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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 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 CESF Manaus AM {alexanderrivasdemelo, marcio.palheta}@gmail.com Abstract. Data mining is an area of computing where we seek to discover useful knowledge from large masses of data. This article presents a model that aims at extracting knowledge from a hospital database and use this knowledge to support medical diagnosis. The model is based on the discovery of association rules of symptoms, where groups of symptoms mined can determine the possible diagnoses for patients in medical care. As a result of the model, we noted the close relationship between symptoms and diagnoses, which indicates that the proposed model can be used to assist in the diagnosis of entry-level professionals, improving the quality of medical care. Resumo. Mineração de dados é uma área da computação onde buscamos descobrir conhecimentos úteis a partir de grandes massas de dados. Neste artigo apresentamos um modelo que tem como objetivo a extração de conhecimento de uma base de dados hospitalar e utilização desse conhecimento para apoio ao diagnóstico médico. O modelo se baseia na descoberta de regras de associação de sintomas, onde, grupos de sintomas minerados podem determinar os possíveis diagnósticos para o paciente em atendimento médico. Como resultado do modelo, evidenciamos a estreita relação entre sintomas e diagnósticos, o que nos indica que o modelo proposto pode ser utilizado para auxiliar no processo de diagnósticos de profissionais iniciantes, melhorando a qualidade dos atendimentos. 1. Introdução Hoje em dia é comum o uso de computadores para apoio às mais diversas atividades do cotidiano. A esse fato, associamos a criação de grandes volumes de dados que precisam ser analisados a fim de gerar conhecimento. No entanto, os tamanhos das massas de dados ultrapassam os limites dos métodos tradicionais de análise, fazendo com que informações preciosas sejam perdidas. Para solução deste problema são utilizadas técnicas que auxiliam na análise e extração de conhecimento dos bancos de dados. O processo de descoberta de conhecimento em banco de dados é chamado de Knowledge Discovery in Databases KDD, que foi proposto em 1989, cujo objetivo é analisar os dados de uma base para que de alguma forma possa ser extraído conhecimento útil (Fayyad, 1996). Para a transformação dos dados em informações que possam ser úteis e utilizadas para determinado fim ou tomada de decisão, é necessário que seja feita uma análise dos dados por especialistas, que, se realizada utilizando técnicas tradicionais demandariam muito tempo, seriam caras e subjetivas, tornando, assim, inviável a utilização desse tipo de técnica, evidenciando a necessidade de automação do processo Manaus, 25 a 27 de abril de ISSN (CDR)

2 ou de parte dele, já que é praticamente impossível uma análise de dados por seres humanos, quando consideramos uma grande quantidade de informação (Fayyad, 1996). O uso de suporte computacional no atendimento médico é comum nos dias de hoje e gera grandes massas de dados com informações digitalizadas dos pacientes. Estas massas de dados podem representar boas fontes de conhecimento, que pode ser utilizado no ensino da medicina ou até mesmo no apoio ao diagnóstico médico (Costa, 2012). A forma como os dados são utilizados também afeta diretamente o objetivo de cuidados com a saúde do paciente. Se utilizados adequadamente, podem gerar informações que ajudem na prevenção e combate às doenças (Lavrac, 2000). Na busca constante pela melhoria do atendimento médico hospitalar, as técnicas de mineração de dados estão sendo aplicadas nas bases de dados dos pacientes para descoberta de padrões, seja como ferramenta para auxílio ao diagnóstico ou descobertas que ajudem a alta direção hospitalar a tomar atitudes com relação aos resultados obtidos (Robertson, 2012). Os trabalhos de pesquisa aplicando o KDD na medicina ainda se apresentam em estágio inicial, mas tem uma expectativa bastante grande, já que é esperado o entendimento entre geração de dados e compreensão dos dados. Este entendimento é primordial para que determinada tomada de decisão esteja apoiada aos conhecimentos básicos da medicina (Collazos, 2000). Este artigo consiste em descobrir a relação entre os padrões de sintomas de pacientes, encontrados em uma base de dados médica, e os respectivos diagnósticos, aplicando técnicas de mineração de dados. Este processo foi dividido em quatro fases: 1) seleção dos dados da base de acordo com o objetivo da pesquisa; 2) limpeza e eliminação de dados que não se aplicavam ao estudo; 3) conversão dos dados obtidos para que fosse gerado um arquivo base, que é necessário para o programa de mineração de dados e 4) utilização de algoritmos de mineração aplicados à base de dados com a obtenção dos resultados. Este trabalho está dividido em oito capítulos, onde: os capítulos 2 e 3 mostram conceitos necessários ao entendimento do projeto, o capítulo 4 descreve os trabalhos relacionados ao nosso, encontrados na literatura, o capítulo 5 apresenta a metodologia utilizada, os capítulos 6 e 7 detalham o desenvolvimento do projeto, o capítulo 8 apresenta os resultados obtidos e no capítulo 9 realizamos a conclusão do trabalho e descrevemos os trabalhos futuros. A seguir, apresentamos definições importantes ao entendimento do trabalho. 2. KDD - Knowledge Discovery in Databases Segundo Fayyad (1996), é um processo não trivial de identificações de novos padrões, válidos e potencialmente úteis. Segundo Thomé (2002) é a busca de extração de conhecimento de bases de dados utilizando-se de técnicas e algoritmos que realizam a mineração dos dados para trabalhar e descobrir relações. O processo de descoberta de conhecimento ocorre quando temos um conjunto de padrões que são semelhantes, e que podem levar a construção de um modelo. Este processo é formado por 5 etapas: seleção, pré-processamento, transformação, a mineração de dados e a interpretação dos dados (Fayyad, 1996). Além do processo, o Manaus, 25 a 27 de abril de ISSN (CDR)

3 conhecimento que se deseja buscar deve estar de acordo com três características: deve ser correto, deve ser compreensível para o usuário e deve ter de alguma forma utilidade para o usuário (Freitas, 2000). Figura 1. Etapas do processo de KDD (Fayyad, 1996) Inicialmente, precisamos definir que tipo de conhecimento se deseja extrair da base de dados, pois a técnica que será utilizada para a mineração de dados depende do objetivo a que se quer chegar (Damasceno de melo, 2010). A seguir serão detalhadas as etapas do processo de KDD de acordo com o apresentado na figura 1. A etapa de seleção dos dados inicia com a definição do objetivo e mapeamento dos grupos ou conjuntos de informações que serão utilizados. O pré-processamento é responsável pelo tratamento de ruídos e dados incompletos. A transformação tem como objetivo selecionar as principais características que serão utilizadas para representar os dados, ou seja, os dados devem ser selecionados de modo que sejam os mais úteis para o modelo proposto. A etapa de mineração de dados é o momento em que serão escolhidos os algoritmos que mais se ajustam ao objetivo que se quer extrair da base de dados. Além disso, nesta fase são escolhidos os melhores parâmetros para que, no momento do processamento, os resultados sejam os mais rápidos e precisos possíveis. Ao final do processo teremos a etapa de interpretação e avaliação dos resultados, onde o conhecimento extraído da base de dados é representado por padrões. 3. Regras de associação e o algoritmo Apriori Relacionada à necessidade de se obter informações úteis a partir de uma base de dados, surge à técnica de regras de associação, que foi iniciada por Agrawal (1993) com objetivo de encontrar padrões ou relacionamentos que são frequentes no conjunto de dados que está sendo estudado, onde dado um item presente em uma transação implique na presença de outro item na mesma transação. Com isso, Agrawal (1993) propôs um modelo matemático, onde as regras de associação devem atender a um suporte e confiança mínima especificada. Em algoritmos de mineração de dados, suporte corresponde à frequência com que os padrões ocorrem na base de dados, podendo ser descrito também como a Manaus, 25 a 27 de abril de ISSN (CDR)

4 porcentagem de transações da base que contém os elementos A e B. A confiança é uma medida da força das regras, podendo ser representada por: dentre as transações que contém A, a porcentagem de transações que também contém B. O suporte e a confiança aplicados às regras descobertas são de grande importância para o processo, pois somente as regras de associação com alto grau de confiança e suporte são consideradas regras de associação forte. O algoritmo Apriori é um dos mais conhecidos para mineração por regras de associação (Engel, 2002), foi desenvolvido pela equipe de pesquisa do Projeto QUEST da IBM originando o Software Intelligent Miner, é um algoritmo que resolve o problema da mineração de conjuntos de itens frequentes, realizando recursivas buscas no banco de dados (Amo, 2010). O Apriori é dividido em três fases: (1) geração dos itens candidatos; (2) poda dos candidatos; (3) fase de cálculo do suporte. Possui propriedades que otimizam seu desempenho, como por exemplo, a antimonotonia que afirma que para um determinado item ser frequente, todos os seus subconjuntos também devem ser. Esta propriedade implica diretamente na diminuição do tempo de execução, pois se determinado item não é frequente, não será necessário que seja calculado o suporte do conjunto a que o item pertence. (Amo, 2010) Como resultado o algoritmo obtêm regras de associações do tipo: se A então B, representado por A B, onde A e B, no caso da pesquisa, são os sintomas dos pacientes. Esta relação forma uma regra, em que dado um sintoma A o paciente também apresenta o sintoma B (Amo, 2010). 4. Trabalhos relacionados Collazos (2000) apresentou em seu trabalho Análise do Prontuário médico para a utilização com KDD, uma avaliação de que tipos de dados médicos podem ser utilizados para a aplicação do KDD. Durante o estudo, foram selecionados vários tipos de prontuários médicos com o intuito de verificar se os dados presentes nestes formulários poderiam ser utilizados para realizar uma avaliação clínica do paciente. Todos os formulários selecionados dependem do tipo de diagnóstico que se pretende avaliar. Foi verificado que em um dos formulários os casos associados são extremamente raros e que é extremamente difícil obter informações nestas situações por terem informações faltantes. Como resultado, foi verificado que quanto mais detalhadas e específicas as informações relacionadas ao diagnóstico, fica mais fácil a utilização dessas informações em um processo de KDD. Costa (2012) apresentou em seu trabalho Mineração de Imagens Médica Utilizando Características de Forma *, uma forma de utilizar técnicas de mineração de dados no apoio ao diagnóstico médico com auxilio computacional. No estudo, a mineração de dados é aplicada em imagens médicas para extração do conhecimento com o foco no apoio ao diagnóstico médico. As características das imagens são extraídas e organizadas em vetores que representam cada imagem no processo de classificação de dados. Durante o desenvolvimento do trabalho de Costa (2012) foram feitas duas contribuições: (1) a criação de uma técnica de extração de características chamada FFS (Fast Fractal Stack), que emprega uma análise fractal, indicando o nível de Manaus, 25 a 27 de abril de ISSN (CDR)

5 complexidade de contornos e objetos de uma imagem, tendo como resultado um vetor de características da imagem com alta capacidade de descrição; (2) um classificador associativo denominado de Concept, que utiliza o algoritmo apriori para mineração de regras de associação das características das imagens, retornando uma sugestão de classe que a imagem se enquadra. Steiner (2004) apresentou em seu trabalho Data mining como suporte à tomada de decisões Uma aplicação no diagnóstico médico a utilização de técnicas de classificação, com o objetivo de diferenciar casos de pacientes com obstrução biliar por cálculo e obstrução biliar por câncer. Para a realização do estudo foi utilizada uma base de dados com informações de pacientes com os diagnósticos do estudo e mais 14 resultados de exames clínicos sugeridos pelos especialistas da área para a mineração dos dados. O autor utilizou seis técnicas de mineração de dados, sendo três delas utilizando árvores de decisão e as outras três utilizando regras de classificação em dois conjuntos de dados, sendo o primeiro utilizado para treinamento e o segundo para testes. Como resultado obtido, todas as técnicas apresentaram resultados positivos e satisfatórios podendo ser utilizados em sistemas computacionais, como ferramenta de apoio ao diagnóstico realizado pelo especialista. Até onde pudemos observar, nenhum trabalho anterior estudou métodos de suporte ao diagnostico médico a partir de informações referentes aos sintomas dos pacientes. Neste sentido, nosso trabalho é distinto de todos os que observamos na literatura. 5. Metodologia A realização desta pesquisa envolveu as seguintes etapas: A primeira etapa do trabalho foi baseada na revisão bibliográfica da literatura, para determinar outras pesquisas similares a esta, onde são aplicadas as técnicas de mineração de dados em bases de dados médicas para descoberta de conhecimento, que de alguma forma possam auxiliar em diagnósticos do médico especialista. Na segunda etapa, ocorreu a obtenção da base de dados médica contendo registros de atendimentos médicos com, exclusivamente, informações de atendimento e sintomas do paciente. Nenhum dado que pudesse identificar o paciente sobre qualquer circunstância foi utilizado durante a pesquisa. A pesquisa utilizou atendimentos de pacientes armazenados em um banco de dados, de onde extraímos as associações entre sintomas de pacientes e seus diagnósticos. Na terceira etapa ocorreu a extração, manutenção e pré-processamento dos dados, onde foi realizada análise da base de dados e extraídas informações de atendimentos de pacientes necessárias à pesquisa. Todos os dados passaram por um processo de normalização, onde os sintomas relacionados foram dispostos em uma única linha e os dados ausentes tiveram seu preenchimento realizado de forma padrão utilizando o símbolo?. Na quarta etapa, ocorreu a execução do algoritmo Apriori, pois apresenta resultados que mais se aproximam do desejado e a extração da informação propriamente dita. Esta etapa do processo teve como objetivo encontrar padrões na base de dados que foi pré-processada, utilizando a ferramenta de mineração de dados chamada WEKA, um Manaus, 25 a 27 de abril de ISSN (CDR)

6 software open-source largamente utilizada por implementar diversos algoritmos de mineração de dados (Hall, 2009). A quinta e última etapa do processo foi a análise dos resultados obtidos com a aplicação do algoritmo de mineração de dados. O objetivo principal foi encontrar regras de associação que nos mostrassem as relações entre os sintomas de pacientes, qualificando o quanto um sintoma implica na presença de outro sintoma, formando assim grupos de sintomas que podem representar um diagnóstico especifico, por exemplo, casos em que apresentam o sintoma Cefaleia também apresentam o sintoma Febre e podem estar relacionados ao diagnóstico de virose, pois, existe uma quantidade significativa de atendimentos de pacientes diagnosticados com virose, apresentando os sintomas de Febre e Cefaleia simultaneamente. Assim como Costa (2012), este trabalho também fez a utilização do algoritmo Apriori, mas de forma diferenciada, aplicado aos sintomas dos pacientes com o objetivo de gerar regras de associação de sintomas e posteriormente relacioná-los aos diagnósticos dos atendimentos. 6. Base de dados A base de dados utilizada no desenvolvimento do estudo é uma base de dados hospitalar, privada, com ocorrências de atendimentos médicos registrados na cidade de Manaus - AM, contendo apenas informações referentes a diagnósticos e sintomas. Para tornar a base de dados consistente e ter um melhor aproveitamento das informações, foram aplicados filtros para que não houvesse informações duplicadas ou que de alguma forma possam impactar diretamente nos resultados. Dentre todos os registros da base de dados, foram utilizados somente os dados de atendimento com as seguintes características somadas: os que não foram cancelados ou invalidados, os que têm informações de sintomas associados e os que tenham pelo menos um diagnóstico definido, resultando em um total de 1600 ocorrências de atendimentos para o estudo. 7. Processamento dos dados e montagem do arquivo ARFF Uma das principais fases do processo de mineração de dados está relacionada ao processamento dos dados, esta seção descreve o modo como os dados foram levantados e como foram organizados para serem aceitos pela aplicação mineradora. Na extração dos dados foi desenvolvido um script em Python utilizando a ferramenta Aptana, uma ferramenta de código aberto que suporta a linguagem. Os dados foram extraídos através do script que realizava consultas SQL na base de dados e os manipulava para que o arquivo resultante seja exatamente no formato ARFF, que é o aceito pela ferramenta WEKA, utilizada para realizar a mineração de dados. O algoritmo monta inicialmente uma tupla contendo todos os sintomas possíveis de serem utilizados em um atendimento, em outra tupla são atribuídos os registros de atendimentos que seguiam as características definidas no tópico anterior. Para cada atendimento realizado eram dispostos na mesma linha todos os possíveis sintomas, mas somente os que estavam relacionados com o atendimento eram marcados com um identificador S, para todos os outros sintomas que não faziam parte da lista de sintomas do atendimento foi atribuído o símbolo?, representando que o mesmo não faz parte da lista de sintomas definido para aquele atendimento especifico. O modelo do arquivo gerado pode ser visualizado na figura 2. Manaus, 25 a 27 de abril de ISSN (CDR)

7 Figura 2. Exemplo da estrutura gerada pelo script no formato ARFF Após a criação do arquivo ARFF, executamos o WEKA (Hall 2009) para executar o algoritmo Apriori em nossa base de dados, a fim de identificar que regras de associação que poderiam ser extraídas, conforme a figura 3. Figura 3. Resultados da ferramenta WEKA obtidos após o processamento 8. Resultados obtidos Nesta seção descrevemos os resultados obtidos pela execução do modelo proposto. A tabela 1 mostra o resultado do processamento do algoritmo Apriori, no processo foi considerado grau mínimo de suporte a 10% e confiança a 90% aplicado a nossa base de dados hospitalar, definido como significativo, fazendo uso da ferramenta de mineração de dados WEKA. Tabela 1. Regras de associação obtidas após mineração dos dados Regra Grupo 1 Qtde Grupo 2 Qtde Suporte(%) Confiança(%) 1 Calafrios;Mialgia 193 Febre , Calafrios;Mialgia;Cefaléia 177 Febre , Calafrios;Cefaléia 235 Febre , Calafrios 274 Febre , Artralgia 178 Febre , Cefaléia;Mialgia 240 Febre ,57 97 Manaus, 25 a 27 de abril de ISSN (CDR)

8 7 Mialgia 270 Febre , Calafrios;Mialgia 193 Cefaléia , Febre;Calafrios;Mialgia 191 Cefaléia , Calafrios;Mialgia 193 Febre;Cefaléia ,94 91 A seguir o detalhamento dos resultados a partir da execução do algoritmo Apriori conforme a Tabela 1: 1. De todos os atendimentos realizados, em 11,94% o sintoma Febre está relacionado aos sintomas Calafrio e Mialgia. Sendo que, para todos os atendimentos que apresentavam Calafrios e Mialgia, 99% também apresentavam o sintoma Febre. 2. De todos os atendimentos realizados, em 10,94% o sintoma Febre está relacionado aos sintomas Calafrio, Mialgia e Cefaleia. Sendo que, para todos os atendimentos que apresentavam Calafrio, Mialgia e Cefaleia, 99% também apresentavam o sintoma Febre. 3. De todos os atendimentos realizados, em 14,45% o sintoma Febre está relacionado aos sintomas Calafrio e Cefaleia. Sendo que, para todos os atendimentos que apresentavam Calafrio e Cefaleia, em 98% também apresentavam o sintoma Febre. 4. De todos os atendimentos realizados, em 16,70% o sintoma Febre está relacionado ao sintoma Calafrio. Sendo que, para todos os atendimentos que apresentavam Calafrio, em 97% também apresentavam o sintoma Febre. 5. De todos os atendimentos realizados, em 10,82% o sintoma Febre está relacionado ao sintoma Artralgia. Sendo que, para todos os atendimentos que apresentavam Artralgia, em 97% também apresentavam o sintoma Febre. 6. De todos os atendimentos realizados, em 14,57% o sintoma Febre está relacionado aos sintomas Cefaleia e Mialgia. Sendo que, para todos os atendimentos que apresentavam Cefaleia e Mialgia, em 97% também apresentavam o sintoma Febre. 7. De todos os atendimentos realizados, em 16,14% o sintoma Febre está relacionado ao sintoma Mialgia. Sendo que, para todos os atendimentos que apresentavam Mialgia, em 96% também apresentavam o sintoma Febre. 8. De todos os atendimentos realizados, em 11,07% o sintoma Cefaleia está relacionado aos sintomas Calafrio e Mialgia. Sendo que, para todos os atendimentos que apresentavam Calafrio e Mialgia, em 92% também apresentava o sintoma Cefaleia. 9. De todos os atendimentos realizados, em 10,94% o sintoma Cefaleia está relacionado com os sintomas Febre, Calafrio e Mialgia. Sendo que, para todos os atendimentos que apresentavam Febre, Calafrios e Mialgia, em 92% também apresentava o sintoma Cefaleia. 10. De todos os atendimentos realizados, em 10,94% os sintomas Febre e Cefaleia estão relacionados aos sintomas Calafrio e Mialgia. Sendo que, para todos os atendimentos que apresentavam Calafrio e Mialgia, em 91% também apresentavam os sintomas Febre e Cefaleia. Manaus, 25 a 27 de abril de ISSN (CDR)

9 Com base nos resultados obtidos, verificamos que vários sintomas se repetem nas regras encontradas, pode ser observado que existe uma regra mais completa no estudo, a de número 10, selecionada para ser cruzada com as informações de atendimentos e diagnósticos contidos na base. Este relacionamento de informações foi realizado com uma consulta na base de dados selecionando todos os atendimentos que apresentavam os sintomas: Calafrios, Mialgia, Febre e Cefaleia. Do cruzamento entre os sintomas da regra selecionada e os diagnósticos dos atendimentos, foram encontrados os seguintes resultados: 1. 46,25% dos atendimentos estão associados a casos de doenças relacionadas a Protozoários, como por exemplo, algum tipo de diagnóstico de malária ,25% dos atendimentos estão associados a casos de doenças relacionadas ao Vírus da dengue ,5% dos atendimentos estão relacionados a outros diagnósticos. Ao analisar os resultados obtidos pode ser observado que, os diagnósticos encontrados apresentam valores significativos com suporte mínimo de 10% e confiança mínima de 90%. No estudo de caso temos o grupo de sintomas Calafrios, Mialgia, Febre e Cefaleia com as maiores porcentagens de atendimentos para diagnósticos de Malaria e Dengue, que se somados equivalem a 68,5% de todos os atendimentos analisados, ou seja, estes diagnósticos podem ser sugeridos ao especialista como possíveis diagnósticos do paciente baseado nos casos anteriores verificados na base de dados. Com base no estudo realizado por Engel (2002) um dos pontos críticos do algoritmo Apriori é a geração de conjunto de itens candidatos para a passagem sobre o banco de dados, que é executada no início de cada passagem, seu desempenho melhora apenas quando grande parte dos conjuntos de itens candidatos torna-se frequente, ou seja, é necessário que a média de itens por transação seja alta. A geração dos conjuntos de dados se torna mais crítica onde à razão entre itens frequentes e itens candidatos é menor. No nosso estudo, os pacientes apresentam uma quantidade limitada de sintomas em cada atendimento, uma média de quatro, por este motivo o custo de execução do algoritmo para a base de dados no estudo cresce à medida que a quantidade de atendimentos dos pacientes a serem analisados aumenta considerando que média de sintomas permaneça baixa. Caso a quantidade média de sintomas mude e cresça, o custo será compensado, permitindo a aplicação do algoritmo para grandes bases de dados com transação similar. 9. Conclusão e trabalhos futuros Na primeira parte do trabalho foi possível identificar, utilizando técnicas de mineração de dados, quais combinações de sintomas são mais comuns em pacientes da base de dados. A partir dos grupos de sintomas, realizamos um estudo para identificar quais diagnósticos estão mais relacionados aos grupos de sintomas. Este modelo pode servir de suporte ao diagnostico médico, onde, para determinado grupo de sintomas apresentados pelo paciente no momento de sua consulta pode ser sugerido os diagnósticos de mais relevância, tornando assim o atendimento do paciente mais rápido e de melhor qualidade, auxiliando principalmente os médicos especialistas que tiveram seu ingresso recente aos atendimentos de pacientes. Manaus, 25 a 27 de abril de ISSN (CDR)

10 Para trabalhos futuros pretendemos explorar algoritmos de agrupamento para identificar os grupos de sintomas existentes e comparar os resultados com o modelo atual, verificando se ao utilizar técnicas de agrupamento de sintomas teremos resultados mais precisos com relação ao diagnóstico. 10. Bibliografia Agrawal, R. & Imielinski, T. & Swami, A. (1993). Mining Association between Sets of Items in Massive Databases. In ACM SIGMOD Record (Vol. 22, No. 2, pp ). ACM. Amo, Sandra (2010) Curso de Data Mining Aula 2 Mineração de Regras de Associação O algoritmo APRIORI. Collazos, K., Barreto, J. M., & Pellegrini, G. F. (2000). "Análise do Prontuário médico para a utilização com KDD". CONGRESSO BRASILEIRO DE INFORMÁTICA EM SAÚDE CBIS. Costa, A. F., & Traina, A. J. M. (2012). "Mineração de Imagens Médicas Utilizando Características de Forma". Damasceno de Melo, M. (2010). "Introdução à Mineração de Dados usando o Weka". V CONNEPI Engel, P. M., & Camargo, S. D. S. (2002). MiRABIT: um novo algoritmo para mineração de regras de associação. In VIII Congreso Argentino de Ciencias de la Computación. Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). "From data mining to knowledge discovery in databases". AI magazine, 17(3), 37. Freitas, A. A. (2000) "Uma Introdução a Data Mining.Informática Brasileira em Análise". CESAR - Centro de Estudos e Sistemas Avançados do Recife. Ano II, n. 32, mai./jun Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: an update. ACM SIGKDD Explorations Newsletter, 11(1), Lavrac, N., Keravnou, E., & Zupan, B. (2000). "Intelligent data analysis in medicine". Encyclopedia of computer science and technology, 42(9), Robertson, J. (2012). "Data-Mining in Doctor's Office Helps Solve Medical Mysteries", Março de Steiner, M. T. A., Soma, N. Y., Shimizu, T., Nievola, J. C., LOPES, F., & Smiderle, A. (2004). "Data-Mining como Suporte à Tomada de Decisões-uma Aplicação no Diagnóstico Médico". XXXVI SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL," O IMPACTO DA PESQUISA OPERACIONAL NAS NOVAS TENDÊNCIAS MULTIDISCIPLINARES, 23, Thomé, Antônio Carlos G. (2002) "Redes neurais: uma ferramenta para KDD e data mining". Rio de Janeiro: Universidade Federal do Rio de Janeiro. Manaus, 25 a 27 de abril de ISSN (CDR)

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

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

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

Curso de Data Mining

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

Leia mais

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

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

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

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

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

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

Disciplina: Unidade III: Prof.: E-mail: Período:

Disciplina: Unidade III: Prof.: E-mail: Período: Encontro 08 Disciplina: Sistemas de Banco de Dados Unidade III: Modelagem Lógico de Dados Prof.: Mario Filho E-mail: pro@mariofilho.com.br Período: 5º. SIG - ADM Relembrando... Necessidade de Dados Projeto

Leia mais

COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS

COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS Leonardo Meneguzzi 1 ; Marcelo Massoco Cendron 2 ; Manassés Ribeiro 3 INTRODUÇÃO

Leia mais

DATA WAREHOUSE. Introdução

DATA WAREHOUSE. Introdução DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta

Leia mais

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperação de Informação GSI521 Prof. Rodrigo Sanches Miani FACOM/UFU Introdução Organização e Recuperação de Informação(GSI521) Tópicos Recuperação de informação (RI); Breve histórico; O

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

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

MÓDULO 6 INTRODUÇÃO À PROBABILIDADE

MÓDULO 6 INTRODUÇÃO À PROBABILIDADE MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para

Leia mais

GARANTIA DA QUALIDADE DE SOFTWARE

GARANTIA DA QUALIDADE DE SOFTWARE GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características

Leia mais

srbo@ufpa.br www.ufpa.br/srbo

srbo@ufpa.br www.ufpa.br/srbo CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto

Leia mais

Módulo 4. Construindo uma solução OLAP

Módulo 4. Construindo uma solução OLAP Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de

Leia mais

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses

Leia mais

Universidade Federal de Minas Gerais ICEx / DCC

Universidade Federal de Minas Gerais ICEx / DCC Universidade Federal de Minas Gerais ICEx / DCC Belo Horizonte, 15 de dezembro de 2006 Relatório sobre aplicação de Mineração de Dados Mineração de Dados em Bases de Dados de Vestibulares da UFMG Professor:

Leia mais

ISO/IEC 12207: Gerência de Configuração

ISO/IEC 12207: Gerência de Configuração ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que

Leia mais

Microsoft Access XP Módulo Um

Microsoft Access XP Módulo Um Microsoft Access XP Módulo Um Neste primeiro módulo de aula do curso completo de Access XP vamos nos dedicar ao estudo de alguns termos relacionados com banco de dados e as principais novidades do novo

Leia mais

Universidade Federal de Santa Maria Curso de Arquivologia. Disciplina de Banco de Dados Aplicados à Arquivística. Versao 1.

Universidade Federal de Santa Maria Curso de Arquivologia. Disciplina de Banco de Dados Aplicados à Arquivística. Versao 1. Universidade Federal de Santa Maria Curso de Arquivologia Disciplina de Banco de Dados Aplicados à Arquivística Prof. Andre Zanki Cordenonsi Versao 1.0 Março de 2008 Tópicos Abordados Conceitos sobre Banco

Leia mais

Núcleo de Informática Aplicada à Educação Universidade Estadual de Campinas

Núcleo de Informática Aplicada à Educação Universidade Estadual de Campinas Núcleo de Informática Aplicada à Educação Universidade Estadual de Campinas Resumo Tradicionalmente os alunos ingressantes no bacharelado de Ciência da Computação da UNICAMP aprendem a programar utilizando

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Sistemas de Banco de Dados Aspectos Gerais de Banco de Dados

Sistemas de Banco de Dados Aspectos Gerais de Banco de Dados Sistemas de Banco de Dados Aspectos Gerais de Banco de Dados 1. Conceitos Básicos No contexto de sistemas de banco de dados as palavras dado e informação possuem o mesmo significado, representando uma

Leia mais

Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados

Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:

Leia mais

Extração de Requisitos

Extração de Requisitos Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo

Leia mais

DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação

DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES Trabalho de Graduação Orientando: Vinicius Stein Dani vsdani@inf.ufsm.br Orientadora: Giliane

Leia mais

2 Diagrama de Caso de Uso

2 Diagrama de Caso de Uso Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa

Leia mais

Faculdade Integrada do Ceará FIC Graduação em Redes de Computadores

Faculdade Integrada do Ceará FIC Graduação em Redes de Computadores Faculdade Integrada do Ceará FIC Graduação em Redes de Computadores Disciplina - Sistemas Distribuídos Prof. Andrey Halysson Lima Barbosa Aula 12 Computação em Nuvem Sumário Introdução Arquitetura Provedores

Leia mais

Módulo 4: Gerenciamento de Dados

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

Leia mais

11 de maio de 2011. Análise do uso dos Resultados _ Proposta Técnica

11 de maio de 2011. Análise do uso dos Resultados _ Proposta Técnica 11 de maio de 2011 Análise do uso dos Resultados _ Proposta Técnica 1 ANÁLISE DOS RESULTADOS DO SPAECE-ALFA E DAS AVALIAÇÕES DO PRÊMIO ESCOLA NOTA DEZ _ 2ª Etapa 1. INTRODUÇÃO Em 1990, o Sistema de Avaliação

Leia mais

LISTA DE EXERCÍCIOS. 1. Binário: Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único caractere

LISTA DE EXERCÍCIOS. 1. Binário: Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único caractere 1. Binário: LISTA DE EXERCÍCIOS Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único caractere Campo: Grupo de palavras ou um número completo Registro: Grupo de

Leia mais

Para resolver este problema foi aberta a solicitação abaixo

Para resolver este problema foi aberta a solicitação abaixo Página: 1 Documento criado em: 28/01/2008 - Última atualização: 22/04/2008 09:21 Cópias de Segurança das imagens Digitalizadas no Registro O texto imagens digitalizadas no Registro é porque as imagens

Leia mais

Software automatizado para controle de consultas da clínica de fisioterapia

Software automatizado para controle de consultas da clínica de fisioterapia Software automatizado para controle de consultas da clínica de fisioterapia Jeverson Siqueira 1, Wallace Caldeira 1, Jorge Aikes Junior 1 1 Ciência da Computacão Faculdades Anglo Americano de Foz do Iguaçu

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

Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS)

Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Definição Geral: Disciplina de Compiladores Prof. Jorge Bidarra (UNIOESTE) A especificação de requisitos tem como objetivo

Leia mais

Dadas a base e a altura de um triangulo, determinar sua área.

Dadas a base e a altura de um triangulo, determinar sua área. Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares

Leia mais

FURB - Universidade Regional de Blumenau TCC - Trabalho de Conclusão de Curso Acadêmico: Fernando Antonio de Lima Orientador: Oscar Dalfovo

FURB - Universidade Regional de Blumenau TCC - Trabalho de Conclusão de Curso Acadêmico: Fernando Antonio de Lima Orientador: Oscar Dalfovo FURB - Universidade Regional de Blumenau TCC - Trabalho de Conclusão de Curso Acadêmico: Fernando Antonio de Lima Orientador: Oscar Dalfovo Roteiro Introdução Sistemas de Informação - SI Executive Information

Leia mais

Banco de Dados - Senado

Banco de Dados - Senado Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO DOS RECURSOS DE DADOS Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?

Leia mais

ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD

ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos

Leia mais

FACULDADE DE ENGENHARIA DE COMPUTAÇÃO. PROJETO FINAL I e II PLANO DE TRABALHO <NOME DO TRABALHO> <Nome do Aluno> <Nome do Orientador>

FACULDADE DE ENGENHARIA DE COMPUTAÇÃO. PROJETO FINAL I e II PLANO DE TRABALHO <NOME DO TRABALHO> <Nome do Aluno> <Nome do Orientador> FACULDADE DE ENGENHARIA DE COMPUTAÇÃO PROJETO FINAL I e II PLANO DE TRABALHO O Trabalho de Conclusão de Curso (TCC) a ser desenvolvido

Leia mais

4 Segmentação. 4.1. Algoritmo proposto

4 Segmentação. 4.1. Algoritmo proposto 4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças

Leia mais

DIMENSIONANDO PROJETOS DE WEB-ENABLING. Uma aplicação da Análise de Pontos de Função. Dimensionando projetos de Web- Enabling

DIMENSIONANDO PROJETOS DE WEB-ENABLING. Uma aplicação da Análise de Pontos de Função. Dimensionando projetos de Web- Enabling DIMENSIONANDO PROJETOS DE WEB-ENABLING Uma aplicação da Análise de Pontos de Função Dimensionando projetos de Web- Enabling Índice INTRODUÇÃO...3 FRONTEIRA DA APLICAÇÃO E TIPO DE CONTAGEM...3 ESCOPO DA

Leia mais

Universidade Paulista

Universidade Paulista Universidade Paulista Ciência da Computação Sistemas de Informação Gestão da Qualidade Principais pontos da NBR ISO/IEC 12207 - Tecnologia da Informação Processos de ciclo de vida de software Sergio Petersen

Leia mais

TIC Unidade 2 Base de Dados. Informação é todo o conjunto de dados devidamente ordenados e organizados de forma a terem significado.

TIC Unidade 2 Base de Dados. Informação é todo o conjunto de dados devidamente ordenados e organizados de forma a terem significado. Conceitos relativos à Informação 1. Informação O que á a informação? Informação é todo o conjunto de dados devidamente ordenados e organizados de forma a terem significado. 2. Dados Em informática designa-se

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:

Leia mais

Diagrama de Classes. Um diagrama de classes descreve a visão estática do sistema em termos de classes e relacionamentos entre as classes.

Diagrama de Classes. Um diagrama de classes descreve a visão estática do sistema em termos de classes e relacionamentos entre as classes. 1 Diagrama de Classes Um diagrama de classes descreve a visão estática do sistema em termos de classes e relacionamentos entre as classes. Um dos objetivos do diagrama de classes é definir a base para

Leia mais

Dicas para Captação de Clientes Artigo 10

Dicas para Captação de Clientes Artigo 10 Artigo 10 O Que é Pipeline de Vendas? Neste artigo explicaremos o que é ciclo de vendas, pipeline de vendas e gestão de pipeline. Mostraremos também quais os fatores críticos de sucesso para a utilização

Leia mais

CHECK - LIST - ISO 9001:2000

CHECK - LIST - ISO 9001:2000 REQUISITOS ISO 9001: 2000 SIM NÃO 1.2 APLICAÇÃO A organização identificou as exclusões de itens da norma no seu manual da qualidade? As exclusões são relacionadas somente aos requisitos da sessão 7 da

Leia mais

ANEXO X DIAGNÓSTICO GERAL

ANEXO X DIAGNÓSTICO GERAL ANEXO X DIAGNÓSTICO GERAL 1 SUMÁRIO DIAGNÓSTICO GERAL...3 1. PREMISSAS...3 2. CHECKLIST...4 3. ITENS NÃO PREVISTOS NO MODELO DE REFERÊNCIA...11 4. GLOSSÁRIO...13 2 DIAGNÓSTICO GERAL Este diagnóstico é

Leia mais

AUTOR(ES): IANKSAN SILVA PEREIRA, ALINE GRAZIELE CARDOSO FEITOSA, DANIELE TAMIE HAYASAKA, GABRIELA LOPES COELHO, MARIA LETICIA VIEIRA DE SOUSA

AUTOR(ES): IANKSAN SILVA PEREIRA, ALINE GRAZIELE CARDOSO FEITOSA, DANIELE TAMIE HAYASAKA, GABRIELA LOPES COELHO, MARIA LETICIA VIEIRA DE SOUSA Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: TECNOLOGIA E SUA INFLUÊNCIA NA QUALIDADE DA GESTÃO CONTÁBIL. CATEGORIA: EM ANDAMENTO ÁREA: CIÊNCIAS

Leia mais

RELATÓRIO DE ATIVIDADES DESENVOLVIDAS NO ARQUIVO GERAL DA UNIVERSIDADE FEDERAL DE GOIÁS

RELATÓRIO DE ATIVIDADES DESENVOLVIDAS NO ARQUIVO GERAL DA UNIVERSIDADE FEDERAL DE GOIÁS CLAUDINEIA PEREIRA DE ABREU RELATÓRIO DE ATIVIDADES DESENVOLVIDAS NO ARQUIVO GERAL DA UNIVERSIDADE FEDERAL DE GOIÁS Relatório apresentado a Disciplina Estagio Supervisionado, do Curso de Biblioteconomia

Leia mais

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia. 1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade

Leia mais

1. CONCEITOS BÁSICOS DE BD, SBD E SGBD

1. CONCEITOS BÁSICOS DE BD, SBD E SGBD Introdução 1. CONCEITOS BÁSICOS DE BD, SBD E SGBD A importância da informação para a tomada de decisões nas organizações tem impulsionado o desenvolvimento dos sistemas de processamento de informações.

Leia mais

Gerenciamento de Incidentes - ITIL. Prof. Rafael Marciano

Gerenciamento de Incidentes - ITIL. Prof. Rafael Marciano Gerenciamento de Incidentes - ITIL Prof. Rafael Marciano Conteúdo Objetivos Conceitos e Definições Atividades Indicadores Chaves de Desempenho Papéis Desafios Um pouco sobre a certificação ITIL Foundations

Leia mais

INTELIGÊNCIA COMPUTACIONAL

INTELIGÊNCIA COMPUTACIONAL INTELIGÊNCIA COMPUTACIONAL Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Dados pessoais Rosalvo Ferreira de Oliveira Neto MSc. em ciência da computação (UFPE) rosalvo.oliveira@univasf.edu.br

Leia mais

MODELAGEM DE DADOS MODELAGEM DE DADOS. rafaeldiasribeiro.com.br 04/08/2012. Aula 7. Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord

MODELAGEM DE DADOS MODELAGEM DE DADOS. rafaeldiasribeiro.com.br 04/08/2012. Aula 7. Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 7 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Aprender sobre a modelagem lógica dos dados. Conhecer os

Leia mais

AVALIAÇÃO DE INTERFACES UTILIZANDO O MÉTODO DE AVALIAÇÃO HEURÍSTICA E SUA IMPORTÂNCIA PARA AUDITORIA DE SISTEMAS DE INFORMAÇÕES

AVALIAÇÃO DE INTERFACES UTILIZANDO O MÉTODO DE AVALIAÇÃO HEURÍSTICA E SUA IMPORTÂNCIA PARA AUDITORIA DE SISTEMAS DE INFORMAÇÕES AVALIAÇÃO DE INTERFACES UTILIZANDO O MÉTODO DE AVALIAÇÃO HEURÍSTICA E SUA IMPORTÂNCIA PARA AUDITORIA DE SISTEMAS DE INFORMAÇÕES Rafael Milani do Nascimento, Claudete Werner Universidade Paranaense (Unipar)

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

Referências internas são os artefatos usados para ajudar na elaboração do PT tais como:

Referências internas são os artefatos usados para ajudar na elaboração do PT tais como: Plano de Teste (resumo do documento) I Introdução Identificador do Plano de Teste Esse campo deve especificar um identificador único para reconhecimento do Plano de Teste. Pode ser inclusive um código

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

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

Perfil de Produção Bibliográfica dos Programas Brasileiros de Pós-Graduação em Ciência da Computação

Perfil de Produção Bibliográfica dos Programas Brasileiros de Pós-Graduação em Ciência da Computação Perfil de Produção Bibliográfica dos Programas Brasileiros de Pós-Graduação em Ciência da Computação Jesús P. Mena-Chalco 1, Luciano A. Digiampietri 2, Leonardo B. Oliveira 3 1 Centro de Matemática, Computação

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

UNG CIC Tópicos Especiais de TI. Aula 13

UNG CIC Tópicos Especiais de TI. Aula 13 Aula 13 1. Data Warehouse Armazém de Dados (Continuação) 1 Erros na implantação de um Data Warehouse Segundo o Data Warehousing Institute existem dez erros mais comuns na implantação de um Data Warehouse

Leia mais

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

4 Implementação e Resultados Experimentais

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

Leia mais

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados:

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados: MC536 Introdução Sumário Conceitos preliminares Funcionalidades Características principais Usuários Vantagens do uso de BDs Tendências mais recentes em SGBDs Algumas desvantagens Modelos de dados Classificação

Leia mais

Lista de verificação (Check list) para planejamento e execução de Projetos

Lista de verificação (Check list) para planejamento e execução de Projetos www.tecnologiadeprojetos.com.br Lista de verificação (Check list) para planejamento e execução de Projetos Eduardo F. Barbosa Dácio G. Moura Material didático utilizado na disciplina Desenvolvimento de

Leia mais

CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES

CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:

Leia mais

Planejando o aplicativo

Planejando o aplicativo Um aplicativo do Visual FoxPro geralmente inclui um ou mais bancos de dados, um programa principal que configura o ambiente de sistema do aplicativo, além de uma interface com os usuários composta por

Leia mais

Big Data. Como utilizar melhor e mais rápido seus dados e informações utilizando metodologias e tecnologias GED/ECM

Big Data. Como utilizar melhor e mais rápido seus dados e informações utilizando metodologias e tecnologias GED/ECM Big Data Como utilizar melhor e mais rápido seus dados e informações utilizando metodologias e tecnologias GED/ECM Irineu Granato, CDIA+ CBPP, AIIM (ECMp, ECMs, IOAp, BPMs, ERMs) AIIM Professional Member

Leia mais

Crash recovery é similar ao instance recovery, onde o primeiro referencia ambientes de instância exclusiva e o segundo ambientes parallel server.

Crash recovery é similar ao instance recovery, onde o primeiro referencia ambientes de instância exclusiva e o segundo ambientes parallel server. Recover no Oracle O backup e recuperação de dados em um SGBD é de grande importância para a manutenção dos dados. Dando continuidade a nossos artigos, apresentamos abaixo formas diferentes de se fazer

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

APLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2

APLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2 APLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2 Renan J. Borges 1, Késsia R. C. Marchi 1 1 Universidade Paranaense (UNIPAR) Paranavaí, PR Brasil renanjborges@gmail.com, kessia@unipar.br

Leia mais

Image Enable: conceito

Image Enable: conceito Image Enable Gestão Eletrônica de Documentos - GED Image Enable: conceito Empresas possuem diversos sistemas para controlar suas operações Sistemas integrados de gestão; Sistemas de Recursos humanos, Contabilidade,

Leia mais

Persistência e Banco de Dados em Jogos Digitais

Persistência e Banco de Dados em Jogos Digitais Persistência e Banco de Dados em Jogos Digitais Prof. Marcos Francisco Pereira da Silva Especialista em Engenharia de Software Jogos Digitais - Computação Gráfica 1 Agenda Vantagens de usar a abordagem

Leia mais

Avaliação de Processos Produtivos - APP

Avaliação de Processos Produtivos - APP Avaliação de Processos Produtivos - APP Aula 13 Os direitos desta obra foram cedidos à Universidade Nove de Julho Este material é parte integrante da disciplina oferecida pela UNINOVE. O acesso às atividades,

Leia mais

Gerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto

Gerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto Gerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com PMBoK Organização do Projeto Os projetos e o gerenciamento

Leia mais

NORMAS DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL (ESTRUTURAS) DA ESCOLA DE ENGENHARIA DE SÃO CARLOS DA USP

NORMAS DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL (ESTRUTURAS) DA ESCOLA DE ENGENHARIA DE SÃO CARLOS DA USP Normas do Programa de Pós-Graduação em Engenharia Civil (Estruturas) - EESC/USP 1 NORMAS DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL (ESTRUTURAS) DA ESCOLA DE ENGENHARIA DE SÃO CARLOS DA USP I - COMPOSIÇÃO

Leia mais

Banco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP

Banco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP Banco de Dados Introdução João Eduardo Ferreira Osvaldo Kotaro Takai jef@ime.usp.br DCC-IME-USP Importância dos Bancos de Dados A competitividade das empresas depende de dados precisos e atualizados. Conforme

Leia mais

DELIBERAÇÃO CVM Nº 731, DE 27 DE NOVEMBRO DE 2014

DELIBERAÇÃO CVM Nº 731, DE 27 DE NOVEMBRO DE 2014 Aprova a Interpretação Técnica ICPC 20 do Comitê de Pronunciamentos Contábeis, que trata de limite de ativo de benefício definido, requisitos de custeio (funding) mínimo e sua interação. O PRESIDENTE DA

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

Versão 6.0.1 Melhorias Melhorias Versão 6.0.1

Versão 6.0.1 Melhorias Melhorias Versão 6.0.1 Versão 6.0.1 Novembro 2010 Versão 6.0.1 Funcionalidade Completa de Planejamento do Trabalho Através dessa funcionalidade o usuário pode planejar quais tarefas e quanto tempo destinará para trabalhar em

Leia mais

ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA

ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA INTRODUÇÃO O projeto de um banco de dados é realizado sob um processo sistemático denominado metodologia de projeto. O processo do

Leia mais

O propósito deste trabalho foi o de apresentar os programas de. catalogação cooperativa, centralizada e catalogação-na-publicação, os quais,

O propósito deste trabalho foi o de apresentar os programas de. catalogação cooperativa, centralizada e catalogação-na-publicação, os quais, 138 5 CONSIDERAÇÕES FINAIS O propósito deste trabalho foi o de apresentar os programas de catalogação cooperativa, centralizada e catalogação-na-publicação, os quais, são sistemas de alimentação de catálogos

Leia mais

Engenharia de Software III

Engenharia de Software III Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,

Leia mais

Manual Sistema MLBC. Manual do Sistema do Módulo Administrativo

Manual Sistema MLBC. Manual do Sistema do Módulo Administrativo Manual Sistema MLBC Manual do Sistema do Módulo Administrativo Este documento tem por objetivo descrever as principais funcionalidades do sistema administrador desenvolvido pela MLBC Comunicação Digital.

Leia mais

Palavras- chave: Vigilância epidemiológica, Dengue, Enfermagem

Palavras- chave: Vigilância epidemiológica, Dengue, Enfermagem ANÁLISE DAS NOTIFICAÇÕES DE DENGUE APÓS ATUAÇÃO DO SERVIÇO DE VIGILÂNCIA EPIDEMIOLÓGICA HOSPITALAR INTRODUÇÃO: A Dengue é uma doença infecciosa febril aguda de amplo espectro clínico e de grande importância

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação ão? Como um sistema de gerenciamento

Leia mais

QUALIDATA Soluções em Informática. Módulo CIEE com convênio empresas

QUALIDATA Soluções em Informática. Módulo CIEE com convênio empresas FM-0 1/21 ÍNDICE 1. MÓDULO DESKTOP(SISTEMA INSTALADO NO CIEE)... 2 Cadastro de Ofertas de Empregos:... 2 Cadastro de Eventos:... 3 Cadastro de Instituições do Curriculum:... 5 Cadastro de Cursos do Curriculum:...

Leia mais

MODELO CMM MATURIDADE DE SOFTWARE

MODELO CMM MATURIDADE DE SOFTWARE MODELO CMM MATURIDADE DE SOFTWARE O modelo CMM Capability Maturity Model foi produzido pelo SEI (Software Engineering Institute) da Universidade Carnegie Mellon (CMU), em Pittsburgh, EUA, por um grupo

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