Identificação de Padrões em Registros de Doenças com Técnicas de Mineração de Dados
|
|
- João Lucas Valgueiro Sabala
- 2 Há anos
- Visualizações:
Transcrição
1 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 interessantes envolvendo grandes volumes de dados. Este trabalho tem como evidência aplicar as técnicas de mineração de dados para descobrir em bases de dados da área da saúde pacientes com Doença de Chagas, com o intuito de classificar as principais características destes indivíduos. Para atingir tal objetivo, será utilizado o software livre WEKA (Waikato Environment for Knowledge Analysis) visando facilitar o processo de mineração de dados, juntamente com o algoritmo Apriori. Para se obter o resultado esperado, no decorrer do trabalho, será utilizada uma metodologia de processo de KDD (Knowledge Discovery in Databases), assim serão realizadas todas as fases até chegar ao final com um resultado satisfatório. Tendo uma ferramenta de código aberto, a qual tem a responsabilidade de automatizar todo o processo. Abstract. In the last decades has increased the need for an automated process for discovering interesting information involving large volumes of data. This work is evidence apply data mining techniques to find out the databases of health, patients with Chagas disease, in order to classify the principal characteristics of these individuals. To achieve this goal, will use the free software Weka (Waikato Environment for Knowledge Analysis) to facilitate the process of data mining, along with the Apriori algorithm. To obtain the expected result, during the work will be used a methodology of process of KDD (Knowledge Discovery in Databases), and all phases will be held until the end with a satisfactory result. Having an open source tool, which is responsible for automating the entire process. 1. Introdução As áreas governamentais, corporativas e científicas têm promovido um crescimento explosivo em seus bancos de dados, superando em muito a usual capacidade de interpretar e examinar estes dados. Esses fatores geram a necessidade de novas ferramentas e técnicas para análise automática e inteligente de bancos de dados (FAYYAD et al., 1996). Atualmente, existe grande interesse em desenvolver ferramentas que auxiliem a recuperação de informações eficientes. Diversos esforços de pesquisas têm sido feitos para remediar esse problema. Segundo Han & Kamber (2001), a ampla disponibilidade de imensas bases de dados, aliada à eminente necessidade de transformar tais dados em informação e conhecimento úteis para o suporte à decisão, têm demandado investimentos consideráveis da comunidade científica e da indústria de software. A informação e o conhecimento obtidos podem ser utilizados para diversas aplicações, que vão do gerenciamento de negócios, controle de produção e análise de mercado ao projeto de engenharia e exploração científica. 5329
2 Pesquisadores motivados pelo desafio de transformar informação em conhecimento, logo se deparam com o Knowledge Discovery in Databases (KDD), dando ênfase na aplicação de mineração de dados. A mineração de dados ou data mining surgiu em 1989 e consiste de técnicas e algoritmos baseados na análise de padrões para a extração de informações em banco de dados. Sua implementação é dividida em uma sequência de fases, dentre as quais tem-se: a seleção, o pré-processamento, a transformação, a interpretação, a avaliação e a mineração propriamente dita (FAYYAD, 1996; PRASS, 2004). Várias áreas podem ser beneficiadas com a aplicação da técnica de mineração de dados. Como por exemplo, a descoberta de fraudes por cartões de créditos, a identificação de consumidores nos processos de vendas, as ferramentas de busca na Internet, o apoio nas tomadas de decisões gerenciais, o auxílio no diagnóstico médico em diferentes doenças, entre outros. Uma vez que há a necessidade da análise de dados referentes à medicina, a proposta deste trabalho baseia-se na utilização de técnicas de mineração de dados para descobrir em bases de dados da área da saúde pacientes que apresentam a Doença de Chagas, com o objetivo de classificar as principais características destes indivíduos. Para atingir o objetivo geral os seguintes objetivos devem ser contemplados: 1. Realização de estudo sobre doenças infecto contagiosas na região de estudo; 2. Com o apoio do Instituto Owsvaldo Cruz, situado no município de Bambuí, em Minas Gerais, responsável pelo aprofundamento do conhecimento científico da Doença de Chagas, será feito o mapeamento, a partir do ano de 1986, de pacientes que apresentam a doença - o que permitirá ter várias informações consistentes. 3. Preparação dos dados coletados para processamento em busca de regras e padrões de interesse; 4. Apoiado pela linguagem de programação Java e algoritmos próprios para a mineração de dados, será desenvolvida uma aplicação que fará a análise dos dados coletados, os quais serão preparados posteriormente para que sofram o processo de mineração e, consequentemente, resultem em análise de padrões. 5. Extração dos dados pela aplicação desenvolvida; 6. Realização da coleta dos resultados originados do processamento dos dados que foram preparados para a aplicação das técnicas de mineração. Como resultado temse um arcabouço de informações. 7. Descrição dos resultados obtidos. Dessas análises poderão ser extraídas informações sobre a possibilidade de adoção por outros interessados. Espera-se que os padrões de doenças e áreas de risco sejam automatizados, aumentando, assim, a eficiência de auxílio e suporte a todos os envolvidos. 2. Referencial Teórico A seguir será apresentada uma análise bibliográfica que constitui a história da arte, na qual este trabalho baseia-se. 5330
3 2.1. O processo de Knowledge Discovery in Databases (KDD) Nos últimos anos, a quantidade de informação armazenada em base de dados vem crescendo consideravelmente. Com os avanços tecnológicos, os computadores estão cada vez mais rápidos e com maior capacidade de processamento. Além desses fatores, o baixo custo e a automação dos processos de coleta de dados também contribuíram para o aumento de informações armazenadas em base de dados. Dentro dessa grande quantidade de dados, existem informações preciosas implícitas a nível gerencial e estratégico que não podem ser descobertas pelos sistemas de gerenciamento de base de dados tradicionais. Uma técnica já bem conhecida e aplicada na análise de grandes bases de dados é a mineração de dados. Fayyad, em 1996, define o conceito de mineração de dados como: o processo não trivial de identificar em dados alguns padrões válidos, novos, potencialmente úteis e compreensíveis. Ele também destaca que a aplicação da mineração de dados pode ser inserida em diferentes segmentos e setores da atualidade (FAYYAD, 1996, p.37). O termo mineração de dados é muitas vezes usado como sinônimo de KDD. A mineração de dados é considerada uma etapa essencial do processo de KDD (HAN e KAMBER, 2001). Fayyad et al. (1996), KDD refere-se ao processo global de descoberta de conhecimento a partir de dados, enquanto a mineração de dados é uma fase desse processo. O KDD baseia-se fortemente em técnicas conhecidas de aprendizado de máquina, de reconhecimento de padrões e de estatísticas para encontrar os padrões nos dados. A estatística oferece, também, métodos de quantificação da incerteza inerente quando se procura inferir padrões gerais a partir de amostras de uma população. As técnicas de visualização de dados estimulam naturalmente a percepção e a inteligência humana, aumentando a capacidade de entendimento e de associação de novos padrões (REZENDE et al., 2002) Etapas do processo de KDD O processo de KDD descrito anteriormente contém uma série de fases ou sub-processos definidos, que são a seleção, o pré-processamento e a limpeza, a transformação, a mineração de dados, a interpretação e a avaliação. Essa sequência compreende o ciclo que o dado percorre até se transformar em conhecimento útil, conforme a Figura 1. Figura 1. O ciclo do processo de KDD (Fonte: FAYYAD, 1996, p. 41). 5331
4 Inicialmente, Fayyad (1996) sugeriu uma proposição para o processo de KDD: Este processo é composto por uma série de etapas, possuindo uma natureza iterativa e interativa. Iterativa, pois, apesar do processo ser composto por etapas sequenciais, pode haver retorno a etapas anteriores; e interativo, pois, neste caso, o usuário poderá optar pela retomada em qualquer uma das etapas deste processo. A seguir, serão apresentadas cada uma das fases relatadas, para compreensão de suas particularidades Seleção É realizada uma identificação de quais informações realmente serão trabalhadas na base de dados (GOLDSCHMIDT; PASSOS, 2005, p. 26). Sendo a seleção de um conjunto de dados contendo possíveis variáveis, características e/ou atributos e registros que farão parte da análise. Segundo Diniz (2000), as variáveis selecionadas para a mineração de dados são denominadas variáveis ativas uma vez que são usadas para distinguir segmentos, fazer predições ou desenvolver outras operações específicas da mineração de dados Pré-processamento e limpeza É nessa etapa que a qualidade dos dados envolvidos é tratada. Para isso, são realizadas tarefas de limpeza através de um pré-processamento, para extinguir a redundância, a inconsistência e a ausência dos dados, visando adequá-los para a etapa de mineração. A qualidade é essencial para a obtenção de dados confiáveis. Portanto, dados limpos e compreensíveis são requisitos básicos para o sucesso da mineração (DINIZ, 2000) Transformação Os dados pré-processados ainda devem passar por uma transformação que os armazenem e os agrupem adequadamente para um formato apropriado para a mineração. Essa etapa também consiste no pré-processamento final dos dados, removendo os ruídos, tratando os atributos ausentes, padronizando os atributos e removendo os registros repetidos. Após essa etapa, os dados estarão prontos para a realização da mineração. A remoção de ruídos ocorre colocando o valor correto ao dado ou eliminando o mesmo, caso não haja como corrigi-lo. Os ruídos acontecem por diversos fatores no momento da recuperação de diversas fontes, como acidentes (falta de energia elétrica), entre outros. É comum encontrar registros sem valores devido a diversos fatores, como por exemplo: pode acontecer do operador, na entrada dos dados de um cliente, ignorar ou esquecer alguns campos de dados. Dessa forma, é preciso estabelecer critérios para o tratamento dos atributos ausentes Mineração Todas as etapas do ciclo de processos do KDD devem ocorrer da melhor forma possível para atingir o resultado desejado. Logo, pode-se dizer que todas as fases do ciclo são importantes para a transformação das informações em conhecimento útil (PRASS, 2004). Entretanto, a fase de mineração de dados pode ser considerada o núcleo do processo de KDD. Ela consiste na busca por padrões de dados. Porém, vale ressaltar que, para que a 5332
5 localização dos padrões ocorra de forma desejada, é necessária a correta realização das fases anteriores. Para cada problema existe uma técnica ou algoritmo que melhor se encaixa em determinada situação Interpretação e avaliação Ao final da aplicação da mineração de dados, o padrão de conhecimento obtido é interpretado e avaliado, a fim de verificar novas descobertas e se realmente o seu objetivo principal foi alcançado com sucesso. A etapa de mineração de dados é muito importante, utiliza técnicas e algoritmos de diferentes áreas do conhecimento. Dessa forma começa com a escolha dos algoritmos a serem aplicados. Essa escolha depende fundamentalmente do objetivo do processo de KDD. Nota-se que para a realização deste trabalho será utilizado o método de associação, este será detalhado a seguir Regras de associação A técnica de regras de associação identifica afinidades entre itens de um subconjunto de dados e estas são expressas na forma de regras. Um dos padrões mais comuns que pode ser descoberto a partir do processo de mineração de dados é o conjunto de regras de associação que expressa a probabilidade de um item ocorrer em conjunto. Por exemplo, 80% dos clientes que adquirem o produto A também adquirem o produto B (ZANDER, 2006). Visto que as regras de associação consistem na descoberta de relacionamentos existentes, logo se destaca o Apriori entre vários outros algoritmos que buscam esse objetivo, o qual será descrito no próximo item Algoritmo Apriori Miranda et al. (2003) afirma que o algoritmo Apriori é considerado um clássico na extração de Regras de Associação. Ele foi proposto pela equipe de pesquisa QUEST, da IBM, que deu origem ao Software Intelligent Miner. Esse algoritmo procura identificar relações e dependências significativas entre os atributos. Trabalhando com as medidas de confiança e suporte, ele consegue classificar as melhores regras (CORRÊA, 2009). Esse algoritmo faz recursivas buscas no banco de dados à procura dos conjuntos frequentes (conjuntos que satisfazem um suporte mínimo estabelecido). Possui diversas propriedades que otimizam o seu desempenho, como por exemplo a propriedade de antimonotonia da relação que diz que para um itemset ser frequente todo o seu subconjunto também devem ser, além de utilizar recursos da memória principal e estrutura hash dados especial, que fazem uma busca rápida e obtém um valor desejado (MIRANDA et al., 2003). Segundo Miranda et al. (2003), a propriedade de Antimonotonia da Relação ou Propriedade Apriori pode ser explicada da seguinte forma: 5333
6 Se A está contido em B, e A não é frequente, logo B também não é frequente. Isso implica uma diminuição do tempo de execução, pois se A não é frequente, então não será necessário calcular o suporte de B, e o banco de dados não precisará ser varrido. Logo, quando o assunto é mineração de regras de associação em grandes bancos de dados centralizados, o Apriori é um dos mais conhecidos. Ele pode trabalhar com um número grande de atributos, gerando várias alternativas combinatórias entre eles. No tópico a seguir uma breve explicação sobre a Doença de Chagas Doença de Chagas A história de Chagas inicia-se no interior de Minas Gerais. Em abril de 1909, Carlos Chagas ( ), pesquisador do Instituto Oswaldo Cruz (IOC), comunicou ao mundo científico a descoberta de uma nova doença infecciosa humana que acometia operários (KROPF, 2007). Segundo Lannes e Kropf (2007), essa doença causada pelo protozoário Tripanossoma cruzi é conhecida como doença de Chagas, em homenagem a quem a descreveu pela primeira vez. O mal de Chagas, como também é chamado, é transmitido, principalmente, por um inseto da subfamília Triatominae, conhecido popularmente como barbeiro. Este animal de hábito noturno alimenta-se, exclusivamente, do sangue de vertebrados endotérmicos. Vivem em frestas de casas de pau-a-pique, camas, colchões, depósitos, ninhos de aves, troncos de árvores, dentre outros locais, sendo que têm preferência por locais próximos à sua fonte de alimento. 3. Desenvolvimento Nos últimos anos, com a evolução da tecnologia da informação, a análise dos dados tem sido fator fundamental para várias organizações. Isso ocorre devido ao aumento intenso da quantidade de dados, trazendo a necessidade de extrair informações de maior qualidade e produtividade. Uma vez que o valor destes dados está ligado à capacidade de gerar informações para tomadas de decisões, setores como o da saúde contam com uma demanda cada vez maior para a análise de dados. Colazzos (2002) descreve que a medicina, valendo-se da evolução da tecnologia da informação, tem gerado uma grande quantidade de dados em uma velocidade cada vez maior. Dessa maneira, surge então a necessidade de ferramentas capazes de analisar e compreender estes dados. A proposta deste trabalho baseia-se na utilização de técnicas de mineração de dados em uma base de dados referentes a pacientes que apresentam a Doença de Chagas, com o objetivo de classificar as principais características destes indivíduos. Para se chegar aos objetivos propostos será necessária a aplicação de técnicas de mineração de dados e a utilização de uma metodologia de KDD auxiliada por ferramentas específicas, para assim agregar valor na aplicação da técnica. Sendo assim, o desenvolvimento será por meio da linguagem Java, juntamente com o software Weka, para auxiliar o projeto e dar mais dinamismo e velocidade na aplicação do processo de KDD. 5334
7 A Figura 2 representa o esquema de desenvolvimento proposto pelo trabalho Aplicação e Processamento Importar Apriori.jar WEKA Análise dos resultados Figura 2. Esquema de desenvolvimento. Dessa forma, para melhor esclarecer o trabalho proposto, será definido a seguir o software Weka e a implementação da metodologia proposta Arquivo ARFF O ambiente WEKA utiliza um formato de arquivo próprio para facilitar o processo de seus algoritmos, o qual é denominado pela extensão ARFF (Attribute Relation File Format). No arquivo ARFF deve-se descrever o domínio do atributo, pois este não é gerado automaticamente pelo seu valor. Antes de aplicar os dados a qualquer algoritmo do pacote WEKA, estes devem ser convertidos para o formato ARFF. No exemplo abaixo (Figura 3) temos a base de dados contendo registros de pacientes que apresentam a Doença de Chagas que foi utilizada neste trabalho e a sua transformação no arquivo ARFF. Figura 3. Arquivo com extensão.arff. 5335
8 Após a preparação da base de dados, esta pode ser executada no Weka, através da aplicação do algoritmo sobre o arquivo gerado anteriormente. O algoritmo Apriori, implementado no ambiente WEKA, está localizado no pacote weka.associations.apriori. Ele pode ser executado diretamente por linha de comando ou de dentro do protótipo onde recebeu alguns tratamentos especiais, os quais comentaremos a seguir. Antes de executar o algoritmo Apriori a fim de buscar as melhores regras, é necessário saber informar seus parâmetros. No algoritmo Apriori implementado pelos desenvolvedores do ambiente WEKA, quando o algoritmo é executado sem informações de parâmetros, estes são exibidos na tela. A Tabela 1 mostra os parâmetros do algoritmo Apriori. Tabela 1. Parâmetro do algoritmo Apriori. Opção Função -N (nº de regras) Especifica o número de regras desejado. (default = 15) -C (confiança) Especifica a confiança ou a precisão mínima exigida (default = 0.7 = 70%) -D (suporte mínimo) Delta para decréscimo do suporte até chegar ao mínimo (default = 0.5 = 50%) Dentro dessa perspectiva observa-se que, quanto mais próximo dos 1.0, maiores serão a confiança e o suporte da regra. Na próxima seção serão descritos os métodos utilizados para encontrar e analisar regras e padrões obtidos. 4. Ferramenta proposta Como foi visto, o Weka é um software livre escrito em Java que contém um conjunto de algoritmos de aprendizado de máquina para mineração de dados. Uma característica interessante é que pode ser usado diretamente no conjunto de dados (por meio de uma interface gráfica) ou por uma API que pode ser inserida em códigos Java. Logo, foi desenvolvida uma aplicação através da linguagem Java que fará o registro dos dados coletados, preparados anteriormente, para que estes sofram a mineração e resultem em análise de padrões. Todos os registros do arquivo serão jogados em um vetor de instância, o qual percorrerá linhas e colunas informando o atributo com seu respectivo valor. Esta sequência será visualizada em tabela, conforme mostra a Figura 4. Após, o sistema apresentará a localização do arquivo na tela principal. 5336
9 Figura 4. Tela com visualização dos registros. Neste ponto, o arquivo.jar do Weka, especificamente o Apriori.jar, é invocado e o vetor de instâncias juntamente com os parâmetros necessários, sendo informados o número de regras a ser obtido, a confiança e o suporte. Uma regra é composta de duas partes: uma condição e um resultado. De acordo com Berry (1997), o formato geral de associação possui a forma SE A.. ENTÃO B..., onde A é chamado de condição e B é chamado de resultado. Além da condição e do resultado, outros componentes complementam essa regra: suporte e confiança (BERRY, 1997). Berry (1997) define o suporte sendo o número de vezes que determinado item ou conjunto de itens aparece em transações distintas relacionadas com o número total de transações operadas, ou seja, suporte A B: número de registros que contém A e B dividido pelo número total de registros; enquanto que a confiança é o número de transações que suportam o resultado (ENTÃO B...) em relação ao número de transações que suportam a condição (SE A...), ou seja, confiança A B: número de registros que contém A e B divido por número de registros que contém B. Com base nisso, o algoritmo Apriori, que faz o cálculo de confiança e suporte, calcula as regras e gera os resultados. Estes resultados são armazenados e posteriormente retornados em uma string e depois salvo em um arquivo texto. 5. Resultados obtidos Os resultados alcançados até a conclusão deste trabalho serão apresentados neste tópico sobre a forma de relatórios obtidos pela execução do algoritmo Apriori. Para se chegar aos objetivos propostos, foi necessária a aplicação de técnicas de mineração de dados utilizando a metodologia de KDD. Sendo assim, o desenvolvimento foi feito por meio da linguagem Java, juntamente com o software Weka, para auxiliar o projeto e dar mais dinamismo e velocidade na aplicação do processo de KDD. 5337
10 Logo, com a execução do algoritmo Apriori, pôde-se inferir algumas informações a partir das regras que foram obtidas. As possibilidades são muitas, devido à combinação dos atributos que podem ser selecionados e filtrados, como mostra a Tabela 2. Tabela 2. Resultados da execução do algoritmo Apriori. Nº Regra Antecedente Consequente Confiança 1 ano=1990 sexo=f 259 cor=branca ano= cor=branca ano=1990 sexo=m 233 cor=branca sexo=f cor=branca ano=1990 cidade=bambui 377 cor=branca sexo=f cidade=bambui 331 cor=branca ano=1990 sexo=f cidade=bambui cor=branca cidade=bambui 615 cor=branca ano= cor=branca sexo=m cidade=bambui 284 cor=branca sexo=m 449 cor=branca ano=1990 sexo=m 233 cidade=bambui ano= cidade=bambuí ano=1990 sexo=f 259 cidade=bambui ano=1990 cor=branca 400 cidade=bambui Fazendo a análise dos resultados obtidos, percebemos que a confiança mínima foi decrescendo até chegar a 0.76 (76%), sendo utilizado quatro atributos: sexo, ano, cor, cidade. Pela regra 1 sabemos que, no ano de 1990, cerca de 259 mulheres de cor branca apresentavam sintomas da doença de chagas, visto que tal regra possui 82% de confiança. Nesse mesmo ano, foi possível constatar que temos um total de 492 indivíduos, sendo que 400 apresentam cor branca. Isso implica que há 233 homens de cor branca com chagas, de acordo com a regra 2 e tendo cerca de 80% de certeza. Além disso, percebemos que dos 377 indivíduos que residiam em Bambuí no ano de 1990, e possuíam a doença, 302 tem a cor branca. Percebe-se que o índice de mulheres atingidas é maior que o dos homens - vide na regra 7. Com um grau de confiança de 78%, no total dos 449 homens, 349 apresentam a cor branca, sendo que 222 homens de cor branca residiam na cidade de Bambuí, como mostra as regras 10 e 11. De acordo com a regra 13, em meados do ano de 1990, dos 492 casos de registros de Doença de Chagas foram confirmados 377 em Bambuí, sendo 179 homens e 198 mulheres. As pessoas brancas são as mais atingidas, visto que, no ano de 1990 há 302 casos, com 76% de confiança, como relata a regra
11 A compreensão das informações contidas nessas regras é convertida espontaneamente em benefícios significativos para o levantamento de pesquisa com pacientes que apresentam a Doença de Chagas. 6. Conclusão Com o crescimento da tecnologia da informação, várias organizações tanto comerciais quanto científicas, mudaram seus métodos de trabalho, devido à facilidade que a computação proporciona no armazenamento de informações. A informação passou a ser o fator crítico para o sucesso das organizações com o objetivo de conseguir um diferencial e se tornar competitivas. Assim, diversas áreas utilizam técnicas de mineração de dados para alcançar suas metas. Nota-se que na área da saúde não está sendo diferente. Cada vez mais clínicas, hospitais e órgãos públicos aderem a essa técnica de mineração, buscando encontrar padrões que possam ser utilizados nas tomadas de decisão. Sendo assim, a proposta deste trabalho baseia-se na utilização de técnicas de mineração de dados em uma base de dados referentes a pacientes que apresentam a Doença de Chagas, com o objetivo de classificar as principais características destes indivíduos. Por fim, conclui-se que a principal vantagem que esse trabalho trouxe à comunidade acadêmica foi à iniciação no estudo de mineração de dados num ambiente em bases de dados da área da saúde, com pacientes que apresentam a Doença de Chagas, apresentando e exemplificando as principais ferramentas e técnicas. Este, ainda, permite abrir frente para novas e interessantes pesquisas. Uma ferramenta deste tipo contribui significantemente em qualquer que seja o segmento utilizado. Referências BERRY, M. J. A.; LINOFF, G. (1997) Data Mining Techniques: for Marketing, Sales and Customer Support., New York: John Wiley & Sons, 454p. COLLAZOS, K.S.; Barreto, J.M.; Roisenberg, M. (2002) Dificuldades na aplicação de KDD em medicina.. Disponível em: <http:// /download/cd%20 congressos/2002/2% Ocbcomp/html/artigos/workshop/wsp011.pdf>. Acesso em: 08 agosto. 2009, 15:30:30. CORRÊA, K. S. (2009) Processo de mineração de dados no estudo de fenômenos solares e geomagnéticos. 28 f. Trabalho Acadêmico (mestre) INEP, São José dos Campos. DINIZ, C. A. R.; LOUZADA NETO, F. (2000) Data mining: uma introdução., São Paulo: ABE, 123p. FAYYAD, U; SHAPIRO, G. P; SMYTH, P; UTHURUSAMY, R. (1996) Advances in Knowledge discovery and data mining., MenloPark: Mit Press, 560P. GOLDSCHMIDT, R.; PASSOS, E. (2005) Data Mining um guia pratico., 1. ed. Rio de Janeiro: Campus. HAN, J.; KAMBER, M. (2001) Data Mining: Concepts and Techniques., San Francisco: Morgan Kaufmann Publishers. 5339
12 KROPF, S. P. (2007) História da doença de Chagas: ciência, saúde e sociedade, Rio de Janeiro, RJ, Brasil, Disponível em: /chagas/cgi/cgilua.exe/sys/start.htm?sid=171. Acesso em: 28 de outubro de 2010, 14:32. LANNES, J.; KROPF, S. (2007) A doença, Rio de Janeiro, RJ, Brasil, Disponível em: Acesso em 28 outrubro de 2010, 14:37. MIRANDA, D.; SABORÊDO, A. P., et al. (2003) Iniciação Científica Data Mining. AEDB Associação Educacional Dom Bosco. Resende - Rio de Janeiro. Disponível em <http://www.inf.aedb.br/datamining/>. Acesso em: 08/05/2004 PRASS, F. S. (2004) KKD: Processo de descoberta de conhecimento em bancos de dados., Grupo de Interesse Em Engenharia de Software, Florianópolis, v. 1, p REZENDE, S. O.; PUGLIESI, J. B.; MELANDA, E. A.; PAULA, M. F. (2002) Sistemas inteligentes: fundamentos e aplicações de Mineração de dados., In: REZENDES, S. O. (Org.), Barueri: Editora Manole, p ZANDER, V. P. S. (2007) Mineração de Dados Conceito, Aplicações e Experimentos com Weka., Disponível em:<hhtp://www.sbc.org.br/bibliotecadigital/ download.php?paper=35>. Acesso em: 20 agosto 2009, 17:22:
IDENTIFICATION OF DISEASE PATTERNS IN DATA MINING TECHNIQUES
Blucher Mechanical Engineering Proceedings May 2014, vol. 1, num. 1 www.proceedings.blucher.com.br/evento/10wccm IDENTIFICATION OF DISEASE PATTERNS IN DATA MINING TECHNIQUES T. M. R. Dias 1, P. M. Dias
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
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
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
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
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
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
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
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
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
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
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
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.
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
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
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
Microsoft Innovation Center
Microsoft Innovation Center Mineração de Dados (Data Mining) André Montevecchi andre@montevecchi.com.br Introdução Objetivo BI e Mineração de Dados Aplicações Exemplos e Cases Algoritmos para Mineração
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
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
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
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
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.
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
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.
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
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
15 Computador, projeto e manufatura
A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA CURSO DE ESPECIALIZAÇÃO EM ANÁLISE DE AMBIENTE ELETROMAGNÉTICO CEAAE /2008 DISCIPLINA EE-09: Inteligência
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
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
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,
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
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
SISTEMAS DE INFORMAÇÃO GERENCIAIS
SISTEMAS DE INFORMAÇÃO GERENCIAIS Aluno: Luiza Cavalcanti Marques Orientador: Silvio Hamacher Introdução A modelagem e a utilização de bancos de dados em atividades gerenciais têm sofrido um aumento significativo
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
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
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
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente
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,
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
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
Planejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve
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
Banco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri. Banco de Dados Processamento e Otimização de Consultas
Processamento e Otimização de Consultas Banco de Dados Motivação Consulta pode ter sua resposta computada por uma variedade de métodos (geralmente) Usuário (programador) sugere uma estratégia para achar
Introdução Diagramas de Casos de Uso Diagramas de Classes Estoque Fácil
UFCG Introdução Diagramas de Casos de Uso Diagramas de Classes Estoque Fácil Arthur Silva Freire Caio César Meira Paes Carlos Artur Nascimento Vieira Matheus de Araújo Maciel Tiago Brasileiro Araújo Engenharia
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
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;
TRABALHO DE DIPLOMAÇÃO Regime Modular ORIENTAÇÕES SOBRE O ROTEIRO DO PROJETO FINAL DE SISTEMAS DE INFORMAÇÕES
TRABALHO DE DIPLOMAÇÃO Regime Modular ORIENTAÇÕES SOBRE O ROTEIRO DO PROJETO FINAL DE SISTEMAS DE INFORMAÇÕES [Observação: O template a seguir é utilizado como roteiro para projeto de sistemas orientado
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
No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o
DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é
Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados
Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente
GESTÃO DE TI NAS ORGANIZAÇÕES CONTEMPORÂNEAS
GESTÃO DE TI NAS ORGANIZAÇÕES CONTEMPORÂNEAS WALLACE BORGES CRISTO 1 JOÃO CARLOS PEIXOTO FERREIRA 2 João Paulo Coelho Furtado 3 RESUMO A Tecnologia da Informação (TI) está presente em todas as áreas de
José Benedito Lopes Junior ¹, Marcello Erick Bonfim 2
ISBN 978-85-61091-05-7 Encontro Internacional de Produção Científica Cesumar 27 a 30 de outubro de 2009 Definição de uma tecnologia de implementação e do repositório de dados para a criação da ferramenta
CAPITULO 4 A ARQUITETURA LÓGICA PARA O AMBIENTE
CAPITULO 4 A ARQUITETURA LÓGICA PARA O AMBIENTE A proposta para o ambiente apresentada neste trabalho é baseada no conjunto de requisitos levantados no capítulo anterior. Este levantamento, sugere uma
CAPÍTULO VI - AVALIAÇÃO DE RISCOS, PROCESSOS DECISÓRIOS E GERENCIAMENTO DE RISCOS
CAPÍTULO VI - AVALIAÇÃO DE RISCOS, PROCESSOS DECISÓRIOS E GERENCIAMENTO DE RISCOS VI.1. Introdução A avaliação de riscos inclui um amplo espectro de disciplinas e perspectivas que vão desde as preocupações
Tipos de Sistemas Distribuídos (Cluster e Grid)
Tipos de Sistemas Distribuídos (Cluster e Grid) Sistemas Distribuídos Mauro Lopes Carvalho Silva Professor EBTT DAI Departamento de Informática Campus Monte Castelo Instituto Federal de Educação Ciência
Processos de Software. 2007 by Pearson Education Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 4 Slide 1
Processos de Software Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 4 Slide 1 Objetivos Apresentar modelos de processos de software Descrever três modelos genéricos de processo e quando
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
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
Engª de Produção Prof.: Jesiel Brito. Sistemas Integrados de Produção ERP. Enterprise Resources Planning
ERP Enterprise Resources Planning A Era da Informação - TI GRI Information Resource Management -Informação Modo organizado do conhecimento para ser usado na gestão das empresas. - Sistemas de informação
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
Curso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1
Curso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1 Aula 3 Disponibilidade em Data Center O Data Center é atualmente o centro nervoso
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
Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular
Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular Elionai Sobrinho 1,3, Jasmine Araújo 1,3, Luiz A. Guedes 2, Renato Francês 1 1 Departamento
Documento de Análise e Projeto VideoSystem
Documento de Análise e Projeto VideoSystem Versão Data Versão Descrição Autor 20/10/2009 1.0 21/10/2009 1.0 05/11/2009 1.1 Definição inicial do documento de análise e projeto Revisão do documento
UTILIZANDO O SOFTWARE WEKA
UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia
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
Concepção e Elaboração
UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE BIOCIÊNCIAS, LETRAS E CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Análise e Projeto Orientado a Objetos Concepção e Elaboração Estudo
SISTEMAS DE INFORMAÇÃO GERENCIAL
SISTEMAS DE INFORMAÇÃO GERENCIAL 2015 Sabemos que as empresas atualmente utilizam uma variedade muito grande de sistemas de informação. Se você analisar qualquer empresa que conheça, constatará que existem
Software. Gerenciamento de Manutenção
Software Gerenciamento de Manutenção Importância de um Software de Manutenção Atualmente o departamento de manutenção das empresas, como todos outros departamentos, necessita prestar contas de sua atuação
UNIVERSIDADE FEDERAL DO PARANÁ. CURSO: Ciência da Computação DATA: / / 2013 PERÍODO: 4 o.
CURSO: Ciência da Computação DATA: / / 2013 PERÍODO: 4 o. PROFESSOR: Andrey DISCIPLINA: Técnicas Alternativas de Programação AULA: 08 APRESENTAÇÃO Na aula de hoje vamos apresentar e discutir como definir
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
5 Mecanismo de seleção de componentes
Mecanismo de seleção de componentes 50 5 Mecanismo de seleção de componentes O Kaluana Original, apresentado em detalhes no capítulo 3 deste trabalho, é um middleware que facilita a construção de aplicações
)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Nomes: Melissa nº 12 Naraiane nº 13 Priscila nº 16 Vanessa nº 20 Turma 202
Nomes: Melissa nº 12 Naraiane nº 13 Priscila nº 16 Vanessa nº 20 Turma 202 A doença de chagas é assim denominada em homenagem ao seu descobridor, o médico brasileiro Dr. Carlos Justiniano Ribeiro das Chagas.
Obtenção de regras de associação sobre compras governamentais: Um estudo de caso 1
Obtenção de regras de associação sobre compras governamentais: Um estudo de caso 1 Keila Michelly Bispo da Silva 2, Starlone Oliverio Passos 3,Wesley Vaz 4 Resumo: O processo de compras governamentais
DOCUMENTO DE REQUISITOS
DOCUMENTO DE REQUISITOS ID documento: Data: / / Versão : Responsável pelo documento: ID Projeto: HISTÓRICO DE REVISÕES Data de criação/ atualização Descrição da(s) Mudança(s) Ocorrida(s) Autor Versão do
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.
APRESENTAÇÃO DO PRODUTO. Mais que um software, o método mais eficaz para conciliar.
APRESENTAÇÃO DO PRODUTO Mais que um software, o método mais eficaz para conciliar. Com Conciliac é possível conciliar automaticamente qualquer tipo de transação; Bancos, Cartões de Crédito e Débito, Contas
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
SISTEMAS INTEGRADOS DE GESTÃO EMPRESARIAL E A ADMINISTRAÇÃO DE PATRIMÔNIO ALUNO: SALOMÃO DOS SANTOS NUNES MATRÍCULA: 19930057
INTRODUÇÃO SISTEMAS INTEGRADOS DE GESTÃO EMPRESARIAL E A ADMINISTRAÇÃO DE PATRIMÔNIO ALUNO: SALOMÃO DOS SANTOS NUNES MATRÍCULA: 19930057 Há algum tempo, podemos observar diversas mudanças nas organizações,
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
11/3/2009. Software. Sistemas de Informação. Software. Software. A Construção de um programa de computador. A Construção de um programa de computador
Sistemas de Informação Prof. Anderson D. Moura Um programa de computador é composto por uma seqüência de instruções, que é interpretada e executada por um processador ou por uma máquina virtual. Em um
Tecnologia da Informação e Comunicação. Douglas Farias Cordeiro
Tecnologia da Informação e Comunicação Douglas Farias Cordeiro O desenvolvimento de um SI Ciclo de desenvolvimento de um SI: O desenvolvimento de um SI Definição do sistema Nessa fase estima-se as dimensões
COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS
COERÊNCIA DO CURRÍCULO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO EM FACE DAS DIRETRIZES CURRICULARES NACIONAIS O documento que serviu de base para a análise a seguir é o denominado "Diretrizes Curriculares
Sistema Online de Gerenciamento de Dados Clínicos Utilizando RIA (Rich Internet Applications)
Sistema Online de Gerenciamento de Dados Clínicos Utilizando RIA (Rich Internet Applications) ANTUNES, M. S.¹, SILVA, R. E. S. 2 (orientadora) ¹ Faculdade de Tecnologia Senac Pelotas RS (FATEC-PEL) Rua
DESIGN CENTRADO NO USUÁRIO: PROJETANDO PARA A WEB
25 a 28 de Outubro de 2011 ISBN 978-85-8084-055-1 055-1 DESIGN CENTRADO NO USUÁRIO: PROJETANDO PARA A WEB Emanuel Felipe Duarte 1 ; Aline Maria Malachini Miotto 2 RESUMO: O objetivo deste trabalho foi
EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES
EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES Rigoleta Dutra Mediano Dias 1, Lívia Aparecida de Oliveira Souza 2 1, 2 CASNAV, MARINHA DO BRASIL, MINISTÉRIO DA DEFESA, BRASIL Resumo: Este
GED CRIAÇÃO DE NOVO DOCUMENTO E OBJETO AUTOMÁTICO
GED CRIAÇÃO DE NOVO DOCUMENTO E OBJETO AUTOMÁTICO Documentos Atualmente, com a crescente disponibilidade de documentos em mídias digitais é fundamental a aplicação de técnicas de GED (Gerenciamento Eletrônico
INTRODUÇÃO E CONFIGURAÇÃO DO PRIMEFACES MOBILE EM APLICAÇÕES JSF
INTRODUÇÃO E CONFIGURAÇÃO DO PRIMEFACES MOBILE EM APLICAÇÕES JSF Guilherme Macedo, Jaime Willian Dias Universidade Paranaense (Unipar) Paranavaí PR Brasil guilhermemacedo28@gmail.com, jaime@unipar.br Resumo.
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
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
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
Pesquisa com Professores de Escolas e com Alunos da Graduação em Matemática
Pesquisa com Professores de Escolas e com Alunos da Graduação em Matemática Rene Baltazar Introdução Serão abordados, neste trabalho, significados e características de Professor Pesquisador e as conseqüências,
O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.
O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar
Estratégias para avaliação da segurança da computação em nuvens
Academia de Tecnologia da IBM White paper de liderança de pensamento Novembro de 2010 Estratégias para avaliação da segurança da computação em nuvens 2 Proteção da nuvem: do desenvolvimento da estratégia
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
Transformação do call center. Crie interações com o cliente mais lucrativas e agregue valor adicionando insights e eficiência em todas as chamadas.
Transformação do call center Crie interações com o cliente mais lucrativas e agregue valor adicionando insights e eficiência em todas as chamadas. Lucre com a atenção exclusiva de seus clientes. Agora,
MAPEAMENTO OBJETO RELACIONAL: UM ESTUDO DE CASO
MAPEAMENTO OBJETO RELACIONAL: UM ESTUDO DE CASO UTILIZANDO O HIBERNATE Rafael Laurino GUERRA, Dra. Luciana Aparecida Martinez ZAINA Faculdade de Tecnologia de Indaiatuba FATEC-ID 1 RESUMO Este artigo apresenta
RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS
ISBN 978-85-61091-05-7 Encontro Internacional de Produção Científica Cesumar 27 a 30 de outubro de 2009 RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS Marcello Erick Bonfim 1