ANÁLISE DE LOGS DA WEB POR MEIO DE TÉCNICAS DE DATA MINING

Tamanho: px
Começar a partir da página:

Download "ANÁLISE DE LOGS DA WEB POR MEIO DE TÉCNICAS DE DATA MINING"

Transcrição

1 ANÁLISE DE LOGS DA WEB POR MEIO DE TÉCNICAS DE DATA MINING Mabel Pereira da Silva UNIOESTE Universidade Estadual do Oeste do Paraná Rua Universitária, 2069 Bairro Faculdade Cascavel PR CEP: Fone: (045) Fax: (045) Clodis Boscarioli UNIOESTE Universidade Estadual do Oeste do Paraná Rua Universitária, 2069 Bairro Faculdade Cascavel PR CEP: Fone: (045) Fax: (045) Sarajane Marques Peres UNIOESTE Universidade Estadual do Oeste do Paraná Rua Universitária, 2069 Bairro Faculdade Cascavel PR CEP: Fone: (045) Fax: (045) Resumo A crescente informatização dos meios produtivos vem possibilitando um aumento considerável do volume de dados nas organizações. Manipular esses dados e, a partir deles, extrair informações que auxiliem nos processos decisórios, é cada vez mais indispensável para as empresas que desejam manter-se no mercado de maneira competitiva. Concomitantemente, o crescimento exponencial da Internet e o acesso aos seus recursos vêm atingindo mais pessoas a cada dia, fazendo com que muitas organizações invistam e exponham seus produtos e serviços na rede mundial com a intenção de gerar mais negócios e aumentar sua rentabilidade. Este artigo descreve um estudo sobre o uso de Data Mining (mineração de dados) em um ambiente Web. Técnicas de processo de descoberta de conhecimento foram aplicadas com o intuito de investigar a relevância das informações obtidas por meio da análise dos padrões de navegação de usuários em web sites de uma empresa provedora de acesso à Internet, descritos em arquivos de log de um servidor Web. A partir disto, medidas foram sugeridas para um melhor aproveitamento e eficácia do processo. Palavras-chave: Descoberta de Conhecimento, Personalização, Data Mining.

2 1. Introdução Cada vez mais a informação tem-se tornado fator fundamental para as organizações que desejam se manter no mercado de forma competitiva e inovadora. Aqueles que detêm informações sobre seus negócios podem utilizá-las para determinar o perfil e preferências de seus clientes, definir estratégias de marketing e reduzir riscos ao ingressar em novas áreas de negócios. O acesso às informações relevantes de uma organização se torna imprescindível para que os dirigentes possam decidir a melhor maneira de direcionar os negócios e fazer com que a organização atinja seus objetivos mercadológicos. Entretanto, essas informações normalmente não são fáceis de serem conseguidas. A dificuldade em obter conhecimento útil de grandes volumes de dados faz com que haja a necessidade de se ter meios para o devido tratamento e extração de informações que possam vir a ter utilidade para uma organização. Essa necessidade vem fazendo com que técnicas e ferramentas sejam criadas e aprimoradas com o intuito de facilitar essa tarefa. No ambiente Web, a extração de informações relevantes de padrões de navegação que descrevam o comportamento dos clientes ao navegar nos web sites de uma organização pode vir a ser potencialmente útil para a personalização dos serviços oferecidos a seus clientes, melhorando o atendimento e propiciando a fidelização destes clientes. Este artigo descreve um estudo que tem por finalidade investigar o uso e aplicabilidade de um processo de descoberta de conhecimento em banco de dados na obtenção de informações em uma base de dados composta de arquivos de logs em servidores Web gerados pelos acessos de internautas ao web site de uma empresa e está organizado da seguinte forma: A Seção 2 traz os conceitos principais sobre o processo de descoberta de conhecimento em banco de dados; A Seção 3 introduz mineração de dados na Web; O estudo de caso realizado está descrito na Seção 4 e, finalmente, na Seção 5 estão descritas as conclusões e propostas de trabalhos futuros. 2. KDD (Knowledge Discovery in Databases) KDD (Knowledge Discovery in Databases) ou de Descoberta de Conhecimento em Bases de Dados, é o ramo da computação que utiliza ferramentas e técnicas computacionais com a finalidade de sistematizar o processo de extração de conhecimento útil de grandes volumes de dados. Essa extração se baseia essencialmente na detecção e descrição de padrões nos dados analisados de um domínio.

3 Figura 1 - Etapas do processo de KDD (FAYYAD et al, 1996) Como ilustrado na Figura 1, o KDD envolve duas grandes áreas de atividades com objetivos e metas bem definidas: Preparação de Dados e Mineração de Dados. A Preparação de Dados diz respeito ao entendimento da área de aplicação e da definição do conjunto de dados a serem submetidos à mineração e é composto das seguintes etapas 1 : Definição do objetivo do problema; Criação de um conjunto de dados; Limpeza e pré-processamento dos dados; Redução e projeção de dados. A Mineração de Dados (ou Data Mining) é a área específica do KDD que trata das técnicas e algoritmos utilizados na detecção dos padrões de dados. As etapas a seguir são abordadas nesta fase: Escolha das tarefas de mineração de dados; Escolha dos algoritmos de mineração de dados; Mineração de dados; Interpretação de padrões de exploração; Consolidação do conhecimento descoberto. No contexto deste trabalho, a tarefa de mineração de dados foi enfocada por descoberta de regras de associação. O algoritmo mais usado na implementação de regras de associação é o algoritmo Apriori 2 (AGRAWAL et al., 1994), que faz uma varredura no conjunto de dados procurando por subconjuntos que tenham relacionamentos que sejam freqüentes. Mais especificamente, utilizou-se o algoritmo Apriori, o qual é brevemente comentado nas Seção 2.1. A escolha deste algoritmo deveu-se à sua constante utilização em trabalhos realizados nesta área, como por exemplo, os descritos em (TERRA et al., 2000), (COLLAZOS et al., 2000), (BRUSSO et. al, 2001), (BRUSSO, 2002), (REATEGUI, E.; 2002 ), e por este adequar-se ao domínio de aplicação estudado. 1 Detalhamento sobre as etapas de preparação e mineração de dados podem ser encontrados em (FAYYAD et al, 1996). 2 Detalhes sobre o algoritmo Apriori podem ser encontrados em (AGRAWAL et al., 1994).

