partner YellowFin O que é Business Intelligence Business Intelligence (BI) é a utilização de uma série de ferramentas para coletar, analisar e extrair informações,
Leia maisMBA EM BUSINESS INTELLIGENCE
MBA EM BUSINESS INTELLIGENCE Como a sua empresa estrutura informações estratégicas? Como as decisões são tomadas? São considerados, dados, informações e tendências, de macroambientes? O quanto você conhece
Leia maisInstitucional. CS Treina www.cstreina.com.br
Institucional Agenda Por que a CS Treina? Como nós atuamos? O que nós entregamos? A CS Treina Oferecemos serviços de Treinamentos para equipes de TI. Criamos e adaptamos treinamentos especiais para atender
Leia maisTEMPLATES DE REFERÊNCIA PARA PLANEJAMENTO DE PROJETOS DE INVESTIMENTO
TEMPLATES DE REFERÊNCIA PARA PLANEJAMENTO DE PROJETOS DE INVESTIMENTO Estratégia & Desempenho Empresarial Gerência de Análise e Acompanhamento de Projetos de Investimento Março 2010 SUMÁRIO 1. Introdução...
Leia maisENGENHARIA DA PRODUÇÃO 2.0
ENGENHARIA DA PRODUÇÃO 2.0 SOBRE O CURSO Mercados dinâmicos demandam profissionais com formação completa e abrangente, aptos a liderarem equipes multidisciplinares em empresas de todos os setores econômicos
Leia maisArquitetura e Organização de Computadores
Arquitetura e Organização de Computadores Fernando Fonseca Ramos Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros 1 Metodologia da Disciplina 1-Objetivo 2-Competências
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve
Leia mais2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução
2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução De acordo com [FAYY96], o conceito de descoberta de conhecimento em bases de dados pode ser resumido como o processo não-trivial de identificar
Leia maisConcepção e Elaboração
UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE BIOCIÊNCIAS, LETRAS E CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Análise e Projeto Orientado a Objetos Concepção e Elaboração Estudo
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 maisFundação Comunitária de Ensino Superior de Itabira Grade Curricular. Faculdade de Ciências Administrativas e Contábeis de Itabira
Renovação de Reconhecimento - Portaria Nº 653 de 02/06/10 - DOU: 04/06/10. Emissão: 08/07/15 :34 Página: 1/5 0 GSI0 Libras () 0 GSI067 Gestão de Serviços () 0 GSI068 Jogos Empresariais () 0 GSI069 Administração
Leia maisDeclaração de Escopo. Projeto PDTI Informações Gerenciais
Declaração de Escopo Projeto PDTI Informações Gerenciais Maio/2008 PRESIDÊNCIA Belo Horizonte, MG 3 3 Revisão 2 após replanejamento do projeto Fátima Freiria 05/05/2008 2 2 Revisão 1 após contratação Consist
Leia maisUniversidade Estadual do Centro-Oeste Reconhecida pelo Decreto Estadual nº 3.444, de 8 de agosto de 1997
RESOLUÇÃO Nº 1-CEPE/UNICENTRO, DE 27 DE JANEIRO DE 2014. Aprova o Curso de Especialização em MBA em Gestão Estratégica de Negócios, modalidade regular, a ser ministrado no Campus de Irati, da UNICENTRO.
Leia mais