sdescoberta DE CONHECIMENTO APLICADO A DADOS ELEITORAIS

Tamanho: px
Começar a partir da página:

Download "sdescoberta DE CONHECIMENTO APLICADO A DADOS ELEITORAIS"

Transcrição

1 sdescoberta DE CONHECIMENTO APLICADO A DADOS ELEITORAIS Claudio Tavares Especialista em Banco de Dados, Unicenp. Daniel Bozza Especialista em Banco de Dados, Unicenp. Frank Kono Especialista em Banco de Dados, Unicenp. Resumo: Este artigo tem como objetivo encontrar uma possível tendência a ser observada, no tocante as pessoas que almejem se candidatar e conseqüentemente se eleger Deputado Estadual na cidade de Curitiba. Para alcançar o objetivo, será analisado e preparado um conjunto de dados que envolvem as eleições de 1994 e 1998 e posteriormente serão aplicadas algumas técnicas de Data Minining para que possam ser geradas regras de associações. Tais regras ou resultados serão analisados para então se determinar a existência ou não de tendências no tocante ao perfil dos candidatos ao cargo de suplente de Deputado Estadual na cidade de Curitiba.Por fim serão apresentados os resultados encontrados, quer sejam eles confirmando uma certa tendência ou não. Palavras-chave: Data Mining, Classificação, Algoritmo J48 1 INTRODUÇÃO Inicialmente, será feita uma breve descrição do processo que envolve a descoberta de conhecimento, passando, posteriormente, para o desenvolvimento do trabalho, levando-se em consideração o cronograma, o escopo inicial do projeto, o negócio em questão e a parte lógica. A parte lógica será subdividida na busca da base de dados, que irá dar suporte a todo o processo de descoberta de conhecimento, bem como a geração do modelo de dado para o DW, a extração dos dados irrelevantes para o processo, a conseqüente limpeza e padronização dos dados, para que estes estejam adequados ao objetivo do trabalho. Ainda, na parte lógica será abordado o item referente à geração do arquivo.arff, tomando como base os dados disponíveis, bem como a escolha do método e algoritmo, que serão utilizados sobre os dados para a busca do conhecimento. Mais especificamente, no caso do algoritmo, será feita uma descrição em relação ao seu funcionamento e parâmetros que podem ser alterados e seus efeitos. Tendo sido gerados os arquivos.arff, imprescindíveis para a utilização no weka, será, então, feita uma explanação sobre a ferramenta weka e demonstrado como utilizá-la. Muitos serão os resultados gerados pelo weka, e, por causa disso, : 54-94

2 Tavares, Claudio; Bozza, Daniel e Kono, Frank será dada à devida atenção a uma explanação sobre como interpretar os resultados do weka. Por fim, o(s) arquivo(s).arff serão aplicados no weka e os resultados serão gerados, dando início, então, a toda uma explanação e interpretação sobre os resultados a fim de encontrar uma possível tendência em relação aos dados, a qual é: Será que pode-se determinar um padrão, uma semelhança no perfil dos candidatos que conseguem ser eleitos ao cargo de deputado estadual na cidade de Curitiba? 2 O PROCESSO DE DESCOBERTA DE CONHECIMENTO DO DATA MINING (DM) A análise das grandes quantidades de dados armazenadas nos SGBD s, visando encontrar informações estratégicas não conhecidas, tem exigido técnicas mais adequadas, sendo que o processo de DM permite em suas várias etapas extrair tais informações. De forma macro, pode-se definir o processo de DM como: - definição do problema; - pré-processamento dos dados; - mineração (analise) dos dados; - interpretação. FIGURA 1: ETAPAS NO PROCESSO DE DM 55

3 A figura acima demonstra, de forma gráfica, o processo da descoberta de conhecimento, onde cada parte da figura representa: -Dados: conjunto de dados armazenados em uma ou mais base(s) de dados, os quais são a matéria prima de todo o processo de Data Mining. - Dados Selecionados: de todos os dados disponíveis será separado um conjunto que contenha os dados que sejam relevantes para a questão, dúvida, informação estratégica que se pretende obter. - Dados processados: todos os dados selecionados serão previamente préprocessados, ou seja, serão tratados, limpos consistidos, visando à remoção de qualquer ruído nos dados. - Dados Transformados: depois de processados ou tratados, os dados serão formatados de forma a adequá-los à ferramenta de mineração ( weka ). - Padrões: os dados transformados aplicados aos algoritmos previamente escolhidos na ferramenta de mineração ( weka ) irão resultar em padrões, regras, gráficos, dados numéricos, os quais serão analisados exaustivamente. -Conhecimento: analisando os padrões gerados pelos algoritmos, possivelmente serão encontradas as informações estratégicas não conhecidas. 3 PLANEJAMENTO E DESCRIÇÃO DO PROCESSO DE DESCOBERTA DO CONHECIMENTO 3.1 CRONOGRAMA O cronograma abaixo representa as várias atividades que envolveram o processo de DM neste artigo. 56

4 Tavares, Claudio; Bozza, Daniel e Kono, Frank FIGURA 2 CRONOGRAMA Onde: - Tarefa: refere-se à atividade executada; - Etapa: refere-se à relação atividade * etapa descrita no item 2 deste artigo; - Semana/Dias: tempo em semanas para a execução da atividade As tarefas executadas foram as seguintes: - entender o funcionamento do weka: inicialmente, a ferramenta do weka era desconhecida pelo grupo; - escrever o artigo: este processo deu-se durante todo o tempo do trabalho; - buscar o problema a ser resolvido: o grupo não tinha bem claro o problema que pretendia resolver; - encontrar a(s) base(s) de dados: após definir o problema, deu-se início a busca pela(s) base(s) de dados que conteriam os dados necessários para o trabalho; - modelar os dados: desenhar o modelo de dados; - limpar os dados: tratar os dados adequadamente; 57

5 - trabalhar os dados: alguns dados, como idade e qtd. de votos, tiveram seus valores alterados para uma faixa de números; - gerar arquivo.arff: geração do arquivo.arff; - aplicar o arquivo.arff ao algoritmo: aplicar os algoritmos sobre os arquivos.arff; 3.2 O ESCOPO INICIAL DO PROJETO De posse das bases de dados referentes às eleições de 1994, 1996 e 1998, as quais contemplavam os cargos de Deputado Estadual, Deputado Federal, Senador, Prefeito, Governador e Presidente de todos os municípios do País, entendeu-se que a abrangência era muito grande. A partir deste momento, muitas foram as mudanças no escopo, as quais são melhores identificadas na figura 2 - Cronograma, pois as tarefas marcadas no cronograma em azul representam o clico de extração e interpretação dos dados devido às alterações no escopo. Abaixo são listadas as várias alterações: 1ª - a idéia era a de se trabalhar como todos os registros relacionados com o cargo de Deputado Estadual a nível nacional. 2ª - posteriormente, a idéia foi alterada para se trabalhar somente com os registros relacionados com o cargo de Deputado Estadual do Estado do Paraná. 3ª - finalmente, decidiu-se trabalhar somente com os registros relacionados com o cargo de Deputado Estadual da cidade de Curitiba. O motivo para tantas alterações foi que, ao aplicar o arquivo.arff no weka, os resultados eram muito abrangentes, ou seja, muitos eram os cargos ou muitas eram as cidades e a interpretação tornou-se inviável. Analisando que, para cada uma das alterações, era necessário voltar ao item de extração de dados (vide figura 2 - Cronograma ), pode-se afirmar que o trabalho era exaustivo, as mudanças não foram fáceis, pois o retrabalho custou muito tempo e esforço. 58