4 Regras de associação podem ser utilizadas em Web Mining com o intuito de descobrir um padrão de navegação de determinados usuários como, por exemplo, quais as páginas ou conjunto de páginas que um certo usuário mais visita ou quais os serviços do site que ele mais acessa. 2.1 Regras de Associação Regras de associação é uma técnica de mineração de dados utilizada para encontrar relacionamentos ou padrões freqüentes em conjuntos de dados. Um algoritmo que implementa essa técnica procura identificar relações entre os itens de um conjunto de dados, que são descritas em forma de regras do tipo Se X então Y, ou X Y, onde X e Y são conjuntos de itens e X Y = (AGRAWAL et al., 1994; BRUSSO, 2000; FREITAS et al., 2001). O objetivo de um algoritmo para descoberta de regras de associação é identificar todas aquelas que tenham suporte (Sup) e confiança (Conf) maiores do que os valores mínimos estipulados, onde o suporte é um número mínimo de ocorrências e a confiança é o percentual das transações que satisfazem X e Y (FREITAS et al, 2001). Assim, Sup Sup mínimo e Conf Conf mínima devem ser satisfeitos. Na regra X Y, o suporte é dado por sup (XY) e a confiança é dada por sup (XY) / sup (X) (AGRAWAL, 1996 apud BRUSSO, 2000). O algoritmo Apriori faz a mineração de dados em duas etapas (FREITAS et al., 2001): Geração: faz-se uma varredura na base de dados com o intuito de gerar todos os conjuntos de possíveis combinações de campos das colunas que tenham uma freqüência superior ao suporte mínimo estipulado. Poda: considera-se somente os conjuntos que possuam o grau de confiança mínimo e descartam-se os demais. Ao executar as diversas varreduras na base de dados, o algoritmo gera primeiramente um conjunto de itens candidatos e, em seguida, verifica se os candidatos satisfazem o suporte mínimo estipulado. Um exemplo prático da aplicação da regra seria constatar que, em um determinado conjunto de dados, N% dos registros em que constam os atributos A e B, constam também o atributo C. A porcentagem de ocorrência expressa em N% representa o fator de confiança da regra e é utilizado para eliminar tendências fracas e manter as regras que descrevem as tendências mais fortes.

5 3. Mineração de Dados na Web Desde que foi criada, a Web vem transformando os conceitos de manipulação de informação de maneira revolucionária e atingindo, sobretudo, as empresas e seus negócios. Para muitas organizações, estar conectada à Internet significa competir e manter-se no mercado. Por outro lado, a disseminação do uso da Internet vem modificando o modo como pessoas e organizações interagem. Essa interação fez surgir uma forma de tratamento especial às pessoas, pois cada usuário da Internet pode vir a ser um cliente em potencial, considerando-se que as organizações cada vez mais expõem e comercializam seus produtos e serviços na Web. Projetar web sites e servidores de acesso à Web se tornam tarefas mais complexas à medida que pretende-se extrair destes, dados para posteriormente descobrir informações úteis para a organização. Portanto, faz-se necessário o uso de técnicas e ferramentas adequadas, para que se possa extrair e analisar os dados que descrevem o comportamento dos usuários ao visitar web sites e, com isso, obter informações que auxiliem na identificação do perfil dos usuários, a fim de que possam vir a se tornar clientes, bem como garantir a fidelização dos clientes que acessam o web site. A Mineração de Dados na Web é a aplicação das técnicas de Mineração de Dados no ambiente Web. É utilizada para extrair conhecimento útil do conteúdo disponibilizado na Web, da estrutura dos web sites ou dos dados relativos à navegação dos usuários. As técnicas e algoritmos aplicados são os mesmos da mineração convencional. O Quadro 1 (FLORESCU et al., 1998) apresenta as principais categorias e fontes de dados provenientes da Web, bem como os métodos para a extração desses dados. Visão de Dados Dados Principais Representação Quadro 1 - Quadro demonstrativo de Web Mining Mineração na Web Mineração do Conteúdo da Web Recuperação de Base de Dados Informação - Não estruturados - Semiestruturados - Semiestruturados - Site Web com - Documentos de textos - Documentos de hipertexto - Conjunto de palavras, frases, termos - Conceitos ou BD - Documentos de hipertexto - Grafos (OEM) - Relacional Mineração da Estrutura da Web - Estruturas de links - Estruturas de links Mineração do Uso da Web - Interatividade - Registros de servidor - Registro de browser - Grafos - Tabela relacional - Grafos

6 ontologias - Relacional Método - Heurísticas TFIDF e variantes - Aprendizagem automática - Estatística Categorias de Aplicação - Categorização - Segmentação - Extração de regras - Padrões encontrados nos textos - Algoritmos proprietários - Regras de Associação modificadas - Encontrar subestruturas freqüentes - Descobrir esquemas de sites Web - Algoritmos proprietários - Categorização - Segmentação Fonte: Adaptado de (FLORESCU et al., 1998) - Aprendizagem automática - Estatísticas, Regras de Associação modificadas - Construção, adaptação e gerência de sites - Marketing - Modelos de usuários 4. Estudo de Caso Para o estudo de caso foram considerados os logs de acesso ao web site de um provedor de internet. Pretendeu-se demonstrar a aplicabilidade de técnicas de KDD para a identificação do comportamento dos internautas ao acessar os serviços oferecidos pelo web site para com isso, possibilitar a personalização dos serviços, produtos e atendimento oferecidos aos clientes. A empresa escolhida, um provedor de acesso à Internet, tem necessidade de obter informações objetivas, que auxiliem no processo de tomada de decisões, direcionando os investimentos de acordo com a demanda e o perfil de sua clientela. A falta de informações faz com que oportunidades de negócios sejam desperdiçadas e que o atendimento ao cliente tenha falhas em aspectos como, por exemplo, dificuldades em oferecer serviços de acordo com as reais necessidades e preferências de seus clientes. Foi realizada a mineração em dados aplicáveis ao ambiente Web e analisou-se sua eficácia na identificação de comportamentos, tendências e relacionamentos entre os dados. Com isso, pretendeu-se extrair informações úteis sobre o perfil dos usuários que navegam no web site da empresa, tais como páginas e serviços do web site mais acessados e horários de maior acesso ao web site. O processo de mineração foi modelado e executado seguindo as fases descritas nas subseções seguintes (SILVA, 2003). 4.1 Definição de Requisitos Antes de iniciar o processo de descoberta de conhecimento no ambiente em estudo, alguns requisitos tiveram que ser atendidos para que o web site da empresa pudesse fornecer informações

7 quanto à sua utilização. Foi utilizado o mecanismo de cookie para gerar um identificador (ID) para cada usuário que visitasse o web site, independentemente dele ser cliente ou não da empresa. Ao acessar o web site, o internauta receberia um cookie em sua máquina com um ID que o identificaria de maneira única nos logs de acesso do servidor. O valor armazenado no cookie seria gravado nos arquivos de log, após configuração prévia feita no gerenciador do servidor Web. Além de configurar o servidor Web para que fosse registrado nos logs o conteúdo dos cookies, houve a necessidade de configurar o armazenamento de variáveis como o referer, por exemplo, que indicaria de que web site o internauta estaria vindo (caso houvesse) ao entrar no web site da empresa. Essa informação é particularmente interessante para analisar a eficiência de banners de propaganda da empresa, exibidos em outros web sites. Como parte do web site da empresa se encontrava hospedado em outro servidor Web de arquitetura distinta do servidor principal, foi utilizado um mecanismo para que os acessos feitos ao servidor Web secundário fossem registrados nos arquivos de log do servidor Web principal. O mecanismo utilizado foi o uso de strings de consulta implementadas no código das páginas hospedadas no servidor Web secundário que, ao serem solicitadas pelo internauta, ativavam a execução do código gerador do ID hospedado no servidor Web principal e, conseqüentemente, a gravação destes acessos nos arquivos de log. Outro requisito observado foi a sincronização dos dois servidores Web, problema resolvido com a implantação de um servidor de sincronização (Servidor NTP Network Time Protocol). 4.2 Definição dos Dados para Análise Foram utilizados os logs de acesso semanal para obter um padrão de comportamento dos internautas. Optou-se por este intervalo de tempo devido à grande quantidade de entradas nos arquivos de log, já que haveria um aumento de tempo na execução do processo caso o intervalo de tempo considerado fosse maior, o que não seria viável em relação à capacidade de processamento do hardware disponível. Para efetuar a análise dos dados, foi escolhida a ferramenta WEKA (Waikato Environment for Knwoledge Analysis), desenvolvida pela Universidade de Waikato, Nova Zelândia. O WEKA, descrito em (WITTEN & FRANK, 2000), é um pacote implementado em Java, segundo o paradigma de orientação a objetos, e é composto de uma série de algoritmos de aprendizagem para solucionar problemas de Mineração de Dados. Para a realização deste estudo, foi utilizado o algoritmo Apriori, implementado pela ferramenta e que faz uso de regras de associação.

