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

Tamanho: px
Começar a partir da página:

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

Transcrição

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 2 Curso de Sistemas de Informação do Centro Universitário Franciscano (UNIFRA), Santa Maria, RS, Brasil RESUMO O objetivo desse trabalho é realizar um estudo com mineração de dados. Através do qual se aplica os principais algoritmos de classificação em uma base de dados, dentre os algoritmos podemos citar: algoritmos de indução, de regras de decisão, redes neurais artificiais, algoritmos baseados em métodos estatísticos, etc.. Serão realizadas comparações de desempenho sobre resultados obtidos pelos algoritmos, para determinar a possibilidade de identificação de um padrão que possa classificar os respiradores bucais e nasais, a partir dos padrões definidos pelo algoritmo. Para o estudo e testes desses algoritmos foi utilizada uma base de dados contendo informações sobre padrões esqueléticos e características oclusais de crianças respiradoras bucais e nasais (MATTAR, 2002). Aplicou-se diversos classificadores através do software Weka. Observou-se que há comportamentos distintos entre os classificadores e que alguns deles conseguiram bons resultados na classificação. Palavras-chave: Base de Dados, WEKA, Data Mining, Classificação. 1. INTRODUÇÃO A cada dia, o uso de base de dados em organizações vem assumindo maiores proporções e, a extração de informações, a partir de grande quantidade de dados, passou a ser uma tarefa de total importância. No entanto, extrações a partir de consultas em linguagem SQL feitas por usuários, nem sempre satisfazem plenamente as necessidades na busca de resultados. Nesse sentido, se faz necessário outas formas de extração, para que novas informações em funções de padrões ou regras sejam descobertas a partir de uma base de dados, principalmente, se tratando de informações com a capacidade para correlacionar coisas aparentemente desvinculadas (REZENDE, 1999). Portanto, se faz necessário o uso de softwares e ferramentas específicas, e algoritmos para efetuar consultas sobre base de dados, onde apresentam grande quantidade de dados e

2 informações. Nesse contexto, são de fundamental importância, o estudo e desenvolvimento de ferramentas de Data Mining mais confiáveis, que a partir da extração de registros, obtem-se informações necessárias que auxiliem o usuário na tomada de decisões nos mais diferentes ramos de atuação. 2. MINERAÇÃO DE DADOS (DATA MINING) A Mineração de Dados é um processo de análise e interpretação executado por um sistema especialista. E como analisar grandes volumes de dados e obter informações importantes em um curto espaço de tempo? Isso é possível através do processo de descoberta do conhecimento em banco de dados denominado KDD - Knowledge Discovery in Data Bases. Este processo, que exige pesquisa em um conjunto de dados a fim de obter-se frequências, combinações e modelos que sejam novidade, que tenham valor agregado, e que possam ser aplicados na prática e totalmente inteligíveis para o ser humano. (FAYYAD,1996). O processo de descoberta do conhecimento não se resume apenas a analisar grandes bases de dados e obter padrões, é necessário trabalhar com estas informações e transformá-las em retorno empresarial (CARVALHO, 2005). O processo da utilização de técnicas de mineração de dados (data mining) vem sendo bastante utilizado em diversas áreas como finanças, economia, biologia, astronomia, análise de mercado, diagnósticos, entre outros, mas principalmente o seu crescimento aplicado à área de Ciência da Computação, ainda no processo do KDD pode se citar a combinação de técnicas de aprendizado de máquina, reconhecimento de padrões, estatísticas, banco de dados e visualização para extrair conhecimento (ou informação) de dados brutos, através da técnica de mineração de dados. Carvalho (2001) define mineração de dados como o uso de técnicas automáticas de exploração de grandes quantidades de dados de forma a descobrir novos padrões e relações que, devido ao volume de dados, não seriam facilmente descobertos a olho nu pelo ser humano. Para que os padrões sejam descobertos, é necessário que os dados estejam simplificados a fim de que se possa descartar aquilo que é específico e, privilegiar aquilo que é genérico (NAVEGA,2002). Dentro do processo total de KDD, se gasta 60% do tempo na preparação dos dados e apenas 10% no processo de mineração (CABENA, 1998). Pelo fato do KDD ser um processo, sugere que existam vários passos. Estes passos são considerados interativos porque a maioria requer avaliação e tomada de decisão por parte do usuário e, iterativos porque é possível, de qualquer

3 etapa, voltar para alguma etapa anterior até que se chegue ao resultado esperado (GHEDINI, 2009). De acordo com Goldschmidt (2005), a etapa de pré-processamento tem como objetivo principal preparar os dados em questão para a utilização destes pelos algoritmos de Data Mining. Dados bem organizados e formatados colaboram para resultados eficientes durante a busca por conhecimento. Já na etapa de mineração de dados é onde se inicia a busca por informações relevantes na base de dados, através da aplicação correta dos algoritmos ainda segundo Goldschmidt (2005), o desafio no processo de KDD está na interpretação correta dos fatos detectados durante o processo, e também na decisão sobre que atitudes tomar perante esses fatos. Com isso, se conclui que, apesar do KDD ser um processo altamente relevante, é necessário um acompanhamento humano na busca por conhecimento. Seleção de um conjunto de dados Nesse processo identifica-se a origem dos dados e se extrai aqueles que são imprescindíveis para uma análise inicial necessária para aplicar o processo de mineração, para efetuar o uso de algoritmos específicos que mais se adequam aos dados. Pre-processamento e limpeza dos dados Tem como finalidade garantir que os dados selecionados tenham qualidade para que se consiga trabalhar com registros afins, para que se obtenha o conhecimento. Os referidos dados, nesta fase possuem informações incompletas, redundantes e ruidosas, as quais devem ser analisadas e excluídas. Transformação Possibilita a transformação ou consolidação dos dados no formato apropriado para o processo de mineração. Mineração Nesta fase, aplicam-se os algoritmos na base de dados, para obter-se o conhecimento desejado, podendo ser testados por todos os algoritmos para encontrar o resultado mais satisfatório. Encontrando assim, padrões específicos analisados previamente no inicio da seleção de requisitos, e durante o processamento. Execução Os algoritmos nessa fase requer o acompanhamento de um analista de dados e até algumas vezes, de um administrador de bancos de dados caso seja necessário

4 alguma alteração no modelo. O que for definido nesta etapa irá variar de acordo com o tipo de aplicação que está sendo desenvolvida. Interpretação e Avaliação O processo de mineração dos dados não faria sentido se os padrões descobertos não fossem avaliados a fim de se descobrir se as causas dos problemas foram solucionadas ou se o objetivo da empresa foi alcançado (CARVALHO, 2005). Esta etapa deve ser executada pelo analista de dados e pelo analista de negócios, eventualmente poderá ser contatado também o executivo responsável para fornecer esclarecimentos sobre as descobertas encontradas, relacionando aos objetivos do negócio a fim de validá-las ( CABENA,1998). Resultados do conhecimento descoberto Esta etapa fecha o ciclo da descoberta do conhecimento e é responsável por colocar em ação todo o conhecimento adquirido durante as etapas anteriores. O papel do analista de negócios e do executivo responsável é tornar convincente todas as descobertas e encontrar a melhor maneira de explorá-las. Caso se chegue à conclusão de que as descobertas não foram suficientes para resolver o problema apontado no início do processo, pode-se aplicar todo o ciclo novamente ( CABENA,1998). Segundo Loria (2008), o Data Mining oferece diversos recursos para a sociedadecomo se descreve a seguir: - Classificação: é a técnica de Data Mining que oferece a filtragem de dados de um banco, com o objetivo de transformar essa filtragem em informação útil para quem está utilizando a técnica. Exemplo: visualizar quem são os alunos que deixaram de pagar a mensalidade da faculdade e em que período esse atraso ocorre com mais freqüência na instituição; - Regressão: é um recurso que permite a realização de cálculos entre variáveis dependentes e independentes. O objetivo principal da regressão é buscar resultados visando novos resultados futuros. Exemplo: calcular a previsão de lucro líquido de uma empresa para o mês seguinte, se baseando em uma média dos valores dos meses anteriores; - Segmentação: trata-se de um mecanismo com o objetivo de agrupar dados de mesmas características. A segmentação é uma ferramenta utilizada para a simplificação e abstração de dados. Não efetua previsões. Exemplo: selecionar os clientes bons pagadores. Ou: selecionar os clientes maus pagadores.

5 - Associação: é uma técnica com o objetivo de encontrar regras de acordo com os interesses de um cliente. Exemplo: em um site de uma loja virtual de livros, a técnica de associação verifica o livro pesquisado pelo cliente em um primeiro momento. Quando este cliente retornar, o sistema irá oferecer outros livros que abordam temas semelhantes ao pesquisado por ele anteriormente; Neste trabalho utilizou-se o ambiente explorer do WEKA, para a realização dos testes, o weka utiliza arquivos de dados de treinamento, com formato (arff), é possível trabalhar em uma base de dados e fazer alguns dos processos de mineração sem precisar escrever uma linha de código, mas para isso é preciso algumas regras, como os dados estejam pré - processados e gravados dentro de um arquivo.arff. (Attribute Relation File Format). Onde devem ser mostradas quais variáveis são permitidas para uma relação específica, bem como o tipo de dado de cada variável, isto é, nominal ou valor numérico. Deverá conter uma lista de todos os atributos definindo-se o tipo do atributo ou os valores que ele pode representar. Os valores devem estar representados entre chaves {} e separados por vírgulas, a ausência de um item em um registro deve ser atribuída pelo símbolo?. Para isso podemos usar programas de planilhas eletrônicas e banco de dados os quais permitem exportar os dados em um arquivo onde as vírgulas são os separadores. Uma vez feito isso, é necessário apenas carregar o arquivo em um editor de texto e adicionar o nome do conjunto de dados nome_do_conjuto_de_dados, para cada atributo e após colocar uma linha e logo em seguida os dados em si, salvando o arquivo como texto puro com extensão ARFF. Após a formatação do arquivo, ele fica pronto para ser analisado pela usado para rotular o conjunto de dados a ser usado para rotular os atributos, define as características, ou seja o tipo de cada variável : nominal, numérico, usado para identificar os dados da base. As informações devem ser colocadas separadas por vírgulas, e cada linha representa um único registro. AMBIENTE EXPLORER CLASSIFICAÇÃO Após a abertura da base de dados, é utilizado o ambiente de classificação, onde acontece a escolha do classificador, ou seja, o algoritmo a ser executado e a técnica de validação. Feito as escolhas dos requisitos, inicia-se o processo de execução, onde ao final do processo o WEKA disponibiliza os resultados em

6 porcentagem de erro e acerto, neste, caso representa os erros e acertos para classificação de certo tipo de respiração. O Weka é formado por um conjunto de pacotes: Select atributtes, classify, cluster, associate e estimators. Cada pacote é formado por vários algoritmos que possuem funções específicas de acordo com as tarefas de Data Mining. A classificação é uma das técnicas mais utilizadas de mineração de dados, simplesmente porque é uma das mais realizadas tarefas humanas no auxílio à compreensão do ambiente em que se vive, sendo, também, a tarefa mais estudada em KDD. As tarefas de classificação têm inúmeras aplicações, incluindo detecção de fraudes, alvos comerciais, fabricação e diagnóstico médico (HAN E KAMBER, 2006). O princípio da tarefa de classificação é descobrir algum tipo de relacionamento entre os atributos preditivos e o atributo objetivo, de modo a descobrir um conhecimento que possa ser utilizado para prever a classe de uma tupla desconhecida, ou seja, que ainda não possui uma classe definida. ALGORITMOS PARA CLASSIFICAÇÃO DE DADOS Existe uma grande variedade de algoritmos para classificação de dados tais como bayes, functions, rules, trees, entre outros. Neste trabalho, serão testados todos os que são instalados junto como Weka original, com a finalidade de obter o melhor resultado possível e também, o algoritmo de pior classificação para essa base de dados. A citação dos algoritmos deve-se ao fato dos mesmos serem populares e muito utilizados no meio acadêmico para mineração de dados e por fazer parte do pacote de ferramentas Weka. ORIGEM DOS DADOS Segundo MATTAR,( 2002), foram avaliados 73 casos de crianças de ambos os sexos, com idade entre 3 e 6 anos, para verificar a influência da respiração bucal crônica sobre o crescimento e desenvolvimento dentofacial em idades mais precoses. Após o diagnóstico otorrinolaringológico quanto à respiração, 44 crianças respiradoras bucais e 29 respiradoras nasais foram comparadas no que se refere ao padrão morfológico da face (analisado por meio de radiografia cefalométrica lateral) e características oclusais (analisadas nos modelos de estudo). Através dos dados coletados, e dos resultados obtidos usou-se essa base de dados pronta para aplicação de mineração de dados e algoritmos de classificação. Cada um dos 73 registros dessa base (total de casos coletados) com 5 atributos como o ipm (inclinação do plano mandibular ), arm (a altura do ramo da mandíbula), tmdf (o

7 tipo morfológico dolicofacial), dim (distâncias intermolares),e bucal são os registros de entrada, sendo 4 valores numéricos e um 1 nominal para apresentar a saída esperada. Importado a base de dados para um arquivo com extensão.cvs, onde os dados foram separados por virgula no caso (usando a ferramenta Microsoft Excel), após enviado para um editor de texto simples, substituindo o ponto e virgula que separava os dados pela virgula para depois importar para O weka e salvar com a extensão.arff. E assim poder trabalhar com os algoritmos de classificação em cima dos dados. DISCUSSÃO: O objetivo deste trabalho foi avaliar uma base de dados contendo informações sobre padrões esqueléticos e características oclusais de crianças respiradoras bucais e nasais, a fim de determinar a possibilidade de criação de um padrão que possa diagnosticar respiradores bucais ou respiradores nasais, a partir dos padrões definidos pelo software. Os padrões esqueléticos utilizados neste trabalho foram basicamente a inclinação do plano mandibular (IPM), a altura do ramo da mandíbula (ARM), o tipo morfológico dolicofacial (TMDF), e como características oclusais, foram utilizadas as distâncias intermolares (DIM). RESULTADOS: Com testes realizados em todos os algoritmos de classificação incorporados ao software Weka, obteve-se melhor resultado no Algoritmo J48, como descrito a seguir: O software classificou a base de dados carregada com 73 pacientes sendo que 44 clinicamente diagnosticados como respiradores bucais e 29 clinicamente diagnosticados como respiradores nasais como controle. O software conseguiu classificar corretamente 55 casos, sendo 43 como respiradores bucais e 12 como respiradores nasais, como podemos observar na matriz de confusão da Figura 1, o que dentro dos respiradores bucais, é um resultado excelente, pois condiciona que 97,72 % dos casos classificados estão dentro de um padrão de evolução, e em apenas 2,28 %, não pode ser definido um padrão de respirador bucal. No caso dos respiradores nasais, podemos verificar que dos 29 clinicamente diagnosticados como respiradores nasais, apenas 41,38 % pode ser incluído dentro de um padrão, deixando 58,62 % dos respiradores nasais sem estarem incluídos no

8 padrão detectado, e 18 casos não se enquadram nem como respiradores bucais, nem como respiradores nasais. Os piores resultados foram obtidos com o Algoritmo IBK, como segue: O software também foi aplicado à base de dados carregada com 73 pacientes sendo que 44 clinicamente diagnosticados como respiradores bucais e 29 clinicamente diagnosticados como respiradores nasais como controle. O software conseguiu classificar corretamente 35 casos, sendo 24 como respiradores bucais e 11 como respiradores nasais, como podemos observar na matriz de confusão da Figura 2, o resultado não pode ser considerado bom, pois indica que 54,55 % dos casos classificados estão dentro de um padrão de evolução, e em 45,45 %, não pode ser definido um padrão de respirador bucal. No caso dos respiradores nasais, podemos verificar que dos 29 clinicamente diagnosticados como respiradores nasais, apenas 37,93 % pode ser incluído dentro de um padrão, deixando 62,07 % dos respiradores nasais sem estarem incluídos no padrão detectado, e 38 casos não se enquadram nem como respiradores bucais, nem como respiradores nasais. CONCLUSÕES: Os algoritmos de classificação são muito distintos entre si, e se adequam a determinados tipos de dados. Por este motivo, uma mesma fonte de informação, aplicado a diferentes algoritmos, se traduz em diferentes resultados. Cabe ao pesquisador escolher que tipo de algoritmo deve ser usado em determinada base para obtenção das melhores classificações. O Algoritmo J48 mostrou-se adequado para ser utilizado nesta pesquisa, obtendo os melhores resultados dentre os disponibilizados pelo software Weka. REFERÊNCIAS BIBLIOGRÁFICAS CABENA, P. et al. Discovering Data Mining from concept to implementation. New Jersey, USA: Prentice Hall Ptr, CARVALHO, L. A.V. Datamining: A Mineiração de Dados no Marketing, Medicina, Economia, Engenharia e Administração. São Paulo: Editora Érica Ltda, CARVALHO, L. A. V. Datamining : A Mineração de Dados no Marketing, Medicina, Economia, Engenharia e Administração. Rio de Janeiro: Ciência Moderna, FAYYAD, U. Piatetsky-Shapiro, G. Smyth, P. From Data Mining to Knowledge Discovery in Databases Disponível em:

9 <http://www.kdnuggets.com/gpspubs/aimag-kdd-overview-1996-fayyad.pdf.> Acesso em 02 out GOLDSCHMIDT, Ronaldo; PASSOS, Emanuel. Data Mining: um guia prático. Rio de Janeiro: Elsiever, HAN, J. KAMBER, M. Data Mining - Concepts and Techniques. 2 ed. Nova York: Morgan Kaufmann, LIU, H. MOTODA, H. Computational Methods of Feature Selection. Chapman & Hall/CRC LÓPEZ, J. M. M. HERRERO, J. G. Técnicas de analisis de datos: aplicaciones prácticas utilizando Microsoft Excel y Weka. Apostila técnicas de análises de dados. S.l, p. Disponível em: <http://galahad.plg.inf.uc3m.es/%7edocweb/ad/transparencias/apuntesanalisisdatos.p df>. Acesso em 21 Nov LORIA, J. Data Mining no SQL Server Disponível em: <http://www.microsoft.com.br/kitbi/arquivos/pt-br%5cdatamining_brz.pdf>. Acesso em: 09 dez MARTINS, A. C. COSTA, P. D. Estudo Comparativo de Três Algoritmos de Machine Learning na Classificação de Dados Electrocardiográficos. Porto Disponível em: <http://mimwiki.med.up.pt/images/0/04/classificacaodadoselectrocardiograficos-paper.pdf>. Acesso em: 16 jun MATTAR, S. E. M. Padrão esquelético e características oclusais de crianças respiradoras bucais e nasais: aplicação em Odontopediatria [dissertação]. [Ribeirão Preto (SP)]: Faculdade de Odontologia de Ribeirão Preto, Universidade de São Paulo; p.: il.; 30 cm. NAVEGA, S. Princípios Essenciais do Data Mining. São Paulo, SP: Anais do Infoimagem, Disponível em: <http://www.intelliwise.com/reports/i2002.pdf>. Acesso em: 30 nov OLIVEIRA, F. L. de Utilização de algoritmos simbólicos para a identificação do número de caroços do fruto Pequi, In: IV Encontro de estudantes de informática do estado de Tocantins, 2002, Palmas. Encontro de Estudantes de Informática do Tocantins Ecoinfo. Palmas, p

10 OLIVEIRA, A. M. de; SMIDERLE, A. Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka. Revista de Informática Mater Dei, Pato Branco, Paraná : v.2, n.2, p.17-22, REZENDE, D. A. ENGENHARIA DE SOFTWARE E SISTEMAS DE INFORMAÇÃO. Brasport - Rio de Janeiro p. WITTEN, I. H. FRANCK, E. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Hamilton, New Zealand: Morgan Kaufmann Publishers, p WITTEN, I. H. FRANK E. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. San Francisco, WEKA. Disponível em: Acesso em: 20 Dez

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

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

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

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

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

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

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

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

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

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

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia 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

Exemplo de Aplicação do DataMinig

Exemplo de Aplicação do DataMinig Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta

Leia 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

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

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

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

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

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

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

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

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

ANÁLISE DE LOGS DA WEB POR MEIO DE TÉCNICAS DE DATA MINING 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: 85819-110 Fone:

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

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

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

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

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

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

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

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.

Leia mais

Data Mining II Modelos Preditivos

Data Mining II Modelos Preditivos Data Mining II Modelos Preditivos Prof. Doutor Victor Lobo Mestre André Melo Mestrado em Estatística e Gestão de Informação Objectivo desta disciplina Fazer previsões a partir de dados. Conhecer os principais

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

APRESENTAÇÃO DO PRODUTO. Mais que um software, o método mais eficaz para conciliar.

APRESENTAÇÃO DO PRODUTO. Mais que um software, o método mais eficaz para conciliar. APRESENTAÇÃO DO PRODUTO Mais que um software, o método mais eficaz para conciliar. Com Conciliac é possível conciliar automaticamente qualquer tipo de transação; Bancos, Cartões de Crédito e Débito, Contas

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas

Leia mais

Ambiente Weka Waikato Environment for Knowledge Analysis

Ambiente Weka Waikato Environment for Knowledge Analysis Universidade Federal de São Carlos - UFSCar Departamento de Computação - DC Programa de Pós-Graduação em Ciência da Computação - PPGCC Ambiente Weka Waikato Environment for Knowledge Analysis Classificação

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

A Grande Importância da Mineração de Dados nas Organizações

A Grande Importância da Mineração de Dados nas Organizações A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil

Leia mais

ADM041 / EPR806 Sistemas de Informação

ADM041 / EPR806 Sistemas de Informação ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes

Leia 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

Tarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS

Tarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS Tarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS Sumário Conceitos / Autores chave... 3 1. Introdução... 3 2. Tarefas desempenhadas por Técnicas de 4 Mineração de Dados...

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

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

FUNCEXDATA 2.0. Manual do Usuário. Maio/2012. Ajudando o Brasil a expandir fronteiras

FUNCEXDATA 2.0. Manual do Usuário. Maio/2012. Ajudando o Brasil a expandir fronteiras Ajudando o Brasil a expandir fronteiras FUNCEXDATA 2.0 Manual do Usuário Maio/2012 Funcex Av. Rio Branco, 120, Gr. 707, Centro 20040-001 Rio de Janeiro RJ Instituída em 12 de março de 1976 CNPJ 42.580.266/0001-09.

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, 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

MetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica

MetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica MetrixND especificações MetrixND - Ferramenta de previsão de energia elétrica Visão geral O MetrixND da Itron é uma ferramenta de modelagem flexível, bastante usada pelos principais serviços de previsão

Leia mais

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr Análise de Regressão Tópicos Avançados em Avaliação de Desempenho Cleber Moura Edson Samuel Jr Agenda Introdução Passos para Realização da Análise Modelos para Análise de Regressão Regressão Linear Simples

Leia mais

Extração de Conhecimento & Mineração de Dados

Extração de Conhecimento & Mineração de Dados Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática

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

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

A Estação da Evolução

A Estação da Evolução Microsoft Excel 2010, o que é isto? Micorsoft Excel é um programa do tipo planilha eletrônica. As planilhas eletrônicas são utilizadas pelas empresas pra a construção e controle onde a função principal

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

Um Modelo de Aprendizado de Agentes Inteligentes Baseado em Técnicas de Data Mining

Um Modelo de Aprendizado de Agentes Inteligentes Baseado em Técnicas de Data Mining Um Modelo de Aprendizado de Agentes Inteligentes Baseado em Técnicas de Data Mining Leandro Maciel,Thereza Patrícia P. Padilha Curso de Sistemas de Informação Centro Universitário Luterano de Palmas (CEULP)

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

Lógica de Programação

Lógica de Programação Lógica de Programação Unidade 4 Ambiente de desenvolvimento Java QI ESCOLAS E FACULDADES Curso Técnico em Informática SUMÁRIO A LINGUAGEM JAVA... 3 JVM, JRE, JDK... 3 BYTECODE... 3 PREPARANDO O AMBIENTE

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

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

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

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO Santa Maria, 10 de Outubro de 2013. Revisão aula anterior Documento de Requisitos Estrutura Padrões Template Descoberta

Leia mais

Sistema de Controle de Solicitação de Desenvolvimento

Sistema de Controle de Solicitação de Desenvolvimento Sistema de Controle de Solicitação de Desenvolvimento Introdução O presente documento descreverá de forma objetiva as principais operações para abertura e consulta de uma solicitação ao Setor de Desenvolvimento

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

O TRAFip é uma poderosa ferramenta de coleta e caracterização de tráfego de rede IP, que vem resolver esse problema de forma definitiva.

O TRAFip é uma poderosa ferramenta de coleta e caracterização de tráfego de rede IP, que vem resolver esse problema de forma definitiva. Não há dúvida de que o ambiente de rede está cada vez mais complexo e que sua gestão é um grande desafio. Nesse cenário, saber o que está passando por essa importante infraestrutura é um ponto crítico

Leia mais

DATA MINING EM POÇOS DE ÁGUA SUBTERRÂNEA:um estudo de caso

DATA MINING EM POÇOS DE ÁGUA SUBTERRÂNEA:um estudo de caso DATA MINING EM POÇOS DE ÁGUA SUBTERRÂNEA:um estudo de caso Paulo Vinícius Lamana Barboza 1, Walkiria Cordenonzi 1 1 Centro Universitário Franciscano Rua dos Andradas 1614 Santa Maria RS Brazil ,

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. Mineração de Dados

MINERAÇÃO DE DADOS. Mineração de Dados MINERAÇÃO DE DADOS Mineração de Dados Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Conceitos de Mineração de Dados... 5 3. Aplicações de Mineração de Dados... 7 4. Ferramentas de Mineração

Leia mais

Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining

Pós-Graduação Lato Sensu Especialização em Análise de Dados e Data Mining Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00

Leia mais

Alterações/Desenvolvimento - Sistema OnixNet / TrucksNet

Alterações/Desenvolvimento - Sistema OnixNet / TrucksNet Alterações/Desenvolvimento - Sistema OnixNet / TrucksNet Comercial Cadastros o (202) Cadastro de Vendedores Flag Enviar Previsão: Flag Enviar Previsão: Foi inserido um novo flag no cadastro de vendedores.

Leia mais

A Computação e as Classificações da Ciência

A Computação e as Classificações da Ciência A Computação e as Classificações da Ciência Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Classificações da Ciência A Computação

Leia mais

FUNDAÇÃO DE ENSINO EURÍPIDES SOARES DA ROCHA CENTRO UNIVERSITÁRIO EURÍPIDES DE MARÍLIA UNIVEM CURSO DE BACHARELADO EM SISTEMAS DE INFORMAÇÃO

FUNDAÇÃO DE ENSINO EURÍPIDES SOARES DA ROCHA CENTRO UNIVERSITÁRIO EURÍPIDES DE MARÍLIA UNIVEM CURSO DE BACHARELADO EM SISTEMAS DE INFORMAÇÃO FUNDAÇÃO DE ENSINO EURÍPIDES SOARES DA ROCHA CENTRO UNIVERSITÁRIO EURÍPIDES DE MARÍLIA UNIVEM CURSO DE BACHARELADO EM SISTEMAS DE INFORMAÇÃO DANIEL DA SILVA DISNER MINERAÇÃO DE DADOS PARA OBTENÇÃO DE CONHECIMENTO

Leia mais

Sistemas Gerenciadores de Bancos de Dados. / NT Editora. -- Brasília: 2013. 94p. : il. ; 21,0 X 29,7 cm.

Sistemas Gerenciadores de Bancos de Dados. / NT Editora. -- Brasília: 2013. 94p. : il. ; 21,0 X 29,7 cm. Autor Ismael Sousa Araujo Pós-graduado em Gerência de Projetos PMBOK UNICESP. Graduado em Tecnologia em Segurança da Informação UNICESP. Professor de concurso da área de informática e consultor em EAD.

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

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

TECNOLOGIA DA INFORMAÇÃO E

TECNOLOGIA DA INFORMAÇÃO E Unidade III TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO EM EDUCAÇÃO Prof. Me. Eduardo Fernando Mendes Google: um mundo de oportunidades Os conteúdos abordados neste modulo são: Google: Um mundo de oportunidades;

Leia mais

AUTOMATIZAÇÃO DE CÁLCULOS HIDRÁULICOS DE PROJETOS DE REDE DE ESGOTO DO MUNICÍPIO DE GUARULHOS

AUTOMATIZAÇÃO DE CÁLCULOS HIDRÁULICOS DE PROJETOS DE REDE DE ESGOTO DO MUNICÍPIO DE GUARULHOS AUTOMATIZAÇÃO DE CÁLCULOS HIDRÁULICOS DE PROJETOS DE REDE DE ESGOTO DO MUNICÍPIO DE GUARULHOS Fernando Cesar Uzan Graduando em Análise e Desenvolvimento de Sistemas, atualmente trabalha na Coordenadoria

Leia mais

AULA 3: BrOffice Writer Numeração de páginas e outros comandos. Ao final dessa aula, você deverá ser capaz de:

AULA 3: BrOffice Writer Numeração de páginas e outros comandos. Ao final dessa aula, você deverá ser capaz de: AULA 3: BrOffice Writer Numeração de páginas e outros comandos Objetivo Ao final dessa aula, você deverá ser capaz de: Conhecer o controle de exibição do documento; Fazer a correção ortográfica do documento

Leia mais

Como conduzir com sucesso um projeto de melhoria da qualidade

Como conduzir com sucesso um projeto de melhoria da qualidade Como conduzir com sucesso um projeto de melhoria da qualidade Maria Luiza Guerra de Toledo Coordenar e conduzir um projeto de melhoria da qualidade, seja ele baseado no Seis Sigma, Lean, ou outra metodologia

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

Título: De Olho na Produção

Título: De Olho na Produção Título: De Olho na Produção Resumo O De Olho na Produção trata-se de um sistema inovador de gestão de informação que tem por premissas: projetar a chegada dos vagões até os pontos de carregamento e descarga,

Leia mais

Módulo 6: Inteligência Artificial

Módulo 6: Inteligência Artificial Módulo 6: Inteligência Artificial Assuntos: 6.1. Aplicações da IA 6.2. Sistemas Especialistas 6.1. Aplicações da Inteligência Artificial As organizações estão ampliando significativamente suas tentativas

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

Sistema Integrado de Gerenciamento de Imposto Sobre Serviços.

Sistema Integrado de Gerenciamento de Imposto Sobre Serviços. Sistema Integrado de Gerenciamento de Imposto Sobre Serviços. 1 Apresentação: O Sistema Integrado de Gerenciamento de Imposto Sobre Serviços ou SIG-ISS é um sistema para gerenciamento do Imposto sobre

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

ISSN 2238-9113 ÁREA TEMÁTICA: (marque uma das opções)

ISSN 2238-9113 ÁREA TEMÁTICA: (marque uma das opções) 13. CONEX Apresentação Oral Resumo Expandido 1 ISSN 2238-9113 ÁREA TEMÁTICA: (marque uma das opções) ( ) COMUNICAÇÃO ( ) CULTURA ( ) DIREITOS HUMANOS E JUSTIÇA ( ) EDUCAÇÃO ( ) MEIO AMBIENTE ( ) SAÚDE

Leia mais

Tópicos Especiais: INTELIGÊNCIA DE NEGÓCIOS II. Mineração de Dados. Sylvio Barbon Junior barbon@uel.br. 26 de junho de 2015 DC-UEL Sylvio Barbon Jr 1

Tópicos Especiais: INTELIGÊNCIA DE NEGÓCIOS II. Mineração de Dados. Sylvio Barbon Junior barbon@uel.br. 26 de junho de 2015 DC-UEL Sylvio Barbon Jr 1 Tópicos Especiais: INTELIGÊNCIA DE NEGÓCIOS II Mineração de Dados Sylvio Barbon Junior barbon@uel.br 26 de junho de 2015 DC-UEL Sylvio Barbon Jr 1 Sumário Etapa I Etapa II Inteligência de Negócios Visão

Leia mais

Introdução a Datamining (previsão e agrupamento)

Introdução a Datamining (previsão e agrupamento) E o que fazer depois de ter os dados organizados? Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideias base Aprender com o passado Inferir

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

Introdução a Datamining (previsão e agrupamento)

Introdução a Datamining (previsão e agrupamento) Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação E o que fazer depois de ter os dados organizados? Ideias base Aprender com o passado Inferir

Leia mais

Palavras-Chaves: engenharia de requisitos, modelagem, UML.

Palavras-Chaves: engenharia de requisitos, modelagem, UML. APLICAÇÃO DA ENGENHARIA DE REQUISITOS PARA COMPREENSÃO DE DOMÍNIO DO PROBLEMA PARA SISTEMA DE CONTROLE COMERCIAL LEONARDO DE PAULA SANCHES Discente da AEMS Faculdades Integradas de Três Lagoas RENAN HENRIQUE

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

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de Teste do Sistema DTCOURO Willian Paraguassu Amorim 27 de julho de 2005 1 Título Desenvolvimento do Módulo de Pré-processamento e Geração

Leia mais

Instruções de uso do TABNET. Linha, Coluna e Conteúdo

Instruções de uso do TABNET. Linha, Coluna e Conteúdo O Tabnet, aplicativo desenvolvido pelo Departamento de Informática do Sistema Único de Saúde (DATASUS), permite ao usuário fazer tabulações de bases de dados on-line e foi gentilmente cedido para disponibilização

Leia mais

SISTEMAS INTELIGENTES DE APOIO À DECISÃO

SISTEMAS INTELIGENTES DE APOIO À DECISÃO SISTEMAS INTELIGENTES DE APOIO À DECISÃO As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas

Leia mais

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

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

DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES

DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES Janaína Schwarzrock jana_100ideia@hotmail.com Prof. Leonardo W. Sommariva RESUMO: Este artigo trata da importância da informação na hora da tomada de decisão,

Leia mais

PRINCÍPIOS DE INFORMÁTICA PRÁTICA 08 1. OBJETIVO 2. BASE TEÓRICA. 2.1 Criando Mapas no Excel. 2.2 Utilizando o Mapa

PRINCÍPIOS DE INFORMÁTICA PRÁTICA 08 1. OBJETIVO 2. BASE TEÓRICA. 2.1 Criando Mapas no Excel. 2.2 Utilizando o Mapa PRINCÍPIOS DE INFORMÁTICA PRÁTICA 08 1. OBJETIVO Aprender a utilizar mapas, colocar filtros em tabelas e a criar tabelas e gráficos dinâmicos no MS-Excel. Esse roteiro foi escrito inicialmente para o Excel

Leia mais

GESTÃO DE CONHECIMENTO PARA PROGRAMAS DE MONITORIA UMA ABORDAGEM SISTEMÁTICA SOBRE O MÓDULO DE GESTÃO E GERAÇÃO DE CONHECIMENTO...

GESTÃO DE CONHECIMENTO PARA PROGRAMAS DE MONITORIA UMA ABORDAGEM SISTEMÁTICA SOBRE O MÓDULO DE GESTÃO E GERAÇÃO DE CONHECIMENTO... GESTÃO DE CONHECIMENTO PARA PROGRAMAS DE MONITORIA UMA ABORDAGEM SISTEMÁTICA SOBRE O MÓDULO DE GESTÃO E GERAÇÃO DE CONHECIMENTO... 589 GESTÃO DE CONHECIMENTO PARA PROGRAMAS DE MONITORIA UMA ABORDAGEM SISTEMÁTICA

Leia mais