6 Tavares, Claudio; Bozza, Daniel e Kono, Frank 3.3 ANÁLISE DO NEGÓCIO O negócio em questão, neste artigo, é o de se analisar os dados disponibilizados na(s) base(s) de dados, referentes aos candidatos ao cargo de Deputado Estadual na cidade de Curitiba e verificar se existe alguma tendência de perfil para que um candidato possa garantir a sua eleição. 3.4 ANÁLISE LÓGICA Este item será subdividido para contemplar o detalhamento de várias etapas, desde a busca dos dados até a geração dos resultados pelo(s) algoritmo(s) do weka Busca da(s) base(s) de dados O(s) banco(s) de dado(s) foram encontrados no seguinte link: Os dados estavam distribuídos em bases de dados distintas, ou seja, uma base para cada um dos anos (1994, 1996 e 1998), logo foram feitos os downloads dos seguintes arquivos: 1º donwload C.exe (Banco de Dados 1994 completo) tamanho instalado 30,90 mb qtd. de linhas na tab_candidato era de ; 2º download C.exe (Banco de Dados 1996 completo) tamanho instalado 54,00 mb qtd. de linhas na tab_candidato era de ; 3º download C.exe (Banco de Dados 1998 completo) tamanho instalado 35,34 mb qtd. de linhas na tab_candidato era de É importante salientar, que os dados acima referem-se à base de dados completa, ou seja, todos os registros a nível nacional, contendo todos os cargos e cidades. Posteriormente, os arquivos foram descompactados e gerado, para cada um dos anos (1994, 1996 e 1998), um arquivo.mdb. 59

7 A figura abaixo representa o modelo de dados do(s) banco(s), sendo que este modelo é idêntico para os três anos ( 94, 96 e 98 ): FIGURA 3 MODELO DE DADOS ORIGINAL FONTE: Os autores Gerando o Modelo de Dados para o DW Analisando o modelo da figura 3 Modelo de Dados original, foi feita uma análise de todas as tabelas e seus atributos e, de acordo com o escopo do artigo, ou seja, a pergunta que se pretende responder, vide item 3.3, foi identificado que muitos dados das tabelas do modelo original eram desnecessárias para o novo modelo. A partir deste momento, foi gerado um novo modelo de dados, o qual irá suportar os dados necessários para que se possa encontrar a resposta deste artigo: 60

8 Tavares, Claudio; Bozza, Daniel e Kono, Frank FIGURA 4 MODELO DE DADOS DO DW ELEIÇÕES É importante salientar, que nem todos os atributos descritos no modelo de dados do DW irão aparecer no arquivo que será utilizado no weka, mas todos os atributos serão necessários para a geração da tabela TAB_WEKA, conforme descrita no modelo de dados o anexo 1, pois esta tabela irá conter todos os dados que, posteriormente, serão exportados e que darão origem ao arquivo (.arff ), o qual será utilizado no weka Extração de Dados Os dados continuarão sendo trabalhados de forma distinta, ou seja, para cada ano será criado um novo modelo de dados e um arquivo (.arff). De acordo com o modelo de dados do DW e com as três etapas descritas no item 3.2 Escopo Inicial do Projeto, foram, então, gerados as seguintes bases de dados: - eleicoes_1994.mdb - eleicoes_1996.mdb - eleicoes_1998.mdb Estas bases, inicialmente, continham todos os valores para o atributo cargo (dep. Estadual, prefeito, etc) para a cidade de Curitiba. Após as alterações de 61

9 escopo, foram, então, geradas novas bases de dados para a cidade de Curitiba e para o cargo de Deputado Estadual. - eleicoes_1994.mdb (359 registros) - eleicoes_1998.mdb ( 411 registros ) Totalizando 770 registros, os quais irão compor o arquivo (.arff ) final. Abaixo, relacionam-se alguns dos motivos para se trabalhar com os dados em bases diferentes: - por exemplo, na tabela profissão do ano de 1994 tinha-se advogado com o valor 1, para a chave primária; e, no ano de 1996, tinha-se advogado com o valor de 7, como chave primária. Este problema de atributos iguais com valores de chaves primárias diferentes foi identificado em outras tabelas. Realizar um mapeamento de-para entre as tabelas seria muito custoso e, por isso, decidiu-se manter os dados em bancos distintos. Na tabela abaixo, pode-se visualizar com mais detalhes a tabela de dados do WEKA TABELA 1 TABELA DE DADOS DO WEKA Atributo Tipo dados Descrição NOMSEXO varchar Armazena a descrição do sexo NOMGRAINS Varchar Armazena a descrição do grau de instrução (escolaridade) NOMESTCIV Varchar Armazena a descrição do est.civil NOMPROFIS Varchar Armazena a descrição da profissão SGLPAR Varchar Armazena a sigla do partido NOMSITUA Varchar Armazena a situação do candidato ANOELEIC Integer Armazena o ano de eleição NOMCAR Varchar Armazena o nome do cargo FAIXAIDADE Integer Armazena a faixa de idade FAIXAVOTOS integer Armazena a faixa de votos Limpeza dos Dados Abaixo, serão descritos os tratamentos ou limpeza as quais os dados foram submetidos. Foram removidos os espaços em branco na descrição dos atributos por exemplo: 62

10 Tavares, Claudio; Bozza, Daniel e Kono, Frank - Na tabela profissão, o atributo profissão continha o seguinte valor (auxiliar de escritório), sendo que este valor foi substituído por (auxiliardeescritorio) Foram removidos os acentos: - Na tab_profissao, o atributo profissão continha o seguinte valor (médico) e foi substituído por medico sem o acento (as não acompanham o atributo). Este item ii refere-se ao tratamento feito para a remoção de acentos e caracteres especiais dos valores dos atributos. Foram padronizados os valores dos atributos: - No banco eleicao_1994.mdb tab_profissao, o atributo profissão continha o seguinte valor ( funcionário público ) e, no banco eleicao_1996.mdb tab_profissao, o atributo profissão continha o seguinte valor (func. Público), foi feito um tratamento para que, em ambos os bancos, o valor fosse substituído por ( funcpublico). Estes tratamentos foram feitos em todas as tabelas/atributos para que todos os dados estivessem padronizados Geração dos dados Conforme descrito no item foi criada uma tabela chamada TAB_WEKA, a qual irá armazenar todos os dados que, posteriormente, serão exportados para a criação do arquivo (.arff ). Neste momento, foram montados os sql s que irão gerar a massa de dados para popular a TAB_WEKA.mdb (formato de banco Access). Abaixo, serão descritos os passos para a geração dos dados na TAB_WEKA: - Inicialmente, foi criada uma consulta para visualização dos dados, conforme a figura do anexo nº 1 Tabela de dados do weka. Feita uma conferência do resultado gerado no anexo nº 1, posteriormente foi utilizado outro recurso do banco.mdb para com base no resultado do select criar uma nova tabela contendo todos os dados gerados pela consulta (TAB_WEKA). 63

11 Na TAB_WEKA foram feitos os seguintes tratamentos: - foram retirados os seguintes campos: Nomcan, datnas, codcan, nommun; - foi renomeado o campo Expr1 para idade; - todos os valores dos atributos texto foram descritos com letras minúsculas. - os campos da tabela TAB_WEKA foram ordenados na seguinte seqüência: - IDADE, NOMSEXO, NOMGRAINS, NOMEESTCIV, NOMPROFIS, SGLPAR, VOTOS, NOMSITUAC, ANOELEICAO, NOMCAR, sendo que esta seqüência será a mesma que o arquivo (.arff ) conterá. É importante salientar, que a TAB_WEKA foi criada em cada um dos dois bancos de dados (1994 e 1996), logo todo o procedimento foi aplicado na tabela dos dois bancos Padronização dos Dados Na tabela de dados Weka foi necessário padronizar os valores de dois atributos, idade e quantidade de votos, isto porque eles continham uma seqüência de valores muito abrangente, o que dificultava o processamento e entendimento dos resultados. Para resolver este problema foram criadas faixas que enquadravam os valores dos atributos, valores estes representados na tabela abaixo. 64

12 Tavares, Claudio; Bozza, Daniel e Kono, Frank TABELA 2 FAIXA IDADE E VOTOS Atributo Faixa Valor Idade % idade >=20 e idade <= 30 % idade >=31 e idade <= 40 % idade >=41 e idade <= 50 % idade >=51 e idade <= 60 % idade >=61 e idade <= 70 % idade >=71 e idade <= 80 % idade >=81 e idade <= 90 % idade >= Votos %votos >=0 e votos <= 200 %votos >=201 e votos <= 400 %votos >=401 e votos <= 600 %votos >=601 e votos <= 800 %votos >=801 e votos <= 1000 %votos >=1001 e votos <= 5000 %votos >=5001 e votos <= %votos >=10001 e votos <= %votos >=15001 e votos <= %votos >=20001 e votos <= %votos >=25001 e votos <= %votos >=30001 e votos <= %votos >=40001 e votos <= %votos >=50001 e votos <= %votos >= e votos <= %votos >= e votos <= %votos >= Geração do arquivo.arff Neste momento, as tabelas TAB_WEKA (ano 1994) e TAB_WEKA (ano 1998) já estão criadas e com seus dados tratados. Foram gerados três arquivos.arff para os testes: - eleicoes_1994.arff, contendo 359 registros. - eleicoes_1998.arff, contendo 411 registros. - eleicoes_94_98.arff, o qual contém todos os dados de 1994 e 1998, totalizando 770 registros. O arquivo.arff foi subdividido da seguinte forma: - Declarando o eleições - Declarando todos os idade sexo grauinstrucao {1graucompleto,..} 65

13 @attribute estcivil profissão partido votos situação anoeleicao cargo {deputadoestadual,...} - Declarando o 5,masculino,1graucompleto,casado,outros,pdt,10,eleito,1994,deputadoestadual Este é somente um exemplo das várias linhas que o contém Escolha do Método e Algoritmo Para a análise dos três arquivos.arff, foi escolhido o Método de Classificação e o algoritmo J48. Isso em decorrência do escopo do trabalho e dos valores que compõem o arquivo.arff. Após análises dos diferentes métodos, que podem ser aplicados, e das formas de se minerar os dados e das características dos dados, constatou-se que os diferentes métodos podem ser aplicados com diferentes algoritmos a diferentes tipos de dados; tudo depende do tipo de problema que se deseja solucionar. O método de classificação foi escolhido por melhor responder à questão alvo deste artigo, ou seja, com o método de classificação pode-se inferir (prever) que determinados candidatos, com um determinado perfil, consigam se eleger. Neste caso, o atributo cargo é denominado como atributo alvo da classificação (poderia ser outro) e, sobre este, regras de classificação em relação ao outros atributos serão geradas. As formas mais comuns de representação de conhecimento dos algoritmos de classificação são regras e árvores. Os algoritmos Id3, C45, J48, ADTree, UserClassifier, PredictionNode, Splitter, ClassifierTree, M5Prime, por exemplo, geram, como resultado, árvores de classificação, enquanto que outros como Prism, Part, OneR geram regras de classificação. Já o algoritmo escolhido para a análise dos dados foi o J48, isso levando-se em consideração o tipo dos dados que serão analisados. 66

14 Tavares, Claudio; Bozza, Daniel e Kono, Frank Abaixo, será feita uma breve explanação, um pouco mais detalhada com relação ao algoritmo J48: - J48 constrói uma árvore de decisão. A forma de construção é a abordagem top-down, em que o atributo mais significativo, ou seja, o mais generalizado, quando comparado a outros atributos do conjunto, é considerado raiz da árvore. Na seqüência da construção, o próximo nó da árvore será o segundo atributo mais significativo, e, assim, sucessivamente, até gerar o nó folha, que representa o atributo alvo da instância. O processo de geração de regras, para classificação de sistemas normalmente atua em dois estágios: as regras são induzidas e posteriormente refinadas. Isto é feito através de dois métodos, através da geração das árvores de decisão e o posterior mapeamento da árvore em regras e, então, aplicando processos de refinamento, ou pela utilização do paradigma separar pra conquistar.. Assim como na árvore de decisão, esse processo também possuiu um estágio de otimização das regras geradas Com relação ao algoritmo J48 podem-se alterar os valores padrões dos seus vários atributos, conforme a descrição dos atributos na tabela abaixo: TABELA 3 PARÂMETROS J48 U usa a árvore sem poda C confidence: escolhe o fator de confiança inicial para a podar -> default:0.25 M escolhe o número mínimo de instâncias por folha -> default:2 R usa a poda com redução de erro N escolhe o número de partições para a poda com redução de erro, onde uma partição é utilizada como conjunto de poda ->default:3 B usa árvore binária S não utiliza subárvore de poda L não apaga a árvore depois de construída do weka: Os parâmetros acima mencionados podem ser configurados na seguinte tela 67

15 FIGURA 5 ESCOLHA DO ALGORITMO NO WEKA parâmetros: Clicando sobre o botão Choose surgira a tela para configuração dos FIGURA 6 PARÂMETROS J48 NO WEKA Onde cada campo representa um parâmetro a ser configurado: 1) binarysplits: 2) confidencefactor: 3) debug: 4) minnumobj: 5) numfolds: 6) reducederrorpruning : 7) saveinstancedata: 68

16 Tavares, Claudio; Bozza, Daniel e Kono, Frank 8) seed: 9) subtreeraising: 10)unpruned: 11)useLaplace: Abrindo o Weka janela: Com o aplicativo do weka aberto em modo Explorer, aparecerá a seguinte FIGURA 7 WEKA Buscando o arquivo.arff Seleciona-se a opção OpenFile para encontrar o arquivo eleicoes.arff e, após escolhido o arquivo, a seguinte tela foi apresentada. O arquivo eleicoes.arff estava no seguinte diretório:..weka-3-4\data\eleicoes.arff FIGURA 8 TELA WEKA 69

17 Obs:. Neste artigo estão sendo processados três arquivos.arff, conforme item Nesta visualização, podem-se analisar os seguintes dados: - as abas Classify, Cluster, Associate, Select Atributes são os métodos que podemos escolher para gerar os dados; - na guia Visualize, podemos visualizar os resultados dos algoritmos através de alguns gráficos, os quais veremos posteriormente; - o botão Chosse nos permite navegar em uma árvore na qual podemos escolher o algoritmo; - no campo onde aparece a palavra NONE, podemos alterar os parâmetros de configuração para o algoritmo; - na área Currente Rellation temos a qtd. de instâncias, nº de atributos e, também, a relação que será usada inicialmente para gerar alguns gráficos;- na área Attributes temos a relação de todos os atributos; - no botão visualize all, poderemos obter várias informações através de gráficos Versões do arquivo.arff Foram geradas duas versões para o arquivo.arff, visando encontrar os atributos que efetivamente iriam ser utilizados, bem como os tipos de dados dos atributos, conforme descrito na figura abaixo: 70

18 Tavares, Claudio; Bozza, Daniel e Kono, Frank FIGURA 9 VERSÕES GERADAS PARA O ARQUIVO.ARFF O maior problema encontrado, foi com relação aos valores do atributo idade e votos, pois os mesmos possuíam, inicialmente, uma seqüência de valores muito grande e, para resolver isso, foram criadas faixas para agrupar os valores, conforme descrito no item Interpretando os dados gerados pelo J48 no weka Abaixo, serão feitas algumas observações para que o leitor possa entender como os dados podem ser analisados ou interpretados. Tais resultados foram obtidos através da aplicação do Método de Classificação, utilizando-se o algoritmo J Análise da precisão O algoritmo J48 apresenta o seguinte quadro: FIGURA 10 ANALISE DE PRECISÃO 71

19 Onde, na classificação de exemplos (levando-se em conta todos os registros analisados ), o fator de precisão para o cargo de suplente foi de 91,70% Análise da Matriz de Confusão A matriz de confusão contém informações muito importantes para o entendimento do resultado do algoritmo, dentre elas: - a quantidade de instâncias classificadas corretamente; - a quantidade de instâncias classificadas erroneamente; - a quantidade de instâncias que o algoritmo acreditava ser de um tipo (eleito) e na verdade foram classificadas como (não eleito) por exemplo: FIGURA 11 MATRIZ DE CONFUSÃO É possível analisar que: - dos 15 exemplos(1ªlinha), 12 foram classificados corretamente como eleito, 3 foram classificados erroneamente como suplente; - dos 3 exemplos (2ªlinha), 1 foi classificado erroneamente como eleito e 2 foram classificados erroneamente como suplente; - dos 4 exemplos (3ªlinha), 4 foram classificados erroneamente como suplente; 72

20 Tavares, Claudio; Bozza, Daniel e Kono, Frank - dos 101 exemplos (4ªlinha), 100 foram classificados corretamente como suplente e 1 foi classificado erroneamente como eleito. Mas como chegou-se ao numero das instâncias classificadas corretamente e erroneamente no exemplo acima? Para isso, basta analisar o quadro abaixo, no qual a somatória dos valores, que fazem parte da diagonal marcada como azul, representam os valores classificados como corretos e os demais valores somados em suas respectivas diagonais, correspondem aos valores classificados erroneamente. Obviamente, na somatória dos valores errados, deve-se excluir os valores que fazem intersecção com a linha em azul. FIGURA 12 MATRIZ DE CONFUSÃO Com isto, obtemos o seguinte resultado: - Instâncias classificadas corretamente: 112; - Instâncias classificadas erroneamente: 11; - Perfazendo um total de 123 instâncias analisadas. Estes valores, apresentados pela matriz de confusão, são os mesmos que o algoritmo do weka apresenta, conforme quadro abaixo: 73

21 FIGURA 13 RESULTADOS WEKA Análise da Arvore de Decisão FIGURA 14 ARVORE DE DECISÃO Onde os valores tem a seguinte representação: FIGURA 15 PERCENTUAL DE ACERTOS 74

22 Tavares, Claudio; Bozza, Daniel e Kono, Frank Neste artigo, não foram abordadas todas as possibilidades de interpretação dos resultados do algoritmos J48. As interpretações que aqui foram abordadas permitirão realizar uma análise inicial dos resultados Análise Acertos * Erros Tomando como exemplo parte do resultado do arquivo eleições.arff sexo = masculino anoeleicao > 1996 situacao = eleito votos <= 13 estcivil = casado: deputadoestadual (37.0/3.0) O que significam os valores ( 37.0 / 3.0 ): - 37 significa o número de acertos, ou seja, 37 registros, nos quais a regra acima se aplica corretamente; - 3 significa o número de erros, ou seja, 3 registros, nos quais a regra acima não se aplica corretamente Resultado A tabela abaixo, demonstra os diferentes experimentos realizados para se encontrar o resultado do weka que mais se aproximasse do desejado, em termos dos valores dos atributos. 75

23 TABELA 4 ETAPAS DOS EXPERIMENTOS Exp. Nº registros bd original Nº registros treinamento Nº registro s testes E * E * 770 comentário Inicialmente, foi feito um teste com todos os registros de todos os anos e todas as cidades. Ficou impraticável a análise Neste momento, foram gerados os testes com todos os registros para que o J48 pudesse gerar os resultados a serem analisados. Abaixo serão demonstrados os resultados obtidos com o primeiro treinamento e com o último treinamento. A análise será subdividida da seguinte forma: - análise dos gráficos; - análise dos resultados gerados pelo J Resultado gerado pelos gráficos No tocante aos gráficos, é possível escolher um dos atributos como chave para que o resultado seja baseado neste. O atributo escolhido neste momento foi o atributo sexo. A tela para a escolha do atributo no weka é a seguinte: FIGURA 16 ESCOLHA DO ATRIBUTO 76

24 Tavares, Claudio; Bozza, Daniel e Kono, Frank Os gráficos serão gerados pelo botão Visualize All, conforme mostrado na figura acima. No gráfico gerado pelo botão,o sexo masculino está representado pela cor azul e o sexo feminino pela cor vermelha, conforme gráficos abaixo. A primeira análise feita foi em relação ao Sexo e Idade: GRÁFICO 1 RELAÇÃO AO SEXO E IDADE A maior barra representa a faixa de idade, entre 3,947 a 4,316; isso corresponde à faixa aproximada de 48 a 54 anos, com um total de 288 instâncias, ou seja 37,4% de todos os registros (770). Observe que a predominância nesta faixa é do sexo masculino. A segunda análise feita foi em relação ao sexo e sexo: 77

25 GRÁFICO 2 RELAÇÃO AO SEXO E SEXO A maior barra corresponde ao sexo masculino, com 705 instâncias, o que corresponde a 91,56%; já a menor barra corresponde ao sexo feminino, com 65 registros, o que corresponde a 8,44%. Um ponto interessante, levando em consideração que estes dados referem-se somente à cidade de Curitiba, é que para o grau de instrução, lê e escreve, somente 3 instâncias foram selecionadas. A terceira análise feita foi em relação ao sexo e o grau de instrução: GRÁFICO 3 RELAÇÃO AO SEXO E GRAU DE INSTRUÇÃO 78

26 Tavares, Claudio; Bozza, Daniel e Kono, Frank A maior barra, corresponde ao grau de instrução Superior Completo, com um total de 390 instâncias, o que corresponde a 50,64% de todos os registros (770). Observe que a predominância é do sexo masculino. A quarta análise feita foi em relação ao sexo e estado civil: GRÁFICO 4 RELAÇÃO AO SEXO E ESTADO CIVIL A maior barra corresponde à situação civil de casado, com um total de 584 instâncias, o que corresponde a 75,85% de todos os registros (770). Observe que a predominância é do sexo masculino. A quinta análise foi feita em relação ao sexo e profissão: GRÁFICO 5 RELAÇÃO AO SEXO E PROFISSÃO 79

27 Neste item será feita menção de três barras. A maior representa a profissão outros. Não se pode afirmar o motivo pelo qual, na base de dados, muitas instâncias foram classificadas como outros. A segunda maior barra representa a profissão de Proprietário de Estabelecimento, com 77 instâncias, o que representa a 10% do total. A terceira maior barra representa a profissão de Advogado, com 73 instâncias, o que representa 9,48 %. Note que a predominância também é do sexo masculino. A sexta análise foi feita em relação ao sexo e partido: GRÁFICO 6 RELAÇÃO AO SEXO E PARTIDO POLÍTICO Neste item será feita menção de duas barras. A maior barra representa o partido PMDB, com 105 instâncias, o que representa 13,64 % de todos os registros. A segunda maior barra representa o partido PT, com 99 instâncias, o que representa 12,87% de todos os registros. Note que a predominância também é do sexo masculino. A sétima análise foi feita em relação ao sexo e quantidade de votos: 80

28 Tavares, Claudio; Bozza, Daniel e Kono, Frank GRÁFICO 7 RELAÇÃO AO SEXO E QUANTIDADE DE VOTOS A maior barra representa a faixa de votos, aproximada entre a votos, com 191 instâncias, o que representa 24,80%. Note que a predominância também é do sexo masculino. A oitava análise foi feita em relação ao sexo e a situação: GRÁFICO 8 RELAÇÃO AO SEXO E SITUAÇÃO A maior barra corresponde à situação de Suplente com 648 instâncias, o que representa 84,15% do total de instâncias. Note que a predominância também é do sexo masculino.com este gráfico pode-se chegar às seguintes conclusões: 81

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

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

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

KDD. Fases limpeza etc. Datamining OBJETIVOS PRIMÁRIOS. Conceitos o que é?

KDD. 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 mais

Ajuda ao SciEn-Produção 1. 1. O Artigo Científico da Pesquisa Experimental

Ajuda ao SciEn-Produção 1. 1. O Artigo Científico da Pesquisa Experimental Ajuda ao SciEn-Produção 1 Este texto de ajuda contém três partes: a parte 1 indica em linhas gerais o que deve ser esclarecido em cada uma das seções da estrutura de um artigo cientifico relatando uma

Leia mais

Criação de Consultas e Relatórios no Access CRIAÇÃO DE CONSULTAS E RELATÓRIOS NO ACCESS

Criação de Consultas e Relatórios no Access CRIAÇÃO DE CONSULTAS E RELATÓRIOS NO ACCESS Criação de Consultas e Relatórios no Access CRIAÇÃO DE CONSULTAS E RELATÓRIOS NO ACCESS Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Consultas... 5 3. Relatórios... 8 4. Conclusões... 11

Leia mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO 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 mais

Centro de Computação - Unicamp Gerência de Atendimento ao Cliente (e-mail:apoio@turing.unicamp.br) Sumário

Centro de Computação - Unicamp Gerência de Atendimento ao Cliente (e-mail:apoio@turing.unicamp.br) Sumário Sumário Conceitos Microsoft Access 97... 01 Inicialização do Access... 02 Convertendo um Banco de Dados... 03 Criando uma Tabela... 06 Estrutura da Tabela... 07 Propriedades do Campo... 08 Chave Primária...

Leia mais

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL Raquel Oliveira dos Santos, Luis Felipe Dias Lopes Programa de Pós-Graduação em Estatística e Modelagem Quantitativa CCNE UFSM, Santa Maria RS

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

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

TCEnet. Manual Técnico. Responsável Operacional das Entidades

TCEnet. Manual Técnico. Responsável Operacional das Entidades TCEnet Manual Técnico Responsável Operacional das Entidades 1 Índice 1. Introdução... 3 2. Características... 3 3. Papéis dos Envolvidos... 3 4. Utilização do TCEnet... 4 4.1. Geração do e-tcenet... 4

Leia mais

Alinhamento Prático Ferramenta ARIS Operação Básica

Alinhamento Prático Ferramenta ARIS Operação Básica Alinhamento Prático Ferramenta ARIS Operação Básica AGENDA Ferramenta ARIS Operação do módulo básico ARIS Explorer Estruturação dos componentes Login na base de dados Manipulação de grupos Objetos Conexões

Leia mais

TSE TRIBUNAL SUPEIROR ELEITORAL Secretaria de Informática Coordenadoria de Sistemas Administrativos Setor de Apoio ao Usuário

TSE TRIBUNAL SUPEIROR ELEITORAL Secretaria de Informática Coordenadoria de Sistemas Administrativos Setor de Apoio ao Usuário TSE TRIBUNAL SUPEIROR ELEITORAL Secretaria de Informática Coordenadoria de Sistemas Administrativos Setor de Apoio ao Usuário (versão 1.0) 1 APRESENTAÇÃO O Tribunal Superior Eleitoral usando de suas atribuições

Leia mais

Manual de Apoio ao Treinamento. Expresso

Manual de Apoio ao Treinamento. Expresso Manual de Apoio ao Treinamento Expresso 1 EXPRESSO MAIL É dividido em algumas partes principais como: Caixa de Entrada: local onde ficam as mensagens recebidas. O número em vermelho entre parênteses refere-se

Leia mais

Manual do Usuário Eleição Virtual. Versão 2.0

Manual do Usuário Eleição Virtual. Versão 2.0 Manual do Usuário Eleição Virtual Versão 2.0 Março, 2015 Sistema Nível de Serviço Manual de utilização Tribunal de Justiça do Estado da Bahia Setor: Coordenação de Sistemas - COSIS Histórico de Revisões

Leia mais

Conectando Bancos de Dados Microsoft Access no BrOffice.org Base. fornecido pelo Projeto de Documentação do BrOffice.org

Conectando Bancos de Dados Microsoft Access no BrOffice.org Base. fornecido pelo Projeto de Documentação do BrOffice.org Conectando Bancos de Dados Microsoft Access no BrOffice.org Base fornecido pelo Projeto de Documentação do BrOffice.org Índice 1 Introdução...2 1.1 Versão... 2 1.2 Licenciamento...2 1.3 Mensagem do Projeto

Leia mais

Manual de Acesso e Realização Prova Eletrônica - Acadêmicos. Sumário. 1. Acesso e Realização Prova Eletrônica Acadêmicos... 3

Manual de Acesso e Realização Prova Eletrônica - Acadêmicos. Sumário. 1. Acesso e Realização Prova Eletrônica Acadêmicos... 3 Sumário 1. Acesso e Realização Prova Eletrônica Acadêmicos... 3 2 1. Acesso e Realização Prova Eletrônica Acadêmicos Manual de Acesso e Realização Prova Eletrônica - Acadêmicos O objetivo deste manual

Leia mais

SEAP / CAS. Manual V1.0

SEAP / CAS. Manual V1.0 SEAP / CAS Manual V1.0 Janeiro - 2013 Coordenadoria de Administração de Serviços - CAS Palácio das Araucárias Rua Jacy Loureiro de Campos, s/nº 80530-140 - Centro Cívico - Curitiba Paraná Fone: (41) 3313-6071

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

CAPES - MEC COLETA DE DADOS 9.01 MANUAL SIMPLIFICADO DO USUÁRIO 2006

CAPES - MEC COLETA DE DADOS 9.01 MANUAL SIMPLIFICADO DO USUÁRIO 2006 CAPES - MEC COLETA DE DADOS 9.01 MANUAL SIMPLIFICADO DO USUÁRIO 2006 1 APRESENTAÇÃO...2 2 INSTALAÇÃO...2 3 IMPORTAÇÃO DO ARQUIVO ESPECÍFICO...3 4 IMPORTAÇÃO DE DADOS DO CADASTRO DE DISCENTES...4 5 PREENCHIMENTO

Leia mais

NOME SEXO CPF NASCIMENTO SALARIO

NOME SEXO CPF NASCIMENTO SALARIO Tutorial SQL Fonte: http://www.devmedia.com.br/articles/viewcomp.asp?comp=2973 Para começar Os Sistemas Gerenciadores de Bancos de Dados Relacionais (SGBDr) são o principal mecanismo de suporte ao armazenamento

Leia mais

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.

Aplicação 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 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

Manual Básico do Usuário GP-Web Gestão de projetos

Manual Básico do Usuário GP-Web Gestão de projetos Manual Básico do Usuário GP-Web Gestão de projetos Departamento de Planejamento Pró-reitoria de Planejamento e Finanças Universidade Federal de Santa Catarina 1 Sumário O que é um projeto?... 4 O que é

Leia mais

Manual do Sistema Divulga2010

Manual do Sistema Divulga2010 Manual do Sistema Divulga00 Versão do manual :.0. Sumário. Apresentação.... Funcionalidades..... Novo Consulta... 4... Consultas... 4... Apresentação dos resultados... 6.. Modo Telão... 9... Funcionamento...

Leia mais

Lista de valores de uma questão texto

Lista de valores de uma questão texto Sphinx APRENDIZ - p.160 7 ANÁLISE DE TEXTOS O software, ao apresentar o resultado de uma questão texto, exibe uma lista simples de todos os valores acrescentados. É de responsabilidade do pesquisador retirar

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário

Leia mais

MANUAL DE INSTALAÇÃO E OPERAÇÃO

MANUAL DE INSTALAÇÃO E OPERAÇÃO MANUAL DE INSTALAÇÃO E OPERAÇÃO SInAE Sistema Integrado de Administração Escolar Fevereiro - 2006 Sumário INTRODUÇÃO... 2 APRESENTAÇÃO DOS MÓDULOS... 3 Módulo Acadêmico... 3 Módulo de Cofigurações da Escola...

Leia mais

Apresentação... Nome: Vanderlei Cordeiro Frazão

Apresentação... Nome: Vanderlei Cordeiro Frazão Apresentação... Nome: Vanderlei Cordeiro Frazão Formação: - Bacharel em Sistemas de Informação (Uniguaçu) - Pós graduação em Docência no Ensino Superior (Uniguaçu) - Licenciatura em Informática (UTFPR)

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

Ferramenta: Spider-CL. Manual do Usuário. Versão da Ferramenta: 1.1. www.ufpa.br/spider

Ferramenta: Spider-CL. Manual do Usuário. Versão da Ferramenta: 1.1. www.ufpa.br/spider Ferramenta: Spider-CL Manual do Usuário Versão da Ferramenta: 1.1 www.ufpa.br/spider Histórico de Revisões Data Versão Descrição Autor 14/07/2009 1.0 15/07/2009 1.1 16/07/2009 1.2 20/05/2010 1.3 Preenchimento

Leia mais

Data Mining: Ferramenta JAVA

Data Mining: Ferramenta JAVA Data Mining: Ferramenta JAVA JAVA para Data Mining Weka 3: Data Mining Software em Java http://www.cs.waikato.ac.nz/ml/weka/ Coleção de algoritmos para as tarefas de data mining; Free software. WEKA: JAVA

Leia mais

Mestrado em Análise de Dados e Sistemas de Apoio à Decisão. Faculdade de Economia. Universidade de Porto. Extracção de Conhecimento de Dados I

Mestrado em Análise de Dados e Sistemas de Apoio à Decisão. Faculdade de Economia. Universidade de Porto. Extracção de Conhecimento de Dados I Mestrado em Análise de Dados e Sistemas de Apoio à Decisão Faculdade de Economia Universidade de Porto Extracção de Conhecimento de Dados I PROBLEMAS DE CLASSIFICAÇÃO Manuel José Ferreira Monteiro Novembro

Leia mais

Disciplina de Banco de Dados Parte V

Disciplina de Banco de Dados Parte V Disciplina de Banco de Dados Parte V Prof. Elisa Maria Pivetta CAFW - UFSM Modelo de Dado Relacional O Modelo Relacional O Modelo ER é independente do SGDB portanto, deve ser o primeiro modelo gerado após

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA SISTEMA DE BIBLIOTECAS UNIVERSITÁRIAS TUTORIAL CATALOGO PERGAMUM

UNIVERSIDADE FEDERAL DE SANTA CATARINA SISTEMA DE BIBLIOTECAS UNIVERSITÁRIAS TUTORIAL CATALOGO PERGAMUM UNIVERSIDADE FEDERAL DE SANTA CATARINA SISTEMA DE BIBLIOTECAS UNIVERSITÁRIAS TUTORIAL CATALOGO PERGAMUM Elaboração: Karyn Munyk Lehmkuhl Acadêmica da 9ª do curso de Biblioteconomia UFSC - Semestre 2003/2

Leia mais

Analysis Services. Manual Básico

Analysis Services. Manual Básico Analysis Services Manual Básico Construindo um Banco de Dados OLAP... 2 Criando a origem de dados... 3 Definindo as dimensões... 5 Níveis de dimensão e membros... 8 Construindo o cubo... 11 Tabela de fatos...12

Leia mais

Processos de Compras. Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar

Processos de Compras. Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Processos de Compras Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar 1 Centro Cascavel PR www.tecinco.com.br Sumário Controle de Compras... 4 Parametrização... 4 Funcionamento... 4 Processo de Controle...

Leia mais

Manual do Usuário. Sistema Financeiro e Caixa

Manual do Usuário. Sistema Financeiro e Caixa Manual do Usuário Sistema Financeiro e Caixa - Lançamento de receitas, despesas, gastos, depósitos. - Contas a pagar e receber. - Emissão de cheque e Autorização de pagamentos/recibos. - Controla um ou

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente

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

DESENVOLVENDO APLICAÇÕES WEB UTILIZANDO A FERRAMENTA WEBSCHARTS

DESENVOLVENDO APLICAÇÕES WEB UTILIZANDO A FERRAMENTA WEBSCHARTS UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL DEPARTAMENTO DE COMPUTAÇÃO E ESTATÍSTICA DESENVOLVENDO APLICAÇÕES WEB UTILIZANDO A FERRAMENTA WEBSCHARTS LÍCIO SÉRGIO FERRAZ DE BRITO MARCELO AUGUSTO SANTOS TURINE

Leia mais

DIFERENÇAS ENTRE FUNÇÃO E BLOCO FUNCIONAL; CRIAÇÃO DE FUNÇÃO / BLOCO FUNCIONAL; UTILIZAÇÃO NO LADDER; EXEMPLO DE BLOCO FUNCIONAL;

DIFERENÇAS ENTRE FUNÇÃO E BLOCO FUNCIONAL; CRIAÇÃO DE FUNÇÃO / BLOCO FUNCIONAL; UTILIZAÇÃO NO LADDER; EXEMPLO DE BLOCO FUNCIONAL; Boletim Técnico EP3 11/07 Utilizando Funções e Blocos Funcionais de usuário pelo software A1 19 de outubro de 2007 O objetivo deste boletim é mostrar como utilizar o recurso de Funções (Functions) e Blocos

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

Curso de Navegadores e Internet

Curso de Navegadores e Internet Universidade Estadual do Oeste do Paraná Pró Reitoria de Extensão Centro de Ciências Exatas e Tecnológicas Colegiado de Licenciatura em Matemática Colegiado da Ciência da Computação Projeto de Extensão:

Leia mais

Introdução. Nesta guia você aprenderá:

Introdução. Nesta guia você aprenderá: 1 Introdução A criação de uma lista é a primeira coisa que devemos saber no emailmanager. Portanto, esta guia tem por objetivo disponibilizar as principais informações sobre o gerenciamento de contatos.

Leia mais

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

Manual para Envio de Petição Inicial

Manual para Envio de Petição Inicial Manual para Envio de Petição Inicial 1. Após abrir a página do PROJUDI, digite seu usuário e senha 1.1. Para advogados o usuário é o cpf.adv (ex: 12345678900.adv) 1.2. Após digitar os dados (login e senha),

Leia mais

Conheça o Projeto. Apresentação. Finalidade. Objetivo

Conheça o Projeto. Apresentação. Finalidade. Objetivo Manual do Usuário Índice Conheça o Projeto...3 Apresentação...3 Finalidade...3 Objetivo...3 Histórico...4 Usando o Portal...5 Efetuando o cadastro na biblioteca digital...5 Logando na Biblioteca Digital...6

Leia mais

Tabela e Gráficos Dinâmicos Como estruturar dinamicamente dados no Excel

Tabela e Gráficos Dinâmicos Como estruturar dinamicamente dados no Excel Tabela e Gráficos Dinâmicos Como estruturar! Para que serve a Tabela e o Gráfico Dinâmico?! Como criar uma Tabela Dinâmica?! Como criar um Gráfico Dinâmico?! Como podemos atualizar dos dados da Tabela

Leia mais

I Seminário de Pesquisas Eleitorais Agosto de 2003

I Seminário de Pesquisas Eleitorais Agosto de 2003 I Seminário de Pesquisas Eleitorais Aspectos críticos da Legislação Eleitoral 25 e 26 de agosto de 2003 Márcia Cavallari Nunes OBJETIVOS Debater de maneira propositiva os pontos polêmicos da atual legislação,

Leia mais

TUTORIAL. TP - Versão 3.1

TUTORIAL. TP - Versão 3.1 TUTORIAL TP - Versão 3.1 Criação: Andréia Rauber 1, Anabela Rato 2, Denise Kluge 3 e Giane Santos 4 Desenvolvimento: Marcos Figueiredo 5 O TP (Teste/Treinamento de Percepção) é um aplicativo de software

Leia mais

1) MANUAL DO INTEGRADOR Este documento, destinado aos instaladores do sistema, com informações de configuração.

1) MANUAL DO INTEGRADOR Este documento, destinado aos instaladores do sistema, com informações de configuração. O software de tarifação é uma solução destinada a rateio de custos de insumos em sistemas prediais, tais como shopping centers. O manual do sistema é dividido em dois volumes: 1) MANUAL DO INTEGRADOR Este

Leia mais

Pré-requisitos : FIS Implantada, Folha do Mês Finalizada Passo 1 Implantação da FIS

Pré-requisitos : FIS Implantada, Folha do Mês Finalizada Passo 1 Implantação da FIS GEO Pré-requisitos : FIS Implantada, Folha do Mês Finalizada Passo 1 Implantação da FIS FIS Significa Ficha de Implantação de Serviços, e nela podemos inserir de forma bem objetiva os dados do serviço

Leia mais

BI Citsmart Fornece orientações necessárias para instalação, configuração e utilização do BI Citsmart.

BI Citsmart Fornece orientações necessárias para instalação, configuração e utilização do BI Citsmart. 16/08/2013 BI Citsmart Fornece orientações necessárias para instalação, configuração e utilização do BI Citsmart. Versão 1.0 19/12/2014 Visão Resumida Data Criação 19/12/2014 Versão Documento 1.0 Projeto

Leia mais

15 Conceitos de Bancos de Dados com o LibreOffice Base

15 Conceitos de Bancos de Dados com o LibreOffice Base Introdução a Informática - 1º semestre AULA 14 Prof. André Moraes Objetivos desta aula: Explorar as propriedades na criação de bancos de dados no LibreOffice Base; Criar e explorar tabelas; Criar e explorar

Leia mais

Sumário: Fluxo Operacional... 3 Contatos... 4. Agenda Online... 10. Reservas de Salas... 26. Tarefas... 42

Sumário: Fluxo Operacional... 3 Contatos... 4. Agenda Online... 10. Reservas de Salas... 26. Tarefas... 42 Sumário: Fluxo Operacional... 3 Contatos... 4 Passo a passo para visualização de contatos... 5 Passo a passo para filtragem da lista de contatos... 6 Como ordenar a lista de contatos... 7 Como gerar uma

Leia mais

A Preparação dos Dados

A 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 mais

Manual do Usuário BDGEx Versão: 2.3

Manual do Usuário BDGEx Versão: 2.3 Manual do Usuário BDGEx Versão: 2.3 Ministério da Defesa Exército Brasileiro Maio/2012 Sumário 1- Introdução...2 1.1- O que é o BDGEx?...2 1.2- Entrando no Sistema...2 1.3- Apresentando a Área de Trabalho

Leia mais

Version Notes (Notas da versão) Versão 4.10.1.8-05-12-2012

Version Notes (Notas da versão) Versão 4.10.1.8-05-12-2012 Florianópolis, 05 de dezembro de 2012. Abaixo você confere as características e funcionalidades da nova versão 4.10.1.8-05-12-2012 do Channel. Para quaisquer dúvidas ou na necessidade de maiores esclarecimentos,

Leia mais

Instituto Konsultta. Pesquisa Eleitoral. Cascavel 26/10/2012 Registro TSE: PR-00707/2012

Instituto Konsultta. Pesquisa Eleitoral. Cascavel 26/10/2012 Registro TSE: PR-00707/2012 Instituto Konsultta Pesquisa Eleitoral Cascavel 26/10/2012 Registro TSE: PR-00707/2012 www.institutokonsultta.com Instituto Konsultta Número do protocolo: PR-00707/2012 Data de registro: 20/10/2012 Data

Leia mais

Banco de Dados. Arquitetura e Terminologia. Prof. Walteno Martins Parreira Jr www.waltenomartins.com.br waltenomartins@yahoo.

Banco de Dados. Arquitetura e Terminologia. Prof. Walteno Martins Parreira Jr www.waltenomartins.com.br waltenomartins@yahoo. Banco de Dados Arquitetura e Terminologia Prof. Walteno Martins Parreira Jr www.waltenomartins.com.br waltenomartins@yahoo.com 2015 Modelo de Dados e Esquemas O modelo de Banco de Dados é como um detalhamento

Leia mais

AULA 3 Ferramentas de Análise Básicas

AULA 3 Ferramentas de Análise Básicas 3.1 AULA 3 Ferramentas de Análise Básicas Neste capítulo serão apresentadas algumas ferramentas de análise de dados com representação vetorial disponíveis no TerraView. Para isso será usado o banco de

Leia mais

GPWeb Gestão de projetos

GPWeb Gestão de projetos Manual Básico do Usuário GPWeb Gestão de projetos Brasília DF, Maio de 2015 1 Sumário O que é um projeto?... 5 O que é o GPWeb?... 6 Como criar um projeto no GPWeb:... 6 As partes envolvidas: Integração/

Leia mais

Tratamento de Dados Utilizando o SciDAVis Tutorial Parte 1 Como construir um gráfico e fazer um ajuste linear

Tratamento de Dados Utilizando o SciDAVis Tutorial Parte 1 Como construir um gráfico e fazer um ajuste linear LABORATÓRIO DE FÍSICA EXPERIMENTAL 1 DEPARTAMENTO DE FÍSICA - DAFIS UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ - UTFPR Tratamento de Dados Utilizando o SciDAVis Tutorial Parte 1 Como construir um gráfico

Leia mais

III- Módulo CRM Segmentação

III- Módulo CRM Segmentação III- Módulo CRM Segmentação Permite a criação, consulta, alteração e exclusão de segmentos (grupos com características específicas filtrados do cadastro de sócios). O módulo permite também ações a serem

Leia mais

Conteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos. Centro Tecnológico. Universidade Federal do Espírito Santo

Conteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos. Centro Tecnológico. Universidade Federal do Espírito Santo Universidade Federal do Espírito Santo Centro Tecnológico Departamento de Informática Disciplina: INF 02810 Prof.: (monalessa@inf.ufes.br) Conteúdo 1. Introdução 2. Processo de Software 3. Gerência de

Leia mais

Sistema Gerenciador de Hotel. Adriano Douglas Girardello. Ana Paula Fredrich. Tiago Alexandre Schulz Sippert

Sistema Gerenciador de Hotel. Adriano Douglas Girardello. Ana Paula Fredrich. Tiago Alexandre Schulz Sippert UNIOESTE Universidade Estadual do Oeste do Paraná CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS Colegiado de Informática Curso de Bacharelado em Informática Sistema Gerenciador de Hotel Adriano Douglas Girardello

Leia mais

Sistema de Planejamento

Sistema de Planejamento Sistema de Planejamento Copyright 2013 by Softplan Rod. José Carlos Daux, km 1, Nº 10 Centro de Tecnologia Ilhasoft - ParqueTecAlfa João Paulo CEP 88030-000 Florianópolis SC Telefone: (48) 3027-8000 Homepage:

Leia mais

LEVANTAMENTO DE REQUISITOS SEGUNDO O MÉTODO VOLERE

LEVANTAMENTO DE REQUISITOS SEGUNDO O MÉTODO VOLERE LEVANTAMENTO DE REQUISITOS SEGUNDO O MÉTODO VOLERE RESUMO Fazer um bom levantamento e especificação de requisitos é algo primordial para quem trabalha com desenvolvimento de sistemas. Esse levantamento

Leia mais

Reforma Política. Pesquisa telefônica realizada pelo IBOPE Inteligência a pedido do Conselho Federal da Ordem dos Advogados do Brasil

Reforma Política. Pesquisa telefônica realizada pelo IBOPE Inteligência a pedido do Conselho Federal da Ordem dos Advogados do Brasil Reforma Política Pesquisa telefônica realizada pelo IBOPE Inteligência a pedido do Conselho Federal da Ordem dos Advogados do Brasil Introdução 2 Objetivos Abrangência Geográfica Método de coleta Datas

Leia mais

http://espacodocliente.ebs.com.br

http://espacodocliente.ebs.com.br SUPORTE TÉCNICO EBS Horário de atendimento: Das 08h00min às 18h00min, de Segunda a Sexta-feira. Formas de atendimento: E-mail: Envie-nos suas dúvidas e/ou sugestões para suporte@ebs.com.br. Suporte On-line

Leia mais

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA DE ENGENHARIA DEPARTAMENTO DE ELETRÔNICA. Sistema de Gerenciamento Eletrônico de Documentos

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA DE ENGENHARIA DEPARTAMENTO DE ELETRÔNICA. Sistema de Gerenciamento Eletrônico de Documentos UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA DE ENGENHARIA DEPARTAMENTO DE ELETRÔNICA Sistema de Gerenciamento Eletrônico de Documentos Autor: Evandro Bastos Tavares Orientador: Antônio Claudio Gomez

Leia mais

Índice. Introdução 31. Tutorial 1: O Microsoft Access como Sistema de Gestão de Bases de Dados Relacionais 35

Índice. Introdução 31. Tutorial 1: O Microsoft Access como Sistema de Gestão de Bases de Dados Relacionais 35 Introdução 31 1. Bases de Dados Relacionais 31 2. Modelação de Bases de Dados 31 3. Modelo de Classes UML 32 4. Linguagem SQL 32 5. Sobre o Microsoft" Access" 32 Tutorial 1: O Microsoft Access como Sistema

Leia mais

Gerência de Gestão de Ambientes - GGA. Coordenação de Planejamento, Pesquisa e Capacitação - MANUAL DO USUÁRIO EXPRESSO

Gerência de Gestão de Ambientes - GGA. Coordenação de Planejamento, Pesquisa e Capacitação - MANUAL DO USUÁRIO EXPRESSO Gerência de Gestão de Ambientes - GGA Coordenação de Planejamento, Pesquisa e Capacitação - CPPC MANUAL DO USUÁRIO EXPRESSO Documento Manual do Usuário Expresso Versão 1.0 Equipe Técnica André Luiz de

Leia mais

Capítulo 7 O Gerenciador de Arquivos

Capítulo 7 O Gerenciador de Arquivos Capítulo 7 O Gerenciador de Arquivos Neste capítulo nós iremos examinar as características da interface do gerenciador de arquivos Konqueror. Através dele realizaremos as principais operações com arquivos

Leia mais

ÍNDICE... 2 INTRODUÇÃO... 4

ÍNDICE... 2 INTRODUÇÃO... 4 Mic crosoft Excel 201 0 ÍNDICE ÍNDICE... 2 INTRODUÇÃO... 4 Interface... 4 Guias de Planilha... 5 Movimentação na planilha... 6 Entrada de textos e números... 7 Congelando painéis... 8 Comentários nas Células...

Leia mais

Manual do Sistema de Apoio Operadores CDL

Manual do Sistema de Apoio Operadores CDL N / Rev.: Manual 751.1/02 Este documento não deve ser reproduzido sem autorização da FCDL/SC Aprovação: Representante da Direção Ademir Ruschel Elaboração: Supervisor da Qualidade Sílvia Regina Pelicioli

Leia mais

Centro Federal de Educação Tecnológica da Bahia Curso Excel Avançado Índice

Centro Federal de Educação Tecnológica da Bahia Curso Excel Avançado Índice Índice Apresentação...2 Barra de Título...2 Barra de Menus...2 Barra de Ferramentas Padrão...2 Barra de Ferramentas de Formatação...3 Barra de Fórmulas e Caixa de Nomes...3 Criando um atalho de teclado

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

Tutorial do módulo Carteira Nacional de Militante

Tutorial do módulo Carteira Nacional de Militante Tutorial do módulo Carteira Nacional de Militante 1. Como iniciar o programa O módulo da Carteira de Militante deve ser acessado através dos seguintes endereços: http://www.pcdob.org.br/redevermelha. É

Leia mais

Índice 1. APRESENTAÇÃO... 1 2. CADASTRO DA EMPRESA... 8 3. CONTROLE DE PERMISSÕES... 14 4. CONFIGURAÇÕES DA EMPRESA... 19 5. CND...

Índice 1. APRESENTAÇÃO... 1 2. CADASTRO DA EMPRESA... 8 3. CONTROLE DE PERMISSÕES... 14 4. CONFIGURAÇÕES DA EMPRESA... 19 5. CND... Sage CND Índice 1. APRESENTAÇÃO... 1 1.1. Primeiro Acesso... 2 1.2. Conhecendo a Plataforma Sage... 4 1.2.1. Seleção de Empresa de Trabalho... 4 1.2.2. Sair do sistema/minhas Configurações... 5 1.2.3.

Leia mais

A VISTA BACKSTAGE PRINCIPAIS OPÇÕES NO ECRÃ DE ACESSO

A VISTA BACKSTAGE PRINCIPAIS OPÇÕES NO ECRÃ DE ACESSO DOMINE A 110% ACCESS 2010 A VISTA BACKSTAGE Assim que é activado o Access, é visualizado o ecrã principal de acesso na nova vista Backstage. Após aceder ao Access 2010, no canto superior esquerdo do Friso,

Leia mais

Classificação dos candidatos ao vestibular da FECILCAM via técnicas estatísticas multivariadas

Classificação dos candidatos ao vestibular da FECILCAM via técnicas estatísticas multivariadas Anais do CNMAC v. ISSN 1984-80X Classificação dos candidatos ao vestibular da FECILCAM via técnicas estatísticas multivariadas Tatiane C. da Silva Faculdade Estadual de Ciências e Letras de Campo Mourão

Leia mais

Banco de Dados BrOffice Base

Banco de Dados BrOffice Base Banco de Dados BrOffice Base Autor: Alessandro da Silva Almeida Disponível em: www.apostilando.com 27/02/2011 CURSO TÉCNICO EM SERVIÇO PÚBLICO Apostila de Informática Aplicada - Unidade VI Índice Apresentação...

Leia mais

Melhorias e Correções Patch's

Melhorias e Correções Patch's Melhorias e Correções Patch's Relações de Melhorias ID Descrição 6355 Curva S de Evolução Histórica No painel executivo foi acrescentado o gráfico com a Curva S, para o período selecionado, de Percentual

Leia mais

A.S. Sistemas Rua Prof. Carlos Schlottfeldt, 10A Clélia Bernardes Viçosa MG CEP 36570-000 Telefax: (31) 3892 7700 dietpro@dietpro.com.

A.S. Sistemas Rua Prof. Carlos Schlottfeldt, 10A Clélia Bernardes Viçosa MG CEP 36570-000 Telefax: (31) 3892 7700 dietpro@dietpro.com. Sumário Principais Características...5 Configuração necessária para instalação...6 Conteúdo do CD de Instalação...7 Instruções para Instalação...8 Solicitação da Chave de Acesso...22 Funcionamento em Rede...26

Leia mais

05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados

05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Banco de Dados Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Gerenciamento de Arquivos Gerenciamento de Arquivos 1 Gerenciamento de Arquivos Em uma indústria são executadas

Leia mais

HMR Marketing Receptivo. 12.1.x. abril de 2015. Versão: 2.0

HMR Marketing Receptivo. 12.1.x. abril de 2015. Versão: 2.0 HMR Marketing Receptivo 12.1.x abril de 2015 Versão: 2.0 1 Sumário 1 Objetivo... 3 2 Papéis e Usuários... 3 3 Fluxo Geral do HMR... 6 4 Manter Parâmetros Marketing Receptivo... 7 5 Manter Categoria de

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

Estatísticas e Relatórios. Treinamento OTRS Help Desk

Estatísticas e Relatórios. Treinamento OTRS Help Desk Estatísticas e Relatórios Treinamento OTRS Help Desk Sumário Estatística... 3 Visão Geral... 3 Gerando Relatórios... 4 Criação de Relatórios...5 Lista de Chamado... 7 Acumulação de Chamados...10 Tempo

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

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

ArpPrintServer. Sistema de Gerenciamento de Impressão By Netsource www.netsource.com.br Rev: 02

ArpPrintServer. Sistema de Gerenciamento de Impressão By Netsource www.netsource.com.br Rev: 02 ArpPrintServer Sistema de Gerenciamento de Impressão By Netsource www.netsource.com.br Rev: 02 1 Sumário INTRODUÇÃO... 3 CARACTERÍSTICAS PRINCIPAIS DO SISTEMA... 3 REQUISITOS DE SISTEMA... 4 INSTALAÇÃO

Leia mais

TUTORIAL DA REDE VERMELHA

TUTORIAL DA REDE VERMELHA TUTORIAL DA REDE VERMELHA Sistema de dados dos filiados, militantes e Comitês do PCdoB Comissão Nacional de Organização Maio de 2013 Sumário Atenção: algumas funcionalidades contidas nesse tutorial podem

Leia mais

UNIVERSIDADE VEIGA DE ALMEIDA CURSO DE BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO CURSO SUPERIOR DE TECNOLOGIA EM PROCESSAMENTO DE DADOS BANCO DE DADOS

UNIVERSIDADE VEIGA DE ALMEIDA CURSO DE BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO CURSO SUPERIOR DE TECNOLOGIA EM PROCESSAMENTO DE DADOS BANCO DE DADOS CURSO DE BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO CURSO SUPERIOR DE TECNOLOGIA EM PROCESSAMENTO DE DADOS CLAUDIO RIBEIRO DA SILVA MARÇO 1997 2 1 - CONCEITOS GERAIS DE 1.1 - Conceitos Banco de Dados - Representa

Leia mais

Pesquisa em Memória Primária. Prof. Jonas Potros

Pesquisa em Memória Primária. Prof. Jonas Potros Pesquisa em Memória Primária Prof. Jonas Potros Procedimento para Inserir na Árvore Binária Critérios: Atingir um ponteiro nulo em um processo de pesquisa significa uma pesquisa sem sucesso. O ponteiro

Leia mais

GRS Gerador de Redes Sistêmicas. (outubro/2004)

GRS Gerador de Redes Sistêmicas. (outubro/2004) 116 APÊNDICE A MANUAL DO GRS Universidade Federal do Rio de Janeiro UFRJ Departamento de Ciência da Computação DCC Instituto de Matemática IM / Núcleo de Computação Eletrônica NCE GRS Gerador de Redes

Leia mais