8 4.3 Preparação dos Dados Primeiramente os arquivos de logs foram convertidos do formato de texto para tabelas do Microsoft SQL Server para que pudessem ser processados de maneira estruturada. A conversão resultou num total de sete tabelas, cada uma referindo-se a um dia da semana. Com os logs convertidos em tabelas do SQL Server, aplicou-se scripts implementados em ASP (Active Server Page), para limpeza e tratamento dos dados, a fim de eliminar inconsistências e registros de objetos que não se referissem a páginas do web site (como arquivos gif, jpg, swf, css, irrelevantes para a análise), além da conversão do formato de alguns dados (como datas, por exemplo) para formatos que pudessem ser manipulados. Para obter dados referentes aos cliques dos usuários no web site, foram criadas várias tabelas 3 a partir dos logs. Por meio de scripts em ASP, estas foram geradas, de forma independente, com os dados relativos a Cliente, Referer, Host, Hora, Data, Sessão, Acesso e Página e, a partir destas, gerou-se a tabela de cliques (FatoClick), contendo tuplas com chaves referentes a todas as tabelas geradas anteriormente. Cada registro de FatoClick representava um único clique de um determinado internauta. Para que a ferramenta WEKA pudesse ser utilizada, foram escolhidos os atributos relativos a período, página do web site e tipo de internauta, que assumiriam valores com estados fixos. No caso do atributo Página, pelo fato do web site conter uma grande quantidade de páginas, optou-se por escolher alguns serviços e seções do web site considerados os mais importantes para uma avaliação do acesso por período e por tipo de internauta. Em relação ao tipo de internauta, resolveu-se analisar o acesso ao web site por clientes do provedor e não-clientes, estes últimos denominados visitantes. Para descobrir se determinado internauta era cliente ou não, foi feita uma análise do seu número de IP registrado nos logs. No SQL Server, foi gerada uma tabela CliquesTeste a partir das tabelas FatoClick, Cliente, Página e Hora, contendo os atributos escolhidos (Período, Tipo de Internauta e Página). O passo a seguir foi converter CliquesTeste do formato SQL Server para um arquivo no formato Excel e, em seguida, convertê-lo novamente para o formato CSV, que é um formato de arquivo texto onde os atributos são separados por vírgulas. O arquivo de extensão CSV foi renomeado para a extensão ARFF e editado para a inclusão das cláusulas de relacionamento e definição de atributos. Como, nesta fase do projeto, optou-se por utilizar a ferramenta WEKA para extração das regras, o trabalho de pré-processamento foi acentuado. 3 Por restrições de espaço, não foi possível desenvolver um detalhamento maior dos dados utilizados no processo. Qualquer informação extra sobre este trabalho, pode ser obtida com o primeiro autor deste trabalho, via .

9 4.4 Mineração dos Dados O arquivo ARFF, devidamente preparado, foi carregado no WEKA, para iniciar a mineração de dados e verificar a correlação dos atributos período, página e tipo de internauta. Ao carregar o arquivo ARFF, o WEKA constatou a ocorrência de 7242 tuplas. A seguir, aplicou-se sobre os dados o algoritmo Apriori e, dessa forma, obteve-se um conjunto de regras de associação para os dados, conforme Figura Periodo=Noite 1986 ==> TipoInternauta=cliente 1270 conf:(0.64) 2. Periodo=Tarde TipoInternauta=visitante 1579 ==> Pagina=Busca 991 conf:(0.63) 3. Periodo=Noite 1986 ==> Pagina=Busca 1228 conf:(0.62) 4. TipoInternauta=visitante 3385 ==> Pagina=Busca 2012 conf:(0.59) 5. Periodo=Tarde 3020 ==> Pagina=Busca 1759 conf:(0.58) 6. Pagina=Webmail 1467 ==> TipoInternauta=cliente 830 conf:(0.57) 7. Periodo=Tarde Pagina=Busca 1759 ==> TipoInternauta=visitante 991 conf:(0.56) 8. TipoInternauta=cliente 3857 ==> Pagina=Busca 2045 conf:(0.53) 9. Periodo=Manha 1851 ==> TipoInternauta=visitante 969 conf:(0.52) 10. Periodo=Tarde 3020 ==> TipoInternauta=visitante 1579 conf:(0.52) 11. Pagina=Busca 4057 ==> TipoInternauta=cliente 2045 conf:(0.5) 12. Pagina=Busca 4057 ==> TipoInternauta=visitante 2012 conf:(0.5) 13. Pagina=Busca TipoInternauta=visitante 2012 ==> Periodo=Tarde 991 conf:(0.49) 14. Periodo=Tarde 3020 ==> TipoInternauta=cliente 1441 conf:(0.48) 15. Periodo=Manha 1851 ==> TipoInternauta=cliente 882 conf:(0.48) 16. TipoInternauta=visitante 3385 ==> Periodo=Tarde 1579 conf:(0.47) 17. Periodo=Manha 1851 ==> Pagina=Busca 851 conf:(0.46) 18. Pagina=Busca 4057 ==> Periodo=Tarde 1759 conf:(0.43) 19. TipoInternauta=cliente 3857 ==> Periodo=Tarde 1441 conf:(0.37) 20. TipoInternauta=cliente 3857 ==> Periodo=Noite 1270 conf:(0.33) 21. Periodo=Tarde 3020 ==> Pagina=Busca TipoInternauta=visitante 991 conf:(0.33) 22. Pagina=Busca 4057 ==> Periodo=Noite 1228 conf:(0.3) 23. TipoInternauta=visitante 3385 ==> Periodo=Tarde Pagina=Busca 991 conf:(0.29) 24. TipoInternauta=visitante 3385 ==> Periodo=Manha 969 conf:(0.29) 25. Pagina=Busca 4057 ==> Periodo=Tarde TipoInternauta=visitante 991 conf:(0.24) 26. TipoInternauta=cliente 3857 ==> Periodo=Manha 882 conf:(0.23) 27. TipoInternauta=cliente 3857 ==> Pagina=Webmail 830 conf:(0.22) 28. Pagina=Busca 4057 ==> Periodo=Manha 851 conf:(0.21) Figura 2 Regras obtidas com a aplicação do algoritmo Apriori suporte Com valores de suporte e de confiança padrões da ferramenta não foram geradas regras, o que significa que os valores de suporte e confiança estavam muito altos para o universo dos dados em análise. Segundo (DUNHAM, 2002), é prática comum estabelecer valores de suporte mais baixos, já que o suporte representa o número de ocorrências em um subconjunto de dados e, quando seu valor é alto, pode-se obter regras muito triviais, não possibilitando a aquisição de novos conhecimentos. Além disso, o suporte é estabelecido de acordo com as regras de negócio e pela

10 natureza do domínio da aplicação. A confiança teve seu valor reduzido até um valor considerado aceitável pelo especialista do domínio e que não comprometesse a validade do experimento. 4.5 Análise dos Resultados Obtidos Considerando-se a mineração de dados realizada sobre os dados de acessos ao web site registrados no período analisado e tendo como atributos de análise o período, tipo de internauta e páginas acessadas, a aplicação do algoritmo Apriori, por meio da ferramenta WEKA, permitiu extrair várias regras de associação. Levando-se em conta as regras que obtiveram pelo menos um mínimo de 50% de confiança (ver Figura 2), pode-se observar que: A regra 1 indica que há uma tendência de que os internautas que acessam o web site da empresa no período da noite seja de clientes com um fator de confiança de 64%. As regras 3 e 5 indicam que há uma tendência dos internautas acessarem a página de busca do web site com mais freqüência nos períodos da tarde e da noite. A regra 6 indica que o webmail foi mais acessado por clientes conectados pelo provedor, já que o fato do webmail ser acessado por visitantes (regra 27) implica que nem todos os clientes estavam conectados pelo provedor ao acessá-lo. As regras como um todo indicam que nos períodos da manhã e tarde, os acessos mais registrados foram de visitantes, com uma pequena diferença para acessos de clientes. Ao se observar a quantidade e os tipos de regras de associação geradas, verifica-se que, para se obter outras tendências significativas de comportamento dos usuários quanto a sua navegação pelo web site, haveria a necessidade de efetuar uma análise sobre logs de acesso correspondentes a um período maior de tempo. Contudo, os arquivos de logs tendem a ser demasiadamente grandes, e o processo de limpeza e preparo dos dados requer um hardware mais robusto para que não haja perda de desempenho na execução das etapas de preparação e mineração de dados. 5. Conclusões e Trabalhos Futuros Este estudo, ainda que preliminar, demonstrou como uma ferramenta de Mineração de Dados pode ser poderosa no apoio ao processo de tomada de decisões, com a extração de conhecimento útil tendo por base os dados provenientes de arquivos de logs de acesso a servidores Web. Ao ter conhecimento da freqüência com que determinadas seções do web site são acessadas e quais são os serviços mais procurados, a gerência da empresa pôde descobrir o perfil de seus usuários e, com base nisso, ofertar serviços e atendimento personalizado.

11 A utilização de regras de associação para o desenvolvimento do estudo foi motivada por estas serem aplicadas freqüentemente, segundo a literatura pesquisada, na descoberta e representação de padrões freqüentes em conjuntos de dados, o que propiciou a identificação de padrões de comportamento de internautas ao navegarem pelo web site da empresa. Uma extensão deste trabalho é a realização de análises dos logs gerados durante um período maior de tempo fazendo uso de processamento paralelo para a execução do processo, o que melhoraria o desempenho nas fases de preparação e limpeza dos dados. Com isso podem ser obtidas mais regras com a descrição de novas tendências de comportamento dos internautas. Além disso, outras ferramentas de mineração podem ser aplicadas, visando aumentar a flexibilidade de manipulação dos atributos específicos para o ambiente Web. Outra sugestão de trabalho é a de se fazer um estudo, levando-se em conta os dados obtidos nos logs de acesso associados às bases do sistema de gerenciamento de usuários da empresa. Dessa forma, é possível extrair informações mais úteis que auxiliem na definição de estratégias para melhorar o atendimento prestado aos clientes. Vislumbra-se também que, a aplicação contínua desta ferramenta, em janelas de tempo pequenas (como uma semana), pode fornecer informações interessantes sobre o padrão de comportamento temporal dos usuários do site. Com uma técnica de previsão de séries temporais, por exemplo, tem-se a possibilidade de obter informações suficientes para a utilização em planejamentos estratégicos. Um estudo em relação a esta questão está sob investigação. Referências Bibliográficas AGRAWAL, R.; SRIKANT, R.; Fast Algorithms for Mining Association Rules. In PROCEEDINGS OF THE 20TH INTERNATIONAL CONFERENCE ON VERY LARGE DATABASES (1994: Santiago, Chile). AMARAL, F. C. N.; Data Mining Técnicas e Aplicações para o Marketing Direto. 1. ed. São Paulo - SP : Berkeley. BRUSSO, M. J.; NAVAUX, P. O. A.; GEYER, C. F. R.; Um modelo para a Mineração de Regras de Associação Aplicado ao Uso da Web. In ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL (2001: Fortaleza CE). Anais do XXI Congresso da Sociedade Brasileira de Computação. v.1. p.210. BRUSSO, M. J.; Access Miner: Uma Proposta para Extração de Regras de Associação Aplicada à Mineração do Uso da Web. Porto Alegre. Dissertação (Mestrado em Ciência da Computação) Instituto de Informática, Universidade Federal do Rio Grande do Sul.

12 COLLAZOS L., K.; BARRETO, J. M.; PELLEGRINI, G. F.; Análise do Prontuário Médico para a Utilização com KDD. In CONGRESSO BRASILEIRO DE INFORMÁTICA EM SAÚDE CBIS 2000 (7.: Out. 2000: São Paulo SP). Anais. DUNHAM, M. H.; Data Mining Introductory and Advanced Topics. 1. ed. USA: Prentice Hall. FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P.; 1996b. The KDD Process for Extracting Useful Knowledge from Volumes of Data. Communications of the ACM, USA, v. 39, n. 11 (Nov.), p FLORESCU, D. ; LEVY, A. ; MENDELZON, A.; Database Techniques for the World-Wide Web: A Survey. In SIGMOD Record, 27(3), p FREITAS, O. G.; et al.; Sistema de Apoio à Decisão usando a Tecnologia Data Mining com Estudo de Caso da Universidade Estadual de Maringá. In I CONGRESSO BRASILEIRO DE COMPUTAÇÃO CBComp Anais. GSI, Grupo de Sistemas Inteligentes. Introdução à Mineração de Dados. Departamento de Informática, Universidade Estadual de Maringá. mineracao/introducao/introducao.html. Consultado na INTERNET em 10 de nov KIMBALL, R.; MERZ, R.; Data Webhouse Construindo o Data Warehouse para a Web. 1. ed. Rio de Janeiro - RJ: Campus. MACHADO, L. S.; Um Estudo das Aplicações da Mineração de Dados Web. Trabalho de pesquisa (Mestrado em Ciência da Computação) Faculdade de Informática, Pontifícia Universidade Católica do Rio Grande do Sul. NAVEGA, S. ; Princípios Essenciais do Data Mining. In INFOIMAGEM 2002, CENADEM (Nov. 2002: São Paulo SP). Anais. REATEGUI, E.; Data Mining e Personalização Dinâmica. In ESCOLA DE INFORMÁTICA DA SBC-SUL (Caxias do Sul/RS, Criciúma/SC e Cascavel/PR). Anais. p SILVA, M. P.; Uso de KDD para Análise de Logs da Web. Monografia (Especialização em Ciência da Computação), Universidade Estadual do Oeste do Paraná. SWEIGER, M.; et al; Clickstream Data Warehousing. 1. ed. USA: Wiley. TERRA, E. L.; BECKER, K.; GHEDINI, C.; Uso de KDD para Análise do Impacto de Revisões Curriculares. In CONFERÊNCIA LATINO AMERICANA DE INFORMÁTICA (XXV.: 1999: Assunção, Paraguai). Anais. WITTEN, I. H.; FRANK, E.; Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. USA: Morgan Kaufmann Publishers.

XIII 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 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 mais

servidores Web com RapidMiner

servidores Web com RapidMiner Mineração de regras de associação em servidores Web com RapidMiner Fabrício J. Barth fabricio.barth@gmail.com Resumo Este texto apresenta o uso da ferramenta RapidMiner na mineração de regras de associação

Leia mais

Padronização de Processos: BI e KDD

Padronização de Processos: BI e KDD 47 Padronização de Processos: BI e KDD Nara Martini Bigolin Departamento da Tecnologia da Informação -Universidade Federal de Santa Maria 98400-000 Frederico Westphalen RS Brazil nara.bigolin@ufsm.br Abstract:

Leia mais

Prof. Msc. Paulo Muniz de Ávila

Prof. 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 mais

Sistema 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 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 mais

Data mining na descoberta de padrões de sintomas com foco no auxílio ao diagnóstico médico

Data mining na descoberta de padrões de sintomas com foco no auxílio ao diagnóstico médico Data mining na descoberta de padrões de sintomas com foco no auxílio ao diagnóstico médico Alexander Rivas de Melo Junior 1, Márcio Palheta Piedade 1 1 Ciência da Computação Centro de Ensino Superior FUCAPI

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS Tácio Dias Palhão Mendes Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica da FAPEMIG taciomendes@yahoo.com.br Prof.

Leia mais

APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1.

APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1. APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1. SQUIZANI, Cleonice Schell 2 ; MORALES, Yuri 2 ; VIEIRA, Sylvio André Garcia 2 1 Trabalho de pesquisa - UNIFRA

Leia mais

Gestão da Informação. Gestão da Informação. AULA 3 Data Mining

Gestão da Informação. Gestão da Informação. AULA 3 Data Mining Gestão da Informação AULA 3 Data Mining Prof. Edilberto M. Silva Gestão da Informação Agenda Unidade I - DM (Data Mining) Definição Objetivos Exemplos de Uso Técnicas Tarefas Unidade II DM Prático Exemplo

Leia mais

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data

Leia mais

Mineração de Dados na Descoberta do Padrão de Usuários de um Sistema de Educação à Distância

Mineração de Dados na Descoberta do Padrão de Usuários de um Sistema de Educação à Distância Mineração de Dados na Descoberta do Padrão de Usuários de um Sistema de Educação à Distância Janaina R Penedo, Eliane P Capra Universidade Federal do Estado do Rio de Janeiro (UNIRIO) Av. Pasteur, 296

Leia mais

Mineração de Dados: Introdução e Aplicações

Mineração de Dados: Introdução e Aplicações Mineração de Dados: Introdução e Aplicações Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br Apresentação Luiz Merschmann Engenheiro

Leia mais

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo

Leia mais

Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado

Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Alessandro Ferreira Brito 1, Rodrigo Augusto R. S. Baluz 1, Jean Carlo Galvão Mourão 1, Francisco das Chagas Rocha 2

Leia mais

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Rafaela Giroto, 10º módulo de Ciência da Computação,

Leia mais

Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas

Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas 22 - Encontro Anual de Tecnologia da Informação Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas Elisa Maria Vissotto1, Adriane Barbosa Camargo2 1 Universidade Regional Integrada

Leia mais

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA Marcelo DAMASCENO(1) (1) Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte/Campus Macau, Rua das Margaridas, 300, COHAB, Macau-RN,

Leia mais

Determinação dos Fatores Críticos na Análise de Desempenho de Alunos de Pósgraduação Utilizando Metodologia de Mineração de Dados

Determinação dos Fatores Críticos na Análise de Desempenho de Alunos de Pósgraduação Utilizando Metodologia de Mineração de Dados Resumo Determinação dos Fatores Críticos na Análise de Desempenho de Alunos de Pósgraduação Utilizando Metodologia de Mineração de Dados Autoria: Elizabeth de Oliveira Carpenter, Gerson Lachtermacher O

Leia mais

DATA WEBHOUSE. Palavras-chave: Data warehouse, Data webhouse, Seqüência de Cliques (clickstream).

DATA WEBHOUSE. Palavras-chave: Data warehouse, Data webhouse, Seqüência de Cliques (clickstream). Mestrado em Ciências da Computação - UEM Tópicos Avançados em Sistemas de Informação I Orientação Prof. Dra. Maria Madalena Dias DATA WEBHOUSE Aleksandro Montanha José Luiz de Souza Gomes Kessia Rita da

Leia mais

IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES ENTRE PRODUTOS DE UMA BASE DE DADOS REAL

IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES ENTRE PRODUTOS DE UMA BASE DE DADOS REAL Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES

Leia mais

Data Mining na Web para Inteligência Competitiva

Data Mining na Web para Inteligência Competitiva Data Mining na Web para Inteligência Competitiva Simone de Almeida (CEFET/PR) simonea@pg.cefetpr.br Rui Francisco Martins Marçal (CEFET/PR) marcal@pg.cefetpr.br Luciano Scandelari (CEFET/PR) luciano@cefetpr..br

Leia mais

Data Mining aplicado na base de dados das categorias mais vendidas de um supermercado

Data Mining aplicado na base de dados das categorias mais vendidas de um supermercado Data Mining aplicado na base de dados das categorias mais vendidas de um supermercado Celso Bilynkievycz dos Santos (UTFPR/UEPG) bilynkievycz@uepg.br Vicente Toniolo Zander (UTFPR) vicente_2006@pg.cefetpr.br

Leia mais

O Uso da Descoberta de Conhecimento em Base de Dados para Apoiar a Tomada de Decisões

O Uso da Descoberta de Conhecimento em Base de Dados para Apoiar a Tomada de Decisões 1 O Uso da Descoberta de Conhecimento em Base de Dados para Apoiar a Tomada de Decisões José Carlos Almeida Ryan Ribeiro de Eric Rommel G. Dantas Daniel Silva de Lima Patrício Júnior Azevedo Centro de

Leia mais

Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados

Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2006.2 Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento

Leia mais

Extensão do WEKA para Métodos de Agrupamento com Restrição de Contigüidade

Extensão do WEKA para Métodos de Agrupamento com Restrição de Contigüidade Extensão do WEKA para Métodos de Agrupamento com Restrição de Contigüidade Carlos Eduardo R. de Mello, Geraldo Zimbrão da Silva, Jano M. de Souza Programa de Engenharia de Sistemas e Computação Universidade

Leia mais

Extração de Conhecimento a partir dos Sistemas de Informação

Extração de Conhecimento a partir dos Sistemas de Informação Extração de Conhecimento a partir dos Sistemas de Informação Gisele Faffe Pellegrini & Katia Collazos Grupo de Pesquisa em Eng. Biomédica Universidade Federal de Santa Catarina Jorge Muniz Barreto Prof.

Leia mais

INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO.

INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO. INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO. Lúcia Helena de Magalhães 1 Márcio Aarestrup Arbex 2 Resumo Este artigo tem

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS 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 mais

PROJETO DE REDES www.projetoderedes.com.br

PROJETO DE REDES www.projetoderedes.com.br PROJETO DE REDES www.projetoderedes.com.br Centro Universitário de Volta Redonda - UniFOA Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro

Leia mais

Descoberta de Conhecimento em Base de Imagens Mamográficas

Descoberta de Conhecimento em Base de Imagens Mamográficas Descoberta de Conhecimento em Base de Imagens Mamográficas Adriana Cristina Giusti Corrêa 1, Homero Schiabel 2 1,2 Departamento de Engenharia Elétrica da EESC/USP Universidade de São Paulo, Brasil, 1 Departamento

Leia mais

Professor: Disciplina:

Professor: 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 mais

Curso de Data Mining

Curso de Data Mining Curso de Data Mining Sandra de Amo Aula 2 - Mineração de Regras de Associação - O algoritmo APRIORI Suponha que você seja gerente de um supermercado e esteja interessado em conhecer os hábitos de compra

Leia mais

Data Mining Software Weka. Software Weka. Software Weka 30/10/2012

Data 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 mais

MINERAÇÃO DE DADOS PARA PADRÕES DE SEQUENCIA

MINERAÇÃO DE DADOS PARA PADRÕES DE SEQUENCIA Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM MINERAÇÃO DE DADOS PARA PADRÕES DE SEQUENCIA Aluna: Cecília Henriques Devêza

Leia mais

Microsoft Innovation Center

Microsoft 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 mais

Descoberta de conhecimento a partir de uma base de indicadores de desenvolvimento social utilizando WEKA

Descoberta de conhecimento a partir de uma base de indicadores de desenvolvimento social utilizando WEKA Descoberta de conhecimento a partir de uma base de indicadores de desenvolvimento social utilizando WEKA Carlos M. Murasse 1,2, Denise F. Tsunoda 1,3 1 Programa de Pós-graduação em Ciência, Gestão e Tecnologia

Leia mais

Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka

Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka Andreia Smiderle, Alessandra Marchiori de Oliveira Depto de Sistemas de Informação, Faculdade MATER DEI, 85501-030,

Leia mais

Revista Eletrônica da FANESE ISSN 2317-3769

Revista Eletrônica da FANESE ISSN 2317-3769 DATA MINING NO CONTEXTO DE CUSTOMER RELATIONSHIP MANAGEMENT EM UMA FRANQUIA COCA COLA COMPANY Renata Azevedo Santos Carvalho 1 RESUMO Data Mining é uma área de pesquisa multidisciplinar, incluindo tecnologias

Leia mais

KDD E MINERAÇÃO DE DADOS:

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

Leia mais

AVALIAÇÃO COMPARATIVA DE ALGORITMOS PARA SISTEMAS DE RECOMENDAÇÃO EM MÚLTIPLOS DOMÍNIOS: MODELOS INTERPRETÁVEIS APLICADOS A DADOS EDUCACIONAIS

AVALIAÇÃO COMPARATIVA DE ALGORITMOS PARA SISTEMAS DE RECOMENDAÇÃO EM MÚLTIPLOS DOMÍNIOS: MODELOS INTERPRETÁVEIS APLICADOS A DADOS EDUCACIONAIS AVALIAÇÃO COMPARATIVA DE ALGORITMOS PARA SISTEMAS DE RECOMENDAÇÃO EM MÚLTIPLOS DOMÍNIOS: MODELOS INTERPRETÁVEIS APLICADOS A DADOS EDUCACIONAIS Hugo Marques Casarini Faculdade de Engenharia de Computação

Leia mais

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados slide 1 1 Copyright 2011 Pearson Education, Inc. publishing as Prentice Hall Objetivos de estudo Como um banco de dados

Leia mais

Gerenciamento de Dados e Gestão do Conhecimento

Gerenciamento 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 mais

KDD UMA VISAL GERAL DO PROCESSO

KDD UMA VISAL GERAL DO PROCESSO KDD UMA VISAL GERAL DO PROCESSO por Fernando Sarturi Prass 1 1.Introdução O aumento das transações comerciais por meio eletrônico, em especial as feitas via Internet, possibilitou as empresas armazenar

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento 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 mais

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES w w w. i d e a l o g i c. c o m. b r INDICE 1.APRESENTAÇÃO 2.ESPECIFICAÇÃO DOS RECURSOS DO SOFTWARE SAXES 2.1. Funcionalidades comuns a outras ferramentas similares 2.2. Funcionalidades próprias do software

Leia mais

Data Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento

Data 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 mais

INTELIGÊNCIA COMPUTACIONAL

INTELIGÊNCIA 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 mais

Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse

Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse Prof. Dr. Oscar Dalfovo Universidade Regional de Blumenau - FURB, Blumenau, Brasil dalfovo@furb.br Prof. Dr. Juarez

Leia mais

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE Fabio Favaretto Professor adjunto - Programa de Pós Graduação em Engenharia de Produção

Leia mais

INSTITUTO VIANNA JÚNIOR LTDA FACULDADES INTEGRADAS DO INSTITUTO VIANNA JUNIOR O TEXT MINING PARA APOIO A TOMADA DE DECISÃO

INSTITUTO VIANNA JÚNIOR LTDA FACULDADES INTEGRADAS DO INSTITUTO VIANNA JUNIOR O TEXT MINING PARA APOIO A TOMADA DE DECISÃO INSTITUTO VIANNA JÚNIOR LTDA FACULDADES INTEGRADAS DO INSTITUTO VIANNA JUNIOR O TEXT MINING PARA APOIO A TOMADA DE DECISÃO Lúcia Helena de Magalhães 1 Márcio Aarestrup Arbex 2 Resumo Este artigo tem como

Leia mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

SISTEMA DE INFORMAÇÃO EXECUTIVA UTILIZANDO DATA MINING BASEADO NA TÉCNICA ÁRVORE DE DECISÃO

SISTEMA DE INFORMAÇÃO EXECUTIVA UTILIZANDO DATA MINING BASEADO NA TÉCNICA ÁRVORE DE DECISÃO SISTEMA DE INFORMAÇÃO EXECUTIVA UTILIZANDO DATA MINING BASEADO NA TÉCNICA ÁRVORE DE DECISÃO OSCAR DALFOVO, M.A. dalfovo@furb.rct-sc.br Professor da Universidade Regional de Blumenau - FURB Professor do

Leia mais

EduMiner: Um software para Auxílio no Processo de Ensino Aprendizagem do Conhecimento Gerado pela Mineração de Dados

EduMiner: Um software para Auxílio no Processo de Ensino Aprendizagem do Conhecimento Gerado pela Mineração de Dados EduMiner: Um software para Auxílio no Processo de Ensino Aprendizagem do Conhecimento Gerado pela Mineração de Dados RESUMO Autoria: Alana Deusilan Sester Pereira, Clarice Pereira de Paiva Ribeiro, Luiz

Leia mais

Como tornar o seu. Maribel Yasmina* Isabel Ramos*

Como tornar o seu. Maribel Yasmina* Isabel Ramos* Os sistemas de Business Intelligence são imprescindíveis a decisores dinâmicos e motivados para aproveitar as oportunidades que uma sociedade em transformação rápida pode oferecer Maribel Yasmina* Como

Leia mais

Data Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

Módulo 4: Gerenciamento de Dados

Módulo 4: Gerenciamento de Dados Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não

Leia mais

Data, Text and Web Mining

Data, Text and Web Mining Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web

Leia mais

UNIVERSIDADE 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) 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 mais

Aplicação de técnicas de Mineração de Dados para descoberta de padrões na Web Motivações:

Aplicação de técnicas de Mineração de Dados para descoberta de padrões na Web Motivações: Aplicação de técnicas de Mineração de Dados para descoberta de padrões na Web Motivações: Encontrar informação relevante Gerar conhecimento a partir da informação disponível na Web Personalizar a informação

Leia mais

Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular

Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular Elionai Sobrinho 1,3, Jasmine Araújo 1,3, Luiz A. Guedes 2, Renato Francês 1 1 Departamento

Leia mais

MINERAÇÃO 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 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 mais

AMiner: Um Framework para Mineração de Dados em um Repositório de Artefatos

AMiner: Um Framework para Mineração de Dados em um Repositório de Artefatos AMiner: Um Framework para Mineração de Dados em um Repositório de Artefatos Tarcísio Steinmetz 1, Silvia Bertagnolli 1 1 Sistemas de Informação Centro Universitário Ritter dos Reis (UniRitter) 90840-440

Leia mais

3 Market Basket Analysis - MBA

3 Market Basket Analysis - MBA 2 Mineração de Dados 3 Market Basket Analysis - MBA Market basket analysis (MBA) ou, em português, análise da cesta de compras, é uma técnica de data mining que faz uso de regras de associação para identificar

Leia mais

INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA

INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA CURSO DE ESPECIALIZAÇÃO EM ANÁLISE DE AMBIENTE ELETROMAGNÉTICO CEAAE /2008 DISCIPLINA EE-09: Inteligência

Leia mais

Data Webhouse. FABIANO AUGUSTO GOMES* fabiano_ag@yahoo.com.br. IREMAR NUNES DE LIMA** iremar.prof@newtonpaiva.br

Data Webhouse. FABIANO AUGUSTO GOMES* fabiano_ag@yahoo.com.br. IREMAR NUNES DE LIMA** iremar.prof@newtonpaiva.br Data Webhouse FABIANO AUGUSTO GOMES* fabiano_ag@yahoo.com.br IREMAR NUNES DE LIMA** iremar.prof@newtonpaiva.br Resumo Visando atender à necessidade de melhorar a qualidade de seus sites e conhecer o comportamento

Leia mais

Detecção de Tentativas de Intrusão em Sistemas por Análise de Tráfego de Rede

Detecção de Tentativas de Intrusão em Sistemas por Análise de Tráfego de Rede Detecção de Tentativas de Intrusão em Sistemas por Análise de Tráfego de Rede Emiliano F. Castejon Instituto Nacional de Pesquisas Espaciais Laboratório Associado de Computação castejon@lac.inpe.br Antonio

Leia mais

4 Implementação e Resultados Experimentais

4 Implementação e Resultados Experimentais 4 Implementação e Resultados Experimentais Com o objetivo de fazer a criação automática de visões materializadas, ou seja, prover uma solução on-the-fly para o problema de seleção de visões materializadas,

Leia mais

Técnicas de Seleção de Atributos utilizando Paradigmas de Algoritmos Disciplina de Projeto e Análise de Algoritmos

Técnicas de Seleção de Atributos utilizando Paradigmas de Algoritmos Disciplina de Projeto e Análise de Algoritmos Técnicas de Seleção de Atributos utilizando Paradigmas de Algoritmos Disciplina de Projeto e Análise de Algoritmos Theo Silva Lins, Luiz Henrique de Campos Merschmann PPGCC - Programa de Pós-Graduação

Leia mais

MINERAÇÃO DE DADOS: APLICAÇÃO PRÁTICA EM PEQUENAS E MÉDIAS EMPRESAS

MINERAÇÃO DE DADOS: APLICAÇÃO PRÁTICA EM PEQUENAS E MÉDIAS EMPRESAS MINERAÇÃO DE DADOS: APLICAÇÃO PRÁTICA EM PEQUENAS E MÉDIAS EMPRESAS RONALDO RIBEIRO GOLDSCHMIDT RESUMO. O intenso crescimento do volume de informações nas bases de dados corporativas de pequenas, médias

Leia mais

CRManager. CRManager. TACTIUM CRManager. Guia de Funcionalidades. Versão 5.0 TACTIUM CRManager Guia de Funcionalidades. www.softium.com.

CRManager. CRManager. TACTIUM CRManager. Guia de Funcionalidades. Versão 5.0 TACTIUM CRManager Guia de Funcionalidades. www.softium.com. Tactium Tactium CRManager CRManager TACTIUM CRManager Guia de Funcionalidades 1 O TACTIUM CRManager é a base para implementar a estratégia de CRM de sua empresa. Oferece todo o suporte para personalização

Leia mais

GISWEB - Informação Geográfica ao Alcance de Todos

GISWEB - Informação Geográfica ao Alcance de Todos GISWEB - Informação Geográfica ao Alcance de Todos Bruno Perboni Qualityware Conselheiro Laurindo 825 cj. 412 centro Curitiba PR fone: 3232-1126 bruno@qualityware.com.br Maysa Portugal de Oliveira Furquim

Leia mais

Ferramentas Livres de Armazenamento e Mineração de Dados

Ferramentas Livres de Armazenamento e Mineração de Dados Ferramentas Livres de Armazenamento e Mineração de Dados JasperBI, Pentaho, Weka 09/2009 Eng. Pablo Jorge Madril pmadril@summa.com.br Summa Technologies www.summa.com.br Eng. Pablo Jorge Madril pmadril@summa.com.br

Leia mais

Web Data Mining com R

Web Data Mining com R Web Data Mining com R Fabrício J. Barth fabricio.barth@gmail.com VAGAS Tecnologia e Faculdade BandTec Maio de 2014 Objetivo O objetivo desta palestra é apresentar conceitos sobre Web Data Mining, fluxo

Leia mais

Motivação: inundação de informação. Data warehouse. Inteligência computacional aplicada em finanças, comércio e indústria

Motivação: 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 mais

MINERAÇÃO DE DADOS APLICADA PARA LEVANTAMENTO DO PERFIL DOS ALUNOS DOS CURSOS TÉCNICOS OFERECIDOS PELO CAMPUS CAMPOS DO JORDÃO DO IFSP

MINERAÇÃO DE DADOS APLICADA PARA LEVANTAMENTO DO PERFIL DOS ALUNOS DOS CURSOS TÉCNICOS OFERECIDOS PELO CAMPUS CAMPOS DO JORDÃO DO IFSP MINERAÇÃO DE DADOS APLICADA PARA LEVANTAMENTO DO PERFIL DOS ALUNOS DOS CURSOS TÉCNICOS OFERECIDOS PELO CAMPUS CAMPOS DO JORDÃO DO IFSP 1 Data de entrega dos originais à redação em 15/03/2013 e recebido

Leia mais

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

Leia mais

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas

Leia mais

O Processo de KDD Knowledge Discovery in Database para Aplicações na Medicina

O Processo de KDD Knowledge Discovery in Database para Aplicações na Medicina SEMINC 2001 57 O Processo de KDD Knowledge Discovery in Database para Aplicações na Medicina MARIZA FERRO HUEI DIANA LEE UNIOESTE - Universidade Estadual do Oeste do Paraná CECE Centro de Engenharias e

Leia mais

APOSTILA BÁSICA INFORMÁTICA: 1. PROCESSADOR DE TEXTOS 1.1 Conhecendo o aplicativo Word 2007 2.EDITOR DE PLANILHAS

APOSTILA BÁSICA INFORMÁTICA: 1. PROCESSADOR DE TEXTOS 1.1 Conhecendo o aplicativo Word 2007 2.EDITOR DE PLANILHAS APOSTILA BÁSICA INFORMÁTICA: 1. PROCESSADOR DE TEXTOS 1.1 Conhecendo o aplicativo Word 2007 2.EDITOR DE PLANILHAS 3.INTERNET 3.1. Internet: recursos e pesquisas 3.2. Conhecendo a Web 3.3. O que é um navegador?

Leia mais

Ler e interpretar simbologias elétricas. Elaborar diagramas elétricos em planta baixa. Ler e interpretar Planta Baixa.

Ler e interpretar simbologias elétricas. Elaborar diagramas elétricos em planta baixa. Ler e interpretar Planta Baixa. : Técnico em Informática Descrição do Perfil Profissional: O profissional com habilitação Técnica em Microinformática, certificado pelo SENAI-MG, deverá ser capaz de: preparar ambientes para a instalação

Leia mais

Uma Ferramenta Web para BI focada no Gestor de Informação

Uma Ferramenta Web para BI focada no Gestor de Informação Uma Ferramenta Web para BI focada no Gestor de Informação Mikael de Souza Fernandes 1, Gustavo Zanini Kantorski 12 mikael@cpd.ufsm.br, gustavoz@cpd.ufsm.br 1 Curso de Sistemas de Informação, Universidade

Leia mais

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES.

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 88 BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto

Leia mais

E-COMMERCE / LOJA VIRTUAL

E-COMMERCE / LOJA VIRTUAL 1 ÍNDICE 1. WIX SISTEMAS E O /LOJA VIRTUAL 03 1.1.1 GRANDE VARIEDADE DE LAYOUTS E PERSONALIZAÇÃO 03 1.1.2 SERVIDOR E SSL (CADEADO DE SEGURANÇA) COMPARTILHADOS 04 2. RECURSOS 05 3. NOSSOS PLANOS DE /LOJA

Leia mais

Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net

Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net Vinícius Ponte Machado 1, Bruno Vicente Alves de Lima 2, Heloína Alves Arnaldo 3, Sanches Wendyl Ibiapina Araújo 4 Departamento

Leia mais

Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse

Fases 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 mais

Ao explicar as nossas práticas de manipulação de dados, desejamos desenvolver um relacionamento de confiança a longo prazo com você.

Ao explicar as nossas práticas de manipulação de dados, desejamos desenvolver um relacionamento de confiança a longo prazo com você. Política de Privacidade do site de Pesquisa de Satisfação Ford 1. Política geral: A Ford Motor Company respeita a sua privacidade e está comprometida em protegê-la. Esta Política de Privacidade explica

Leia mais

BANCO DE DADOS CONTEÚDO INFORMÁTICA. Prof.: MARCIO HOLLWEG mhollweg@terra.com.br BANCO DE DADOS SGBD TABELA CONCEITOS BÁSICOS

BANCO DE DADOS CONTEÚDO INFORMÁTICA. Prof.: MARCIO HOLLWEG mhollweg@terra.com.br BANCO DE DADOS SGBD TABELA CONCEITOS BÁSICOS CONTEÚDO HARDWARE - 2 AULAS SISTEMA OPERACIONAL - 2 AULAS INFORMÁTICA Prof.: MARCIO HOLLWEG mhollweg@terra.com.br APLICATIVOS OFFICE - 3 AULAS INTERNET - 1 AULA REDE - 2 AULA SEGURANÇA - 1 AULA BANCO DE

Leia mais

Identificação de Padrões em Registros de Doenças com Técnicas de Mineração de Dados

Identificação de Padrões em Registros de Doenças com Técnicas de Mineração de Dados Identificação de Padrões em Registros de Doenças com Técnicas de Mineração de Dados Resumo. Nas últimas décadas, tem aumentado à necessidade de um processo automatizado para a descoberta de informações

Leia mais

MANUAL DO USUÁRIO DE REDE

MANUAL DO USUÁRIO DE REDE MANUAL DO USUÁRIO DE REDE Armazenar registro de impressão na rede Versão 0 BRA-POR Definições de observações Utilizamos o seguinte ícone neste Manual do Usuário: Observações indicam como você deve reagir

Leia mais

O 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. 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 mais

Utilização de Técnicas de Mineração de Dados como Auxílio na Detecção de Cartéis em Licitações Carlos Vinícius Sarmento Silva Célia Ghedini Ralha

Utilização de Técnicas de Mineração de Dados como Auxílio na Detecção de Cartéis em Licitações Carlos Vinícius Sarmento Silva Célia Ghedini Ralha WCGE II Workshop de Computação Aplicada em Governo Eletrônico Utilização de Técnicas de Mineração de Dados como Auxílio na Detecção de Cartéis em Licitações Carlos Vinícius Sarmento Silva Célia Ghedini

Leia mais

Administração de Sistemas de Informação Gerenciais UNIDADE IV: Fundamentos da Inteligência de Negócios: Gestão da Informação e de Banco de Dados Um banco de dados é um conjunto de arquivos relacionados

Leia mais

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Mateus Ferreira Silva, Luís Gustavo Corrêa Lira, Marcelo Fernandes Antunes, Tatiana Escovedo, Rubens N. Melo mateusferreiras@gmail.com, gustavolira@ymail.com,

Leia mais

Sistema de pedidos. com técnicas de recomendação

Sistema de pedidos. com técnicas de recomendação Universidade Católica de Pelotas Centro Politécnico Analise e Desenvolvimento de Sistema Sistema de pedidos com técnicas de recomendação por Aníbal di Primio Documento de conclusão da disciplina de Trabalho

Leia mais

Os 10 principais benefícios do Microsoft Office Excel 2007. Autor: Leonardo Barroso Galvao

Os 10 principais benefícios do Microsoft Office Excel 2007. Autor: Leonardo Barroso Galvao Os 10 principais benefícios do Microsoft Office Excel 2007 Autor: Leonardo Barroso Galvao Os 10 principais benefícios do Microsoft Office Excel 2007 O Microsoft Office Excel 2007 é uma ferramenta poderosa

Leia mais

TEMPTOOL UMA FERRAMENTA PARA A MODELAGEM TEMPORAL DOS DADOS

TEMPTOOL UMA FERRAMENTA PARA A MODELAGEM TEMPORAL DOS DADOS TEMPTOOL UMA FERRAMENTA PARA A MODELAGEM TEMPORAL DOS DADOS Eugênio de O. Simonetto 1, Cristiano R. Moreira, Duncan D. A. Ruiz 2, Luciano C. Ost 1, Glauco B.V.Santos 1 RESUMO O trabalho apresenta uma ferramenta

Leia mais

A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados

A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados Maxwel Macedo Dias 1, Edson M.L.S. Ramos 2, Luiz Silva Filho 3, Roberto C. Betini 3 1 Faculdade de Informática

Leia mais

MINERAÇÃO DE DADOS RELACIONADOS AO APRENDIZADO DE LÍNGUA PORTUGUESA UM ESTUDO EXPLORATÓRIO

MINERAÇÃO DE DADOS RELACIONADOS AO APRENDIZADO DE LÍNGUA PORTUGUESA UM ESTUDO EXPLORATÓRIO MINERAÇÃO DE DADOS RELACIONADOS AO APRENDIZADO DE LÍNGUA PORTUGUESA UM ESTUDO EXPLORATÓRIO Anderson Amendoeira Namen aanamen@iprj.uerj.br Universidade do Estado do Rio de Janeiro, Instituto Politécnico

Leia mais

Data Mining: Conceitos e Técnicas

Data 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 mais