Descoberta de Conhecimento em Bancos de Dados - KDD. NeuroTech Ltda.
|
|
- Aurora Benevides Caires
- 5 Há anos
- Visualizações:
Transcrição
1 Descoberta de Conhecimento em Bancos de Dados - KDD NeuroTech Ltda.
2 Descoberta de Conhecimento em Bancos de Dados (KDD) A descoberta de conhecimento em bancos de dados (Knowledge Discovery in Databases- KDD) é um processo que envolve desde a preparação da base de dados até a apresentação do conhecimento deles extraído pelas técnicas de mineração.
3 Exemplo Famoso de KDD na Ciência Tycho Brahe ( ) Responsável pela coleta e manutenção do BD O medidor do universo Johannes Kepler ( ) Minerador de dados Sintetizou as 3 leis do movimento dos planetas (cinemática), uma heresia à teoria geocêntrica católica
4 Motivação Dimensão do problema de análise de dados para tomada de decisão (antes do ano 2000): BD da Wal-Mart: 20 milhões de transações por dia Data WareHouse da Mobil > 100 TB BD da NASA recebia de satélites > 50 GB por hora Solução: ferramentas de automatização das tarefas repetitivas e sistemáticas de análise de dados ferramentas de auxílio para as tarefas cognitivas da análise integração das ferramentas em sistemas apoiando o processo completo de descoberta de conhecimento para tomada de decisão
5 Descoberta de Conhecimento a Partir de Bancos de Dados (KDD) KDD é uma atividade multidisciplinar que se fundamenta em 3 áreas da computação: Data WareHouse (DW): oferece os dados com a visão histórica adequada tanto à extração de conhecimento quanto à apresentação de resultados Data Mining (DM): agrupa os dados, otimiza classificações, estimativas e previsões faz associações e extrai o conhecimento implícito nos dados (regras do negócio) On-Line Analytical Processing (OLAP) / Mining (OLAM): Ambientes de consulta que apresentam os resultados tanto das consultas diretas ao Data WareHouse quanto das respostas da mineração dos dados contidos no Data WareHouse.
6 Processo de Descoberta de Conhecimento
7 Metodologia de Trabalho: CRoss-Industry Standard Process for DM (CRISP-DM) Entendimento do Negócio Entendimento dos Dados Implantação Dados Preparação dos Dados Modelagem de I.A. Avaliação de Desempenho
8 Abordagem Tradicional para Mineração de Dados CRISP-DM KDD Data Mining Inteligência Artificial (IA) Tecnologia=BD+Estat.+IA+ADS Gestão de Projetos + Tecnologia
9 KDD: Problema Multidisciplinar Integração, consolidação e remodelagem de dados para processamento analítico (data warehousing) Análise exploratória de dados Pré-processamento dos dados Aprendizagem computacional Inferência Avaliação de desempenho Ambientes de consulta a: Nichos: hipercubos de dados (OLAP) Conhecimento: resultados da mineração (OLAM)
10 Técnicas da Inteligência Computacional Utilizadas em Data Mining Estatística Redes neurais Algoritmos genéticos Lógica difusa/nebulosa Inteligência artificial simbólica
11 Tarefas Básicas de Data Mining Agrupamento Identificação de grupos de indivíduos/registros que têm perfis semelhantes Regressão Estimação de valores contínuos na resposta do sistema Classificação Decisão do sistema categorizando cada indivíduo/registro em uma classe pré-definida Extração de regras de associação e de classificação Apresentação de relações entre as variáveis de entrada e entre as variáveis de entrada e as respostas do sistema
12 Arquitetura da Solução Visão Modular Fontes Internas Processos Fontes Externas Gateway MIS Sistema de Informações Gerenciais Data- Mart WorkFlow / Processo Operacional Motor de Regras Base de Conheci mento Motor de IA Camada de Persistência Lista Negativa Processos Mesa para Avaliação Humana Parâmetros de Operação Portal + Construtor de Data- Marts Relatórios OLAP OLAM
13 Workflow
14 NeuroProcess + NeuralServer (Modelos Baseados em I.A.)
15 KDD Oferece Respostas a Questões das Seguintes Naturezas Que acontecerá com as vendas do produto A se faltar o produto B nas prateleiras da loja? Quanto e quando devo repor o estoque do item A de forma a minimizar o capital imobilizado em estoque sem deixar faltar mais que 5 dias por ano? Quanto valerão as ações da empresa X daqui a 15 dias? Que kits de produtos devo oferecer em mala direta aos clientes que têm seguro do tipo X, carro do tipo Y e adoram viajar com a família todo ano? Quantas equipes de manutenção devo deixar de sobre-aviso no carnaval? Quantas peças sobressalentes devo disponibilizar para poder atender às necessidades em 95% dos casos?
16 KDD Oferece Respostas a Questões das Seguintes Naturezas Se só temos capacidade para fiscalizar 10% das empresas por ano, quais deveríamos fiscalizar? Qual é o volume de sub-notificação na arrecadação? Qual será a arrecadação do mês de dezembro de 2005? Quais os setores onde a fiscalização produz maior aumento de arrecadação? Quanto vai crescer a arrecadação em 2006? Que efeito teria considerarmos apenas 10 variáveis na nossa estimação? Quais variáveis deveriam ser preservadas nessa redução do modelo para 10 variáveis?
17 KDD Oferece Respostas a Questões das Seguintes Naturezas Qual o valor ótimo do parâmetro k para minimizar a perda entre uma inspeção sem notificação e a não arrecadação? Que acontecerá com a arrecadação se for concedido um benefício fiscal de 20% de redução? O aumento do combate à sonegação eleva a sub-notificação? Qual o valor estimado para perdas e ganhos com esse combate? Que segmentos da economia respondem melhor a incentivos fiscais?
18 Respostas de um sistema de BI (Business Intelligence) na consulta cardiológica Qual o nível de risco causado pela presença de sopro, em pacientes infantis da UCMF-HP? O sopro ocorre em 27% dos pacientes e eles apresentam 1,17 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos. Quais condições geram níveis de risco mais que 2 vezes maiores que a média dos pacientes infantis da UCMF-HP???? Somente sistemas dotados de inteligência artificial ou humana podem responder.
19 Respostas de um sistema de dotado de I.A. na consulta cardiológica Quais condições geram níveis de risco mais que 2 vezes maiores que a média dos pacientes infantis da UCMF-HP? Cardiopatia já estabelecida ocorre em 11% dos pacientes e eles apresentam 3,67 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos. Cianose ocorre em 2% dos pacientes e eles apresentam 3,12 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos. Pacientes são encaminhados por cardiologistas em 8% dos casos e apresentam 2,34 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos.
20 Respostas de um sistema de BI (Business Intelligence) no ecocardiograma Qual o nível de risco causado por anormalidade do septo inter-atrial, em pacientes infantis da UCMF-HP? A anormalidade do septo ocorre em 12% dos pacientes e eles apresentam 1,46 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos. Quais condições geram níveis de risco mais que 2 vezes maiores que a média dos pacientes infantis da UCMF-HP???? Somente sistemas dotados de inteligência artificial ou humana podem responder.
21 Respostas de um sistema de dotado de I.A. no ecocardiograma Quais condições geram níveis de risco mais que 2 vezes maiores que a média dos pacientes infantis da UCMF-HP? Anormalidade nos ventrículos ocorre em 7% dos pacientes e eles apresentam 2,34 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos. Anormalidade no septo inter-ventricular ocorre em 6% dos pacientes e eles apresentam 2,34 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos. Anormalidade nas valvas ventrículo-arteriais ocorre em 6% dos pacientes e eles apresentam 2,20 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos. Anormalidade nos fluxos intra-cardíacos ocorre em 21% dos pacientes e eles apresentam 2,12 vezes mais risco de tratamento cirúrgico que a média dos pacientes atendidos.
22 B.I. x I.A. Business Intelligence x Inteligência Artificial X B.I.: y=[f 1 (x i )] y I.A.: x i =[F -1 (y)]
23 Foco nas funcionalidades Análise exploratória dos dados Agrupamento dos dados em nichos Descrição ou caracterização dos nichos Detecção de outliers Associação Classificação Estimação Previsão Otimização...
24 Foco na adequação das técnicas Análise exploratória dos dados (estatística descritiva, entropia etc.) Agrupamento dos dados em nichos (PAM, clara, ART, GTM, Kohonen etc.) Descrição ou caracterização dos nichos (algoritmo A Priori, árvore de decisão etc.) Detecção de outliers (estatística, redes neurais etc.) Associação (correlação, informação mútua etc.) Classificação (regressões linear e logística, redes MLP, redes bayesianas, árvore de decisão, análise discriminante etc.) Estimação (regressões linear e logística, redes MLP, redes bayesianas, árvore de decisão, análise discriminante etc.) Previsão (Box-Jenkins, redes MLP, redes NARMAX etc.) Otimização (simplex, annealing simulado, redes Hopfield etc.)
25 Foco em controle e automação Ambiente para consultas a: Características de nichos (OLAP em hipercubos de dados) Conhecimento do mercado (OLAM no conhecimento extraído dos dados e dos especialistas) Ambiente para avaliação de desempenho do sistema Ambiente para controle dos parâmetros do sistema Ambiente para simulação de cenários no negócio Ambiente para análise de operações em tempo real
26 Referências Bibliográficas Augen J. (2005). Bioinformatics in the Post-Genomic Era: Genome, Transcriptome, Proteome and Information-Based Medicine. Addison-Wesley. Rud O. P. (2001). Data Mining Cookbook: Modeling Data for Marketing, Risk and Customer Relationship Management. John Wiley & Sons. Han J. & Kamber, M. (2006). Data Mining: concepts and techniques. Morgan Kaufmann Publishers. Witten I. H. & Frank E. (2005) Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan Kaufmann Publishers. Fayyad et al. (1996). Advances in knowledge discovery and data mining. AAAI Press/MIT Press.
27 Endereços interessantes KDNuggets Data Mining Review SPSS NeuroTech Aulas de KDD do Centro de Informática da UFPE
Mineração de Dados - Contextualização. Fonte: Prof. Fabrício J. Barth -
Mineração de Dados - Contextualização Fonte: Prof. Fabrício J. Barth - http://fbarth.net.br/ Mineração de Dados - Contextualização Uso da informação Síntese do conhecimento; Manter, disseminar, organizar,
Leia maisDescoberta de Conhecimento em Bancos de Dados - KDD
Descoberta de Conhecimento em Bancos de Dados - KDD Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Fases do processo 3. Exemplo do DMC 4. Avaliação
Leia maisAplicações de Sistemas Inteligentes
Aplicações de Sistemas Inteligentes Germano C. Vasconcelos Centro de Informática - UFPE 14/6/2010 1 Roteiro Inteligência Computacional Aplicações Mineração de Dados Métodos Exemplo em Análise de Crédito
Leia maisMineração de Dados. Eduardo Raul Hruschka. Baseado no curso de Gregory Piatetsky-Shapiro, disponível no sítio
Mineração de Dados Eduardo Raul Hruschka Baseado no curso de Gregory Piatetsky-Shapiro, disponível no sítio http://www.kdnuggets.com Visão Geral: Introdução: motivação, aplicações, conceitos básicos. Agrupamento
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Engenharia da Computação Professor: Rosalvo Ferreira de Oliveira Neto Dados pessoais Rosalvo Ferreira de Oliveira Neto Dr. em ciência da computação (UFPE) rosalvo.oliveira@univasf.edu.br
Leia maisMetodologia CRISP-DM. NeuroTech Ltda.
Metodologia CRISP-DM NeuroTech Ltda. www.neurotech.com.br Conteúdo Metodologias para Mineração de Dados A metodologia CRISP-DM Exemplo de um Projeto de Mineração de Dados Exercício Prático Gerência de
Leia mais18º Congresso de Iniciação Científica INCORPORAÇÃO DA TAREFA DE CLASSIFICAÇÃO NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA
18º Congresso de Iniciação Científica INCORPORAÇÃO DA TAREFA DE CLASSIFICAÇÃO NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA Autor(es) MIRELA TEIXEIRA CAZZOLATO Orientador(es) MARINA TERESA PIRES VIEIRA Apoio
Leia maisSEFAZ INFORMÁTICA Data Mining Prof. Márcio Hunecke
SEFAZ INFORMÁTICA Data Mining Prof. Márcio Hunecke www.acasadoconcurseiro.com.br Informática DATA MINING Data mining (ou mineração de dados) é o processo de extrair informação válida, previamente desconhecida
Leia maisAgenda. Conceitos Iniciais. Modelos de aprendizado. Oportunidades e casos de uso. Ferramentas. Desafios
Machine Learning Agenda Conceitos Iniciais Modelos de aprendizado Oportunidades e casos de uso Ferramentas Desafios Ronald Bertele Bacharelado em Ciências da Computação - UCS MBA em Gestão de Negócios
Leia mais19 Congresso de Iniciação Científica INCLUSÃO DE UM NOVO ALGORITMO DE CLASSIFICAÇÃO NA FERRAMENTA KIRA
19 Congresso de Iniciação Científica INCLUSÃO DE UM NOVO ALGORITMO DE CLASSIFICAÇÃO NA FERRAMENTA KIRA Autor(es) MIRELA TEIXEIRA CAZZOLATO Orientador(es) MARINA TERESA PIRES VIEIRA Apoio Financeiro PIBIC/CNPQ
Leia maisSBC - Sistemas Baseados em Conhecimento
Siglas, Símbolos, Abreviaturas DW - Data Warehouse KDD Knowledge Discovery in Database MD Mineração de Dados OLAP - On-line analytical processing SBC - Sistemas Baseados em Conhecimento 1. INTRODUÇÃO O
Leia maisDATA MINING. Prof. Fulvio Cristofoli. Mineração De Dados.
DATA MINING Mineração De Dados fulviocristofoli@uol.com.br www.fulviocristofoli.com.br Conceito As organizações perseguem inteligência. Nessa perseguição, elas processam informação, formulam planos e aspirações,
Leia maisMaterial Complementar - BI. Grinaldo Lopes de Oliveira Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
Material Complementar - BI Grinaldo Lopes de Oliveira (grinaldo@gmail.com) Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas Business Intelligence - Conceito Coleta de dados a partir
Leia maisMineração de Dados. Curso de Especialização em Sistemas de Banco de Dados. Centro de Ciências Exatas e Naturais. Universidade Federal do Pará
Universidade Federal do Pará Centro de Ciências Exatas e Naturais Departamento de Informática Mineração de Dados Profa. MSc. Miriam Lúcia Domingues Curso de Especialização em Sistemas de Banco de Dados
Leia maisProf. Martius Vicente Rodriguez y Rodriguez, DSc.
Prof. Martius Vicente Rodriguez y Rodriguez, DSc. 1 AGENDA 1. A MUDANÇA DO AMBIENTE DE NEGÓCIOS 2. PESSOAS PROCESSOS TIC 3. GESTÃO DA MUDANÇA NA ÁREA DE TIC 4. CRM CLIENTES 5. KDD BI INTELