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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 EduMiner: Um software para Auxílio no Processo de Ensino Aprendizagem do Conhecimento Gerado pela Mineração de Dados RESUMO Autoria: Alana Deusilan Sester Pereira, Clarice Pereira de Paiva Ribeiro, Luiz Henrique de Campos Merschmann Com as transformações promovidas pela Era da Informação muitas organizações passaram a adotar as ferramentas computacionais como grandes precursores e responsáveis pelo valor adicional às tomadas de decisões, armazenando uma grande quantidade de dados. Tornou-se imprescindível transformar essas grandes massas de dados em conhecimentos úteis para a obtenção de vantagem competitiva agregando valor aos negócios. Mas, para que haja conhecimento é necessário que a informação seja disponibilizada de maneira eficiente e que sejam utilizados processos para transformação dessa informação. Neste contexto, uma questão é levantada: é possível criar e implementar um software que contribua no processo ensinoaprendizagem de como o conhecimento foi gerado através da mineração de dados? Buscando respostas, definiu-se como objetivo geral deste trabalho a apresentação de um módulo de ferramenta de mineração de dados que auxiliasse os usuários no processo de ensino-aprendizado na compreensão de como as informações são trabalhadas na geração de conhecimento e que pudessem facilitar a tomada de decisão no processo decisório empresarial. Para a construção do software foi escolhida a tarefa de extração de Regras de Associação. Como metodologia utilizou-se a abordagem proposta pelo modelo em cascata, consistindo nas etapas: análise e definição dos requisitos, design do software, implementação, testes de unidade e manutenção. Seguintes estes procedimentos construiu-se o Eduminer. Para testar sua usabilidade, foi definida uma amostra de 32% dos estudantes do curso de Sistemas de Informação da Universidade Federal de Outro Preto (MG). Primeiramente, testaram o Eduminer com várias bases de dados e com diversos valores de parâmetros (suporte e confiança). Os resultados obtidos nos testes demonstraram que ele opera de maneira correta na geração de regras e nos cálculos de suporte e confiança, por apresentar exatamente os mesmos resultados de regras geradas e destes parâmetros na ferramenta Weka. Posteriormente, os estudantes responderam a um questionário sobre a ferramenta quanto ao cumprimento de sua proposta e usabilidade. Segundo os respondentes sua interface é de fácil utilização, fazendo com que o usuário tenha uma maior produtividade, aprendendo mais rápido a usá-la e memorizando as operações. A partir dos dados apurados nesta pesquisa, pode-se inferir que o software cumpriu sua proposta de criação e sua implementação teve boa aceitação pelo usuário. Portanto, o Eduminer contribuiu para o processo de ensinoaprendizagem tanto na área acadêmica quanto na profissional. A rotina de se ensinar com a utilização de softwares, é uma condição necessária e eficaz para modificar o estoque mental e cognitivo do usuário, seja ele um aluno de graduação ou pós-graduação, ou um profissional que se dedique a trabalhos em organizações públicas ou privadas. As contribuições deste software são significativas por fornecer ao gestor além de um conhecimento útil, a possibilidade de entender como ele foi criado, proporcionando maior confiabilidade em utilizá-lo no processo decisório, como vantagem competitiva. 1

2 1. INTRODUÇÃO Em diversos segmentos do mercado, as organizações buscam recursos tecnológicos que apóiem seus processos de tomada de decisões e auxiliem na estratégia empresarial. As transformações decorrentes do desenvolvimento tecnológico nas áreas de informação afetam significativamente a sociedade. Com isso, as organizações passam a adotar as ferramentas computacionais como grandes precursores e responsáveis pelo valor adicional às tomadas de decisões. Considerando que a quantidade de dados armazenados em sistemas computacionais tem aumentado significativamente, torna-se essencial transformar essas grandes massas de dados em conhecimentos úteis. Dessa maneira, torna-se possível, a partir de informações valiosas obter vantagem competitiva e agregar valor aos negócios. Sendo assim, quanto maior a compreensão e a capacidade de uma organização coletar, armazenar, criar, distribuir, sedimentar e gerar conhecimento, mais eficaz será o desenvolvimento de seus objetivos estratégicos (MENDES, 2007). Neste cenário, gerenciar o conhecimento torna-se uma estratégia crucial para as organizações. Não há uma única definição para a Gestão do Conhecimento (GC). Para Fresneda et al (2009) e Leuch (2006), a GC não significa gerir os conhecimentos das pessoas, e sim facilitar os processos pelos quais esse conhecimento é criado, compartilhado e utilizado na organização e, assim, a partir das práticas de GC é possível identificar como a gestão do conhecimento está sendo realizada na organização. Nesse contexto destaca-se o data Mining, na língua vernácula, a mineração de dados, uma prática de GC que auxilia os usuários finais, da maioria dos segmentos empresariais, a extrair informações estratégicas de seus negócios que estão residentes em grandes bancos de dados. Desde a década de 1960, os Bancos de Dados e a Tecnologia de Informação têm evoluído sistematicamente de sistemas de processamento de arquivos primitivos para sofisticados e poderosos sistemas de bancos de dados. Segundo Han e Kambler (2001), a mineração de dados pode ser vista como resultado da evolução natural da Tecnologia da Informação. Surgiu a partir da criação de técnicas e ferramentas computacionais para descoberta de conhecimentos reunindo diversas técnicas com destaque para as Estatísticas (comumente utilizadas na avaliação e validação de resultados), Banco de Dados (recursos para manipular grandes bases de dados) e de Inteligência Artificial, especialmente, Aprendizagem de Máquina, capazes de descobrir conhecimentos e gerar informações inéditas. O número de ferramentas computacionais que implementam algoritmos de mineração de dados, para solucionar diversos problemas, cresce consideravelmente devido às pesquisas realizadas nesta área. Como exemplos de ferramentas têm-se: Intelligent Miner (IBM CORPORATION, 2004), integrada ao DB2, da IBM Corporation; e a Oracle Data Mining (ORACLE CORPORATION, 2004), integrada ao Oracle 10g, da Oracle Corporation, Clementine (Inc. SPSS, 2004), da SPSS Inc., a Enterprise Miner (SAS INSTITUTE, 2004), do SAS Institute, a PolyAnalyst (MEGAPUTER INTELLIGENCE, 2004), da Megaputer Intelligence Inc. entre outras. Algumas universidades também têm desenvolvido ferramentas como produto de suas pesquisas. São exemplos a Simon Fraser University, do Canadá, que desenvolveu a DBMiner (HAN et al, 1996; DBMINER TECHNOLOGY, 2002), a Waikato University, da Nova Zelândia, que desenvolveu a WEKA - Waikato Environment for Knowledge Analysis - (WAIKATO UNIVERSITY, 2004) e a Universidade Federal Fluminense, no Brasil, que está desenvolvendo a Midas-UFF (SANTOS e PEREIRA, 2004). 2

3 Apesar da grande quantidade de ferramentas de Mineração de Dados disponível, estudos literários mostram que nenhuma delas possui como foco demonstrar ao usuário como o resultado gerado por uma técnica de mineração de dados foi construído e, principalmente, exibir como as informações existentes naquela base de dados são trabalhadas para gerar conhecimento. A partir dessas exposições, chegou-se ao seguinte questionamento norteador desta pesquisa: é possível criar e implementar um software que contribua no processo de ensinoaprendizagem do conhecimento que foi gerado pelo processo de mineração de dados? Buscando as respostas definiu-se como objetivo geral deste trabalho a apresentação de uma ferramenta de mineração de dados que auxilie os usuários no processo de ensinoaprendizado para compreensão de como as informações são trabalhadas na geração do conhecimento e que, consequentemente, facilite o processo decisório empresarial. Para atingir esse objetivo, dentre as tarefas existentes de mineração de dados, foi escolhida a tarefa de Regras de Associação devido à sua relevância no processo de tomada de decisão, já que consiste na busca por regras que representem relações entre itens contidos em bases de dados. Destarte, o propósito deste estudo se estende a auxiliar estudantes de graduação e pósgraduação de cursos afins que necessitam entender melhor sobre mineração de dados; bem como para gestores de organizações. 2. REFERENCIAL TEÓRICO 2.1- Gestão do Conhecimento Para Davenport e Prusak (1999), é essencial que as organizações saibam definir o que são dados, informações e conhecimento, sendo que o sucesso ou o fracasso organizacional muitas vezes pode depender da aplicação desses elementos para solução de problemas e tomada de decisões. Assim, os dados não sustentam a estruturação necessária para a tomada de decisões por serem ainda elementos em sua forma bruta, não conduzindo a nenhuma compreensão do fato ou da situação. Para serem úteis, é preciso a realização de análises e transformações, gerando assim uma informação. A informação auxilia o processo decisório. Padoveze (2000, p. 43), evidencia que a informação é o dado que foi processado e armazenado de forma compreensível para seu receptor e que apresenta valor real percebido para suas decisões correntes ou prospectivas. Drucker (1997) afirma que o conhecimento é a informação eficaz em ação, focalizada em resultados, é a ferramenta apta para tornar o conhecimento produtivo. Para Nonaka (1994) o conhecimento é informação que foi interpretada, categorizada, aplicada, revisada e a análise dessa informação produz o conhecimento que pode ser aplicável a soluções de problemas e tomadas de decisões. Com isso, para que haja a conhecimento é necessário que a informação seja disponibilizada de maneira eficiente e que sejam utilizados processos ou mecanismos para transformação dessa informação. Segundo Mendes (2007) se obtém conhecimento através da gestão do saber das pessoas da organização, dos seus talentos, das suas experiências, articulando-os e potencializando-os, utilizando-se para tanto de tecnologia de informação e comunicação adequadas às características da instituição. Na visão de Terra (2005), GC significa organizar as principais políticas, processos e ferramentas gerenciais e tecnológicas à luz de uma melhor identificação, validação, disseminação, compartilhamento e uso dos conhecimentos estratégicos para gerar resultados para a empresa e benefícios para os colaboradores. 3

4 As práticas de gestão do conhecimento demonstram como as organizações gerenciam o conhecimento. De acordo com Batista et al (2005), estas práticas de gestão do conhecimento são relacionadas, principalmente, aos aspectos de gestão de recursos humanos, desmembrando-se em dois tipos; a) práticas ligadas primariamente à estruturação dos processos organizacionais e, b) práticas cujo foco central é a base tecnológica e funcional que serve de suporte à gestão do conhecimento organizacional, incluindo automação da gestão da informação, aplicativos e ferramentas de Tecnologia da Informação (TI) para captura, difusão e colaboração que facilitam a transferência, a disseminação e o compartilhamento de informações e conhecimento. Alguns exemplos de práticas de GC são: aprendizagem organizacional, fóruns, universidade corporativa, comunidades de prática, educação corporativa, inteligência competitiva, lições aprendidas, mapeamento de conhecimentos, mineração de dados, gestão eletrônica de documentos, memória organizacional, mentoring, portais corporativos, gestão de conteúdo, dentre outros A Descoberta de Conhecimento em Bases de Dados O aumento do volume de dados nas organizações tem alcançado proporções gigantescas, com bases de dados alcançando proporções em torno de centenas de terabytes de informações. Então, surgem alguns problemas causados com relação à essa abundância de dados: O que fazer com todos os dados armazenados?;como utilizar o patrimônio digital em benefício das instituições? E Como analisar e utilizar de maneira útil todo o volume de dados disponível? ( GOLDSCHMIDT & PASSOS, 2005, p.1) Continuando os autores respondem às questões supracitadas argumentando que esta análise para o homem é inviável sem o auxílio de ferramentas computacionais apropriadas, por isso ressaltam a importância da criação de ferramentas que auxiliem o homem, de forma automática e inteligente, na tarefa de analisar, interpretar e relacionar esses dados para que se possa desenvolver e selecionar estratégias de ação em cada contexto de aplicação. Então, pela primeira vez, fala-se de Knowledge Discovery in Database (KDD) que na língua vernácula significa a descoberta de conhecimento em base de dados. A Descoberta de Conhecimento em Bases de Dados, também conhecida como Knowledge Discovery in Database (KDD), é um conjunto de procedimentos pelo qual se analisa e transforma um conjunto de dados em conhecimento, sob a forma de padrões e regras interessantes, fazendo utilização de técnicas automáticas para a extração destes padrões. O seu termo foi formalizado em 1989 e uma das definições mais populares foi proposta pelos autores Fayyad, Piatetsky-Shapiro e Smith (1996) explicitando que KDD é um processo de várias etapas, e que a partir de grandes conjuntos de dados, são identificados padrões compreensíveis, válidos, novos e potencialmente úteis. Estas etapas podem ser visualizadas na Figura 1. 4

5 Figura 1 As etapas do processo de KDD (Knowledge Discovery in Database). Fonte: SANTOS e PEREIRA (2004, p.10) As etapas que compõem a descoberta de conhecimento em base de dados proporcionam a manipulação dos dados até que a informação útil seja revelada. Para que o processo seja iniciado, é necessária a compreensão do domínio da aplicação e dos objetivos a serem explorados. De acordo com os autores Goldschmidt e Passos (2005), Fayyad, Piatetsky-Shapiro e Smith (1996), fazem parte deste processo as seguintes etapas: Seleção de dados: refere-se à escolha das informações que devem ser consideradas relevantes e que servirão para todo o processo; Pré-processamento: é a preparação dos dados para os algoritmos da etapa de mineração, com as funções de captação, organização e tratamento dos mesmos. Compreende desde a correção de dados errados até o ajuste da formatação para os algoritmos de mineração a serem utilizados. É a fase utilizada para a limpeza, retirada de ruídos ou aberrações, para integração de dados heterogêneos e para tratar os incompletos; Mineração dos dados: consiste na principal etapa do processo de KDD. Através da aplicação de algoritmos, o objetivo é a descoberta de padrões interessantes e capazes de representar informações úteis e que estão ocultas na base de dados; Interpretação e avaliação: representa a avaliação dos resultados obtidos e a definição de novas alternativas de investigação dos dados. Contempla o tratamento dos conhecimentos descobertos na etapa de mineração de dados. O objetivo desta etapa é facilitar a viabilização de uma utilização prática desses resultados descobertos. Nas aplicações corporativas, o emprego de técnicas de mineração de dados atinge diferentes empreendimentos mineração em DNA, dados médicos, dados financeiros, dados comerciais, etc; sendo utilizadas também para avaliar campanhas publicitárias, potencializar o comércio eletrônico, avaliar e incentivar a fidelidade de clientes, entre outros. 5

6 2.2.1 Mineração de Dados Segundo Batista (2005), a mineração de dados (data mining) é uma ferramenta de tecnologia da informação para apoio à gestão do conhecimento. Os mineradores de dados são instrumentos com alta capacidade de associação de termos, permitindo-lhes "garimpar" assuntos ou temas específicos. A mineração de dados é parte de um processo maior conhecido como KDD Knowledge Discovery in Database - ou busca de conhecimentos em banco de dados. É a etapa essencial do processo consistindo na aplicação de técnicas inteligentes de se extrair os padrões de interesse e que possam representar informações úteis (AMO, 2008). Para Amo (2008), a Mineração de Dados (MD) é um ramo da Computação que teve início nos anos 80, quando os profissionais das empresas e organizações começaram a se preocupar com os grandes volumes de dados estocados e inutilizados dentro da empresa. Assim, formularam problemas em MD, agrupando-os em classes de acordo com suas características, dando origem às tarefas de mineração de dados. Estas podem ser divididas em duas categorias (HAN e KAMBLER, 2001): Descritivas: as que têm como objetivo encontrar padrões que descrevam os dados, permitindo sua análise. As principais tarefas descritivas são: Extração de Regras de Associação, Agrupamento ou Clusterização e Sumarização. Preditivas: aquelas que realizam inferências sobre os dados existentes para predizerem o comportamento de novos dados. As principais tarefas preditivas são: Classificação e Regressão Regras de Associação A Extração de Regras de Associação é uma das tarefas de mineração de dados e consiste na busca por regras que representem relações entre itens contidos em bases de dados, atendendo a critérios estabelecidos. Estes critérios estabelecem a relevância da regra. Esta tarefa é considerada uma atividade descritiva ou não supervisionada, pois trabalha com um conjunto de dados que não possuem uma classe determinada ou formulação prévia de hipóteses. Busca identificar padrões de comportamento comuns nestes dados e, assim, exige a participação do usuário na definição dos dados que serão analisados e na verificação do conhecimento que será descoberto. Um exemplo, típico e sempre lembrado na literatura, é o de uma grande empresa varejista que a partir da utilização de um algoritmo de extração de regras de associação, obteve a regra às sextas-feiras no horário noturno, jovens do sexo masculino que compram fraldas também compram cerveja (ZANARDI, 2007). Sendo assim, a partir da regra obtida, a empresa pôde tomar decisões estratégicas de Marketing após o estudo das informações obtidas nas regras, como ajustar mostruários, modificar prateleiras ou propagandas, e introduzir atividades promocionais específicas, identificando oportunidades de vendas, na tentativa de melhorar o foco do negócio. Uma regra forma-se pela junção de duas partes: a condição e o resultado. Geralmente é representada por: se <condição>, então <resultado>. A condição e o resultado representam itens, ou conjuntos de itens. Ilustrando, a regra (X Y) indica que o conjunto expresso na condição (X) implica, com certo grau de certeza, na presença do conjunto expresso no resultado (Y), ou seja, se X ocorre então Y ocorre. As regras de associação possuem índices que indicam sua relevância e a validade, tais como (SILVEIRA, 2003): 6

7 Suporte: o fator de suporte é a percentagem de transações que incluem todos os itens presentes nas partes, antecedente e conseqüente, da regra. O suporte de uma regra indica sua relevância. Confiança: o fator de confiança de uma regra representa o grau de satisfatibilidade do conseqüente, em relação às transações que incluem o antecedente. Agrawal, Imielinski e Swami (1993) propuseram um modelo, em que as regras de associação geradas devem atender a um suporte e confiança mínimo especificado pelo decisor, decompondo o problema de geração de regras em dois sub-problemas: Primeiro: descobrir todas as combinações de itens que tenham suporte maior ou igual ao mínimo previamente especificado. Essas combinações de itens são chamadas de conjunto de itens freqüentes. Segundo: gerar as regras de associação do banco de dados utilizando os conjuntos de itens freqüentes. A regra só será válida se a confiança da mesma for maior ou igual à mínima predeterminada Algoritmo Apriori O algoritmo Apriori, estudado e implementado neste trabalho, foi proposto por Agrawal (AGRAWAL E SRIKANT, 1994), com o objetivo de minerar regras associativas em grandes bases de dados. Este algoritmo de extração de regras associativas é um dos mais referenciados e difundidos na literatura, dando origem a diversos outros algoritmos na área (SCHEFFER et al., 2001). A parametrização é feita por um suporte mínimo e uma confiança mínima, que são especificadas pelo decisor. Segundo Agrawal e Srikant (1994), a idéia principal deste algoritmo baseia-se nas propriedades em que qualquer subconjunto de um conjunto de itens freqüentes deve ser freqüente e que se um conjunto não é considerado freqüente, então nenhum conjunto que contenha este conjunto será considerado freqüente. O algoritmo é composto por várias etapas, conforme ilustrado na Figura 2. Figura 2 Pseudocódigo do algoritmo Apriori. Fonte: SEMAAN; GRACA e DIAS (2006, p.21). 7

8 Onde: - L k é o conjunto de todos os conjuntos freqüentes de tamanho k; - T é uma transação da base de dados; - C k é o conjunto de todos os conjuntos candidatos de tamanho k; - SupMin é o valor do suporte mínimo desejado; - ConfMin é o valor da confiança mínima desejada para as regras. As etapas de geração, poda e validação de candidatos são constituídas por: O algoritmo inicia suas etapas contabilizando a ocorrência dos itens, individualmente, e em seguida elimina aqueles que não preenchem os requisitos de suporte mínimo, assim, formando o conjunto freqüente L 1 ; A geração de conjuntos candidatos de tamanho k é feita a partir do conjunto freqüente L k-1. Os itens do conjunto L k-1 são combinados de maneira a aumentar a cardinalidade dos conjuntos de itens em apenas uma unidade. Os conjuntos candidatos gerados serão analisados, sendo podados todos os conjuntos candidatos C k que não atendem o requisito de suporte mínimo. Os conjuntos restantes formam o conjunto freqüente L k ; A geração de conjuntos candidatos de tamanho k termina quando não houver mais combinações a serem feitas, ou seja, quando L k =. A etapa de geração de regras é realizada a partir dos conjuntos de itens freqüentes, utilizando o parâmetro de confiança mínima especificado. Para cada um dos conjuntos de itens freqüentes, são extraídos os seus subconjuntos não nulos para a formação das regras. A regra será selecionada se a confiança da mesma for maior ou igual à confiança mínima previamente estabelecida. O algoritmo de geração de regras está demonstrado na figura 3. Figura 3 Algoritmo para geração de regras Fonte: LAVÔR (2003, p.52) Onde: F é o conjunto que contém todos os conjuntos freqüentes existentes. s é o subconjunto de cada conjunto freqüente. 8

9 3. PROCEDIMENTOS METODOLÓGICOS Este estudo tem como foco a construção de um software a partir de um módulo de Associação que pudesse auxiliar no processo ensino-aprendizagem no processo ensinoaprendizagem de como o conhecimento foi gerado através da mineração de dados. Maddison apud Avison e Fitzgerald (1997, p.418) define que a metodologia para construção de software é composta por um conjunto recomendado de filosofias, fases, procedimentos, técnicas, regras, ferramentas e gerenciamento para o desenvolvimento desse sistema. Dessa forma, dentre as metodologias existentes, esse trabalho utilizou, para atingir o seu objetivo, a abordagem proposta pelo modelo em cascata e as técnicas metodológicas pesquisa de bibliográfica e questionário. O modelo em cascata assume que os sistemas têm um ciclo de vida semelhante ao de qualquer produto, sendo composto por início, meio e fim e que cada etapa do ciclo de vida, pressupõe atividades que devem ser completadas antes do início da próxima etapa. Assim, a ferramenta foi construída seguindo as atividades típicas proposta pelo modelo em cascata (LEITE, 2008), que consiste nas seguintes etapas: 1. Análise e definição dos requisitos: nesta etapa foi realizada a captura das informações sobre o domínio do problema, com base no conhecimento adquirido na literatura pertinente, para posteriormente traduzi-la em telas de ação e fluxogramas de decisão. Logo após, foi proposta a especificação da ferramenta e a indicação do que deve ser implementado, delimitando o campo de trabalho do sistema com os objetivos e restrições detalhadas; 2. Design do software: etapa que consiste na descrição e indicação de como a ferramenta deverá ser implementada; 3. Implementação e testes de unidade: o módulo da ferramenta foi desenvolvido utilizando a linguagem de programação Java. Junior (1999) define Java como uma linguagem de programação orientada a objetos, desenvolvida pela Sun Microsystems e introduzida no mercado em O ambiente de desenvolvimento (IDE) i utilizado foi o Eclipse. Marinho (2006) pontua que o Eclipse, escrito na linguagem Java, é uma plataforma de desenvolvimento de código aberto e extensível. O algoritmo Apriori, estudado e implementado neste trabalho, foi proposto por Agrawal (AGRAWAL E SRIKANT, 1994), com o objetivo de minerar regras associativas em grandes bases de dados. A etapa de geração de regras é realizada a partir dos conjuntos de itens freqüentes, utilizando o parâmetro de confiança mínima especificado. Para cada um dos conjuntos de itens freqüentes, são extraídos os seus subconjuntos não nulos para a formação das regras. A regra será selecionada se a confiança da mesma for maior ou igual à confiança mínima previamente estabelecida pelo usuário. A ferramenta em questão tem o propósito de, através de uma interface simples, ou seja, tendo os componentes básicos, facilitar o seu uso e ser útil no processo de ensino-aprendizado de como o conhecimento foi gerado por uma tarefa de mineração de dados como ilustrado na figura 4. O modelo proposto para a implementação utiliza a estrutura hash ii para armazenamento de conjuntos e suportes, assim, todas as operações necessárias para a geração de regras de associação serão executadas na memória principal. O módulo Associação da ferramenta realiza suas operações com a entrada de dados de um arquivo com extensão.arff iii ; 9

10 4. Manutenção: este procedimento envolveu a correção de erros apresentados durante os testes realizados. Figura 4 Interface de saída das regras de associação. Fonte: Dados da pesquisa, Seguidos todos os procedimentos necessários para a criação da ferramenta de mineração de dados, esta recebeu o nome de Eduminer (ferramenta educacional de mineração). Criada a ferramenta é preciso que seja testada a sua usabilidade para verificar se vai atingir a sua proposta. Para tanto foi determinada uma amostra de estudantes do curso de Sistemas de Informação da Universidade Federal de Outro Preto (MG), Campus João Monlevade (MG), que cursavam o oitavo período, representando cerca de 32% da população. A escolha desta amostra se justifica por serem alunos que já haviam cursado disciplinas relacionadas à temática, e, por estarem trabalhando ou estagiando, ou seja, ingressados no mercado de trabalho e convivendo com o ambiente competitivo e com importância da geração de conhecimentos. Dessa forma poderiam testar a ferramenta e levar o conhecimento gerado também para as empresas. A pesquisa foi composta por duas etapas. Na primeira, os estudantes fizeram testes com a ferramenta com várias bases de dados e com diversos valores de parâmetros (suporte e confiança). Na segunda, responderam um pequeno questionário sobre a ferramenta quanto ao cumprimento da proposta e a usabilidade. 4.RESULTADOS 4.1- Características da ferramenta Para atingir o objetivo proposto neste estudo, desenvolveu-se uma ferramenta,o Eduminer, cuja proposta era uma interface de fácil utilização, fazendo com que o usuário tenha uma maior produtividade, aprendendo mais rápido a uzá-la e memorizando as operações. Após selecionar a fonte de dados, o usuário terá as outras funções habilitadas: a definição da parametrização requerida pelo algoritmo implementado os parâmetros de suporte e confiança; a maneira que deseja realizar o processamento do algoritmo. Nesse caso da escolha do processamento, o usuário poderá escolher entre o processamento completo do 10

11 algoritmo com posterior exibição das regras encontradas e a execução passo a passo do algoritmo, ou seja, cada iteração realizada como apresenta a figura 2 no referencial teórico, que permite a visualização de cada etapa da sua execução (Figura 5). Figura 5 Tela de resultados das Iterações do Algoritmo Apriori Fonte: Dados da pesquisa, Na tela apresentada na Figura 2, nos procedimentos metodológicos, o usuário visualiza além das informações de cada iteração do algoritmo escolhido da tarefa de mineração de dados, os valores escolhidos de suporte e confiança mínima, o que o possibilita verificar que o suporte dos conjuntos e a confiança das regras respeitam os valores que estabelecidos. Desse modo, poderá ser feito o acompanhamento de como são feitas as combinações até a geração das regras, pois ao final das iterações, uma mensagem de finalização é exibida na tela e, em seguida, são apresentadas todas as regras extraídas com seus respectivos valores de suporte e confiança.. Os resultados são exibidos para o usuário no formato de regras que são o conhecimento gerado, ou seja, a relação entre os elementos. As regras estão no formato padronizado: X Y, ou seja, se X ocorre então Y ocorre, como ilustrado na Figura 6: 11

12 Figura 6 Saída das regras de associação Fonte: Dados da pesquisa, 2010 Com o intuito de avaliar a implementação dos algoritmos, foram efetuados testes com algumas bases de dados sintéticas, ou seja, bases que foram criadas apenas para realização destes testes. O número de transações contidas nestes arquivos varia de 10 a 80 instâncias. Para verifica a corretude das regras geradas, foram realizados vários testes com uma mesma base de dados e mesma parametrização para suporte e confiança na ferramenta EduMiner e na ferramenta Weka (UNIVERSITY WAIKATO, 2004). A ferramenta Weka é um pacote desenvolvido pela Universidade de Waikato, em 1993, elaborado em linguagem Java, que possui um conjunto de implementações de algoritmos de diversas técnicas de Mineração de Dados. Os resultados obtidos nesta comparação demonstraram que a ferramenta EduMiner opera de maneira correta, na geração de regras e nos cálculos de suporte e confiança, por apresentar exatamente os mesmos resultados de regras geradas e destes parâmetros na ferramenta Weka. 4.2 Ambiente de ensino-aprendizagem Os resultados obtidos na aplicação dos questionários aos estudantes mostraram que a proposta de se construir o módulo dessa ferramenta foi cumprida. Além disso, testes comprovaram que o software apresenta corretude em suas regras geradas. Os resultados da pesquisa foram obtidos pelas respostas adquiridas no questionário. As perguntas foram baseadas em: Cumprimento da proposta da ferramenta: se a maneira que a ferramenta foi planejada e implementada consegue cumprir o objetivo proposto e 87,5% dos 32% dos alunos entrevistados, responderam que cumpre plenamente. O auxílio que módulo Associação oferece no processo de aprendizagem dos usuários: 75% da amostra responderam que o módulo auxilia amplamente no aprendizado. Quanto à usabilidade do módulo: 87,5% da amostra responderam que o módulo apresenta uma interface simples e intuitiva para uso. 12

13 Assim, de acordo com os respondentes do questionário e aqueles que testaram a ferramenta Eduminer, o módulo realmente é de fácil utilização e contribui no processo de esniso-aprendizagem do algoritmo implementado. 5.CONSIDERAÇÕES FINAIS A quantidade de dados produzidos pela humanidade cresce desenfreadamente e, assim, o ser humano não é mais capaz de armazenar e processar toda essa massa de dados de maneira não automatizada. Nesse contexto, surgem inúmeras ferramentas computacionais que tem a finalidade de auxiliar o homem na descoberta de conhecimento, ou seja, aproveitar essas informações, transformando-a em conhecimentos úteis e valiosos para o processo decisório nas organizações. Quanto maior a compreensão e a capacidade de uma organização gerar conhecimento mais eficaz será o desenvolvimento de seus objetivos estratégicos. A mineração de dados, uma prática de gestão do conhecimento, corrobora com o processo de criação do conhecimento e consequentemente, geração de resultados para a organização e benefícios para os colaboradores. O presente trabalho apresentou o módulo de Associação da ferramenta EduMiner, sendo implementado o algoritmo Apriori. A proposta desta pesquisa foi desenvolver e implementar uma ferramenta baseada no processo de mineração de dados, utilizando a tarefa de regras de associação, que viabilizasse o ensino e a aprendizagem dos alunos de graduação e pós-graduação de cursos afins a essa temática, tais como: Sistemas de Informação, Administração de Empresas, Ciência da Informação, Ciência da Computação, dentre outros; e profissionais de organizações, especialmente, gestores que lidam com o processo de tomada de decisões. A ferramenta foi construída de forma a possibilitar aos usuários o entendimento de como as informações são trabalhas na geração do conhecimento, dada a relevância de que o conhecimento gerado pode agregar valor ao negócio. Os resultados obtidos tanto no teste quanto na pesquisa comprovaram que a ferramenta EduMiner atendeu ao objetivo proposto. por apresentar exatamente os mesmos resultados de regras geradas e destes parâmetros na ferramenta Weka. Quanto à sua aplicabilidade os estudantes (da amostra) demonstraram que o objetivo da pesquisa foi alcançado. Além disso, testes comprovaram que o software apresenta corretude em suas regras geradas. Melhorias podem ser realizadas nessa ferramenta e, principalmente, nesse módulo. Neste sentido, são sugestões de trabalhos futuros: a implementação de outras tarefas de mineração de dados e o acréscimo de um módulo para pré-processar os dados na ferramenta Eduminer, e com relação ao módulo de Associação, sugere-se implementar outros algoritmos da tarefa de Extração de Regras de Associação, aumentando a oportunidade de aprendizado desta tarefa. Este estudo contribui tanto na área acadêmica quanto na profissional. A rotina de se ensinar com a utilização de softwares, na Era da Informação e, mais recentemente, na atual Era do Conhecimento, é uma condição necessária e eficaz para modificar o estoque mental e cognitivo do usuário, seja ele um aluno de graduação ou pós-graduação, seja um profissional que se dedique a trabalhos em organizações públicas ou privadas. Para o mercado, as contribuições deste software são significativas por fornecer ao gestor além de um conhecimento útil, a possibilidade de entender como ele foi criado, proporcionando maior confiabilidade em utilizá-lo no processo decisório. 13

14 REFERÊNCIAS BIBLIOGRÁFICAS AMO, S.; Técnicas de Mineração de Dados, Universidade Federal de Uberlândia. Disponivel em: <www.deamo.prof.ufu.br/arquivos/jai-cap5.pdf>. Acessado em: 19 de março de AGRAWAL, R.; IMIELINSKI, T.; SWAMI, A. Mining Association Rules between Sets of Items in Large Databases. Proceedings of the ACM SIGMOD Conference. Washington, USA, May AGRAWAL R., SRIKANT R., Fast Algorithms for Mining Association Rules, Proc. of the 20th Int l Conference on Very Large Databases. Santiago, Chile, set AGARWAL, R.; AGGARWAL, C. C; PRASAD, V. V. V.; A Tree Projection Algorithm for Generation of Frequent Itemset, Journal of Parallel and Distributed Computing, BATISTA, F. F.; QUANDT, C. O.; PACHECO, F. F.; TERRA, J. C. C.Gestão do Conhecimento na Administração Pública. Brasília, junho de Disponível em: < Acesso em 10 de junho de CAMPOS S.; LEAL F.; HENRIQUE J.; BORBA P.; Introdução ao Eclipse, Centro de Informática Universidade Federal de Pernambuco. Disponível em: <www.cin.ufpe.br/~phmb/ip/materialdeensino/introducaoaoeclipse/introducaoaoeclipse.ht m> Acessado em 14 de maio de CESCONETO, C.; OLIVEIRA, A. S. Estruturas de Dados Hash, Disponível em: <sites.facensa.com.br/diogo/files/transfer/tabela%20hash2.doc> Acessado em: 03 de março de DAVENPORT, T., PRUSAK, L. Conhecimento empresarial. Rio de Janeiro: Campus, p. Ecologia da informação: por que só a tecnologia não basta para o sucesso na era da informação. São Paulo: Futura, DBMINER TECHNOLOGY, DBMiner, 2002, Disponível em: < Acessado em: 05 de março de DRUCKER, Peter F. As Novas realidades. 4ed. São Paulo, Pioneira, FAYYAD, U. M.; PIATETSKY-SHAPIRO G., SMITH P., From Data Mining to Knowledge Discovery: An Overview, Advances in Knowledge Discovery and Data Mining, AAAI/MIT Press, 1-34, GOLDSCHMIDT, R.; PASSOS, E.; Data Mining Um guia prático; 2005, Elsevier Editora Ltda, p HAN,J.; KAMBLER M.; Data Mining Concepts and Techniques, Second Edition, The Morgan Kaufmaann Series in Data Management System, p.1-17,

15 HAN, J.; FU, Y.; WANG, W.; CHIANG, J.; GONG, W.; KOPERSKI, K.; LI, D.; LU, Y.; RAJAN, A.; STEFANOVIC N.; XIA, B.; ZAIANE, O. R.; DBMiner: A System for Mining Knowledge in Large Relational Databases, Proceedings of the 1996 International Conference on Data Mining and Knowledge Discovery - KDD 96, , IBM CORPORATION,; DB2 Intelligent Miner, Disponível em: <http://www.software.ibm.com/data/iminer/, 2004> Acessado em 05 de abril de INC. SPSS, Clementine, Disponível em : < clementine/> Acessado em: 06 de abril de J. JUNIOR, P. Introdução ao Java - Núcleo de Educação a Distância Universidade São Francisco, Disponível: <http://apostilas.netsaber.com.br/ver_apostila_c_158.html> Acessado em: 24 de julho de LAVOR, R. M. P. Implementação de serviços relacionados a mineração de regras de associação. Universidade Federal do Rio de Janeiro Instituto de Matemática, Tese de Mestrado, LEUCH, V. Práticas de Gestão do Conhecimento em Indústrias de grande porte dos Campos Gerais Dissertação (Mestrado em Engenharia de Produção) - Programa de Pós-Graduação em Engenharia de Produção,UTFPR - Ponta Grossa PR, LEITE, J. C. Engenharia de Software Disponível em: <http://www.dimap.ufrn.br/~jair/es/slides/modelosdeprocesso.pdf >. Acessado em: julho de MARCHIORI, Patricia Zeni. A ciência e a gestão da informação: compatibilidades no espaço profissional. Ci. Inf. [online]. 2002, vol.31, n.2, pp ISSN MENDES, T. M.; Gestão Do Conhecimento Da Informação, Disponível em: < Acesso em: 11 de junho de MARINHO, E. Introdução a plataforma Eclipse. Universidade Federal de Ouro Preto - DECEA, Apostila didática, MEGAPUTER INTELLIGENCE,; PolyAnalyst 4.6, Disponível em: <http://www.megaputer.com/products/pa/index.php3> Acessado em: 06 de abril de MENDES, T. M.; Gestão Do Conhecimento Da Informação, Disponível em: < Acesso em: 11 de junho de ORACLE CORPORATION.; Oracle Data Mining, Disponível em: <http://otn.oracle.com/products/bi/odm/index.html> Acesso em 05 de abril de PADOVEZE, C. L. Contabilidade gerencial: um enfoque e sistemas de informação contábil. São Paulo: Atlas,

16 SAS INSTITUTE; Enterprise Miner, Disponível em: <http://www.sas.com/technologies/analytics/datamining/miner/> Acessado em: 05 de abril de SANTOS, L. F. M.; PEREIRA, R. M.; Ferramenta Midas-UFF: Módulo de Classificação, Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense, SCHEFFER, T. et al., Finding association rules that trade support optimally against confidence. In: PKDD 2001: principles of data mining and knowledge discovery, European conference on principles of data mining and knowledge discovery, SEMAAN, G. S. ; GRACA, A. A. ; DIAS, C. R.. Descoberta de associações em dados. Revista eletrônica da Faculdade Metodista Granbery, SILVEIRA, R. de FREITAS. Mineração de Dados Aplicada à Definição de Índices em Sistemas de Raciocínio Baseado em Casos. UFRGS, THE UNIVERSITY OF WAIKATO, Weka 3: Data Mining Software in Java, Disponível em: <http://www.cs.waikato.ac.nz/ml/weka/> Acessado em: 25 de Janeiro de 2008 WITTEN, I. H.; FRANK, E., Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan Kaufmann, 2ª edição, ZANARDI, L. A. Data mining: estudo e aplicação de algoritmos de data mining; Trabalho de conclusão de curso.100f. Fernandópolis, i Um IDE Integrated Development Environment (Ambiente de desenvolvimento integrado) - consiste em um software que contém um conjunto de funcionalidades embutidas, cuja finalidade é prover um modo mais fácil e interativo de construir e manipular seus programas. (CAMPOS et.al.,2008) ii Em Ciência da Computação, a tabela hash é uma estrutura de dados especial, que associa chaves de pesquisa (hash) a valores. Seu objetivo é, a partir de uma chave simples, fazer uma busca rápida e obter o valor desejado. (CESCONETO, 2006) iii Um arquivo no formato.arff é um arquivo de texto puro, composto pelas partes: relação, atributo e dados. O arquivo pode, também, conter comentários, os quais são representados por linhas iniciadas com o sinal de porcentagem (%).(WITTEN e FRANK, 2005) 16

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

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: 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

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

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

Leia mais

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

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

Leia mais

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

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

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

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

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

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

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

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

Leia mais

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

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

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

SISTEMAS DE APOIO À DECISÃO SAD

SISTEMAS DE APOIO À DECISÃO SAD SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades

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

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

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

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

Leia mais

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

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

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

Leia mais

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

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

MINERAÇÃO DE DADOS PARA PADRÕES DE SEQUENCIA

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

Leia mais

GRADUAÇÃO E PÓS-GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS

GRADUAÇÃO E PÓS-GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS GRADUAÇÃO E PÓS-GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS Graduação PROCESSOS GERENCIAIS 1.675 HORAS Prepara os estudantes para o empreendedorismo e para a gestão empresarial. Com foco nas tendências

Leia 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

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr.

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr. 15 Aula 15 Tópicos Especiais I Sistemas de Informação Prof. Dr. Dilermando Piva Jr. Site Disciplina: http://fundti.blogspot.com.br/ Conceitos básicos sobre Sistemas de Informação Conceitos sobre Sistemas

Leia mais

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Comunidades de Prática Grupos informais e interdisciplinares de pessoas unidas em torno de um interesse

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

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

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

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

Leia mais

MINERAÇÃO DE DADOS: APLICAÇÃO PRÁTICA EM PEQUENAS E MÉDIAS EMPRESAS

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

Leia mais

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

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento

Leia 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

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

Tecnologias e Sistemas de Informação

Tecnologias e Sistemas de Informação Universidade Federal do Vale do São Francisco Curso de Administração Tecnologia e Sistemas de Informação - 02 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti

Leia mais

3 Market Basket Analysis - MBA

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

Leia mais

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

Tecnologia da informação sob a perspectiva da CiênCia da informação e da. Gestão do ConheCimento

Tecnologia da informação sob a perspectiva da CiênCia da informação e da. Gestão do ConheCimento Universidade de Brasília Departamento de Ciência da Informação e Documentação Programa de Pós-Graduação em Ciência da Informação Disciplina: Gestão do Conhecimento Prof.:Lillian Alvares Tecnologia da informação

Leia mais

CONHECENDO E CONCEITUANDO SISTEMAS DE INFORMAÇÃO

CONHECENDO E CONCEITUANDO SISTEMAS DE INFORMAÇÃO CONHECENDO E CONCEITUANDO SISTEMAS DE INFORMAÇÃO Franco Vieira Sampaio 1 Atualmente a informática está cada vez mais inserida no dia a dia das empresas, porém, no início armazenavam-se os dados em folhas,

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

Leia mais

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

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

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

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

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

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

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

Módulo 2: O que é GC na Administração Pública Brasileira?

Módulo 2: O que é GC na Administração Pública Brasileira? Módulo 2: O que é GC na Administração Pública Brasileira? 1 Objetivos do Módulo Situar a GC no contexto das iniciativas de Eficiência, Qualidade e Efetividade Social na Administração Pública Brasileira

Leia mais

Utilização de ferramentas de colaboração para Gestão do Conhecimento

Utilização de ferramentas de colaboração para Gestão do Conhecimento Utilização de ferramentas de colaboração para Gestão do Conhecimento Carlos Roberto de Souza Tavares 1 Carlos Mário Dal Col Zeve 2 RESUMO Um dos maiores problemas que as empresas atuais enfrentam refere-se

Leia mais

Descoberta de Conhecimento em Base de Imagens Mamográficas

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

Leia mais

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

Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares

Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Prof a Lillian Alvares Fóruns Comunidades de Prática Mapeamento do Conhecimento Portal Intranet Extranet Banco de Competências Memória Organizacional

Leia mais

SISTEMAS DE INFORMAÇÃO GERENCIAIS

SISTEMAS DE INFORMAÇÃO GERENCIAIS SISTEMAS DE INFORMAÇÃO GERENCIAIS O PODER DA INFORMAÇÃO Tem PODER quem toma DECISÃO Toma DECISÃO correta quem tem SABEDORIA Tem SABEDORIA quem usa CONHECIMENTO Tem CONHECIMENTO quem possui INFORMAÇÃO (Sem

Leia mais

www.projetode redes.co m.br www.redesde com p uta dores. com. br

www.projetode redes.co m.br www.redesde com p uta dores. com. br Outras Apostilas em: www.projetode redes.co m.br www.redesde com p uta dores. com. br Centro Universitário Geraldo di Biase 1. Sistemas, Processos e Informações Ao observarmos o funcionamento de um setor

Leia mais

Tópicos Especiais em Economia e Gestão da Saúde

Tópicos Especiais em Economia e Gestão da Saúde Tópicos Especiais em Economia e Gestão da Saúde Sistemas de Informações ( Parte I) Patrícia Paula Dias de Sá Residente de Administração em Gestão Hospitalar Hospital Universitário - UFJF Ato ou efeito

Leia mais

Tecnologia e Sistemas de Informações Tipos de SI

Tecnologia e Sistemas de Informações Tipos de SI Universidade Federal do Vale do São Francisco Tecnologia e Sistemas de Informações Tipos de SI Prof. Ricardo Argenton Ramos Aula 5.2 Qual a Diferença? Dado? Informação? Conhecimento? Dado Platão (428-348

Leia mais

servidores Web com RapidMiner

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

Leia mais

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

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

SAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares

SAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares SAD Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares DataWarehouse Armazena informações relativas a uma organização em BD Facilita tomada de decisões Dados são coletados de OLTP(séries históricas) Dados

Leia 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

Utilização de Ferramentas de KDD para Integração de Aprendizagem e Tecnologia em Busca da Gestão Estratégica do Conhecimento na Empresa

Utilização de Ferramentas de KDD para Integração de Aprendizagem e Tecnologia em Busca da Gestão Estratégica do Conhecimento na Empresa 1 Utilização de Ferramentas de KDD para Integração de Aprendizagem e Tecnologia em Busca da Gestão Estratégica do Conhecimento na Empresa Fabiano Saldanha Gomes de Alfredo Nazareno Pereira Boente José

Leia mais

Universidade de Brasília Departamento de Ciência da Informação e Documentação Programa de Pós Graduação em Ciência da Informação Prof a.

Universidade de Brasília Departamento de Ciência da Informação e Documentação Programa de Pós Graduação em Ciência da Informação Prof a. Universidade de Brasília Departamento de Ciência da Informação e Documentação Programa de Pós Graduação em Ciência da Informação Prof a. Lillian Alvares Tecnologia e Gestão O principal papel da Tecnologia

Leia mais

Curso de Verão 2012 - Bioinformática

Curso de Verão 2012 - Bioinformática Curso de Verão 2012 - Bioinformática Bancos de Dados Biológicos Márcio K. Oikawa - UFABC marcio.oikawa@ufabc.edu.br Agenda Introdução: O que são bancos de dados? Por que são importantes? Bancos de dados

Leia mais

Universitário de Maringá direcionado para o Processo Seletivo institucional, mas que é gerido com foco em tomada de decisões e resultados.

Universitário de Maringá direcionado para o Processo Seletivo institucional, mas que é gerido com foco em tomada de decisões e resultados. 1 PROCESSO SELETIVO ACADÊMICO COMO INSTRUMENTO DE GESTÃO EM EAD Maringá, PR maio/2009 Fabrício Ricardo Lazilha fabricio@cesumar.br Luciana Falcão Marinho lucianamarinho@cesumar.br Viviane Marques Gói vgoi@cesumar.br

Leia mais

Estratégias em Tecnologia da Informação. Posição e Vantagem Competitiva Aplicações integradas Aplicações Web

Estratégias em Tecnologia da Informação. Posição e Vantagem Competitiva Aplicações integradas Aplicações Web Estratégias em Tecnologia da Informação Capítulo 09 Posição e Vantagem Competitiva Aplicações integradas Aplicações Web Material de apoio 2 Esclarecimentos Esse material é de apoio para as aulas da disciplina

Leia mais

Sistemas de Informação Gerenciais (SIG)

Sistemas de Informação Gerenciais (SIG) Faculdade de Engenharia - Campus de Guaratinguetá Sistemas de Informação Gerenciais (SIG) Prof. José Roberto Dale Luche Unesp Um SISTEMA DE INFORMAÇÃO é um conjunto de componentes inter-relacionados, desenvolvidos

Leia mais

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO Proposta de Formação Complementar: BUSINESS INTELLIGENCE E SUA APLICAÇÃO À GESTÃO Aluno: Yussif Tadeu de Barcelos Solange Teixeira

Leia mais

Sistemas de Informação Gerenciais Primeira Aula

Sistemas de Informação Gerenciais Primeira Aula Faculdade Pitágoras de Uberlândia Pós-graduação Sistemas de Informação Gerenciais Primeira Aula Prof. Me. Walteno Martins Parreira Júnior www.waltenomartins.com.br Maio -2013 Bibliografia básica LAUDON,

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

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br Sistema Tipos de sistemas de informação Everson Santos Araujo everson@everson.com.br Um sistema pode ser definido como um complexo de elementos em interação (Ludwig Von Bertalanffy) sistema é um conjunto

Leia mais

Prof. Rossini Monteiro

Prof. Rossini Monteiro LISTA DE EXERCÍCIOS DE SISTEMA DE INFORMAÇÃO GERENCIAL-ENAD - Revisão Prof. Rossini Monteiro 1ª. O desempenho organizacional da empresa Persinex Ltda. Depende cada vez mais de um Sistema de Informações

Leia mais

Data Mining: Ferramenta JAVA

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

Leia mais

FORMAÇÃO. Algumas atividades já exercidas. Disciplina Informática Básica. Graduação: Processamento de Dados e Administração

FORMAÇÃO. Algumas atividades já exercidas. Disciplina Informática Básica. Graduação: Processamento de Dados e Administração Curso de Administração Cláudio Márcio, quem é você? Disciplina Informática Básica Prof. Msc. Cláudio Márcio cmarcio@gmail.com FORMAÇÃO Graduação: Processamento de Dados e Administração Pós-Graduação: Especialização:

Leia mais

Aula 02: Conceitos Fundamentais

Aula 02: Conceitos Fundamentais Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que

Leia mais

Capital Intelectual. O Grande Desafio das Organizações. José Renato Sátiro Santiago Jr. José Renato Sátiro Santiago. Novatec

Capital Intelectual. O Grande Desafio das Organizações. José Renato Sátiro Santiago Jr. José Renato Sátiro Santiago. Novatec Capital Intelectual O Grande Desafio das Organizações José Renato Sátiro Santiago Jr. José Renato Sátiro Santiago Novatec 1 Tudo começa com o conhecimento A gestão do conhecimento é um assunto multidisciplinar

Leia mais

Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador

Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador Soluções de análise da SAP Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador Índice 3 Um caso para análise preditiva

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

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

Tecnologias da Informação e da Comunicação Aula 01

Tecnologias da Informação e da Comunicação Aula 01 Tecnologias da Informação e da Comunicação Aula 01 Douglas Farias Cordeiro Universidade Federal de Goiás 31 de julho de 2015 Mini-currículo Professor do curso Gestão da Informação Professor do curso ESAMI

Leia mais

IMPLEMENTAÇÃO DE UM MÓDULO DE MINERAÇÃO DE DADOS EM UM ERP

IMPLEMENTAÇÃO DE UM MÓDULO DE MINERAÇÃO DE DADOS EM UM ERP IMPLEMENTAÇÃO DE UM MÓDULO DE MINERAÇÃO DE DADOS EM UM ERP Luiz Paulo Rech Guindani Prof. Christiano Cadoná Universidade Luterana do Brasil (ULBRA) Curso de Análise

Leia mais

Conceitos. - Sistema de Informação, Estruturas e Classificação. - Dados x Informações. Edson Almeida Junior www.edsonalmeidajunior.com.

Conceitos. - Sistema de Informação, Estruturas e Classificação. - Dados x Informações. Edson Almeida Junior www.edsonalmeidajunior.com. Conceitos - Sistema de Informação, Estruturas e Classificação - Dados x Informações Edson Almeida Junior www.edsonalmeidajunior.com.br Definição de Sistema Uma coleção de objetos unidos por alguma forma

Leia mais

Gestão de TI. Aula 9 - Prof. Bruno Moreno 27/06/2011

Gestão de TI. Aula 9 - Prof. Bruno Moreno 27/06/2011 Gestão de TI Aula 9 - Prof. Bruno Moreno 27/06/2011 Aula passada... CRM BI - Introdução Sistemas Interorganizacionais 17:08 2 Aula de hoje... Gestão do Conhecimento 17:08 3 85% dos ativos de conhecimento

Leia mais

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Prof a.:lillian Alvares Fóruns óu s/ Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias

Leia mais

GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS PROCESSOS GERENCIAIS 1.675 HORAS

GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS PROCESSOS GERENCIAIS 1.675 HORAS GRADUAÇÃO APRESENTAÇÃO E GRADE CURRICULAR DOS CURSOS PROCESSOS GERENCIAIS 1.675 HORAS Apresentação: Prepara os estudantes para o empreendedorismo e para a gestão empresarial. Com foco nas tendências de

Leia mais

Universidade Cruzeiro do Sul. Campus Virtual Unidade I: Unidade: Processos Mercadológicos

Universidade Cruzeiro do Sul. Campus Virtual Unidade I: Unidade: Processos Mercadológicos Universidade Cruzeiro do Sul Campus Virtual Unidade I: Unidade: Processos Mercadológicos 2010 0 O Processo pode ser entendido como a sequência de atividades que começa na percepção das necessidades explícitas

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

Faculdade de Ciência da Informação Prof a Lillian Alvares

Faculdade de Ciência da Informação Prof a Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Prof a Lillian Alvares Tecnologia e Gestão O principal papel da Tecnologia da Informação na Gestão do Conhecimento consiste em: Ampliar o alcance

Leia mais

Sistema de Gerenciamento de Planos de Curso: Uma ferramenta de aperfeiçoamento para o processo de controle de planos de curso nas universidades

Sistema de Gerenciamento de Planos de Curso: Uma ferramenta de aperfeiçoamento para o processo de controle de planos de curso nas universidades Sistema de Gerenciamento de Planos de Curso: Uma ferramenta de aperfeiçoamento para o processo de controle de planos de curso nas universidades André Torres, Ednaldo Onofre, Francisco Celestino, Jafet

Leia mais

Desenvolvimento de um software de gerenciamento de projetos para utilização na Web

Desenvolvimento de um software de gerenciamento de projetos para utilização na Web Resumo. Desenvolvimento de um software de gerenciamento de projetos para utilização na Web Autor: Danilo Humberto Dias Santos Orientador: Walteno Martins Parreira Júnior Bacharelado em Engenharia da Computação

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

O Uso do Sistema de Informação Contábil como Ferramenta para a Tomada de Decisão nas Empresas da Região de Contagem - Minas Gerais.

O Uso do Sistema de Informação Contábil como Ferramenta para a Tomada de Decisão nas Empresas da Região de Contagem - Minas Gerais. O Uso do Sistema de Informação Contábil como Ferramenta para a Tomada de Decisão nas Empresas da Região de Contagem - Minas Gerais. Elaine Raquel Fernandes carlosadm@bol.com.br SENAC Flávia Cristina Pereira

Leia mais

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

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

Leia mais

Faculdade de Ciência da Informação Profa. Lillian Alvares

Faculdade de Ciência da Informação Profa. Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Profa. Lillian Alvares Tecnologia e Gestão O principal papel da Tecnologia da Informação na Gestão do Conhecimento consiste em: Ampliar o alcance

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

Universidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares

Universidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Profa. Lillian Alvares Fóruns / Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias e experiências que

Leia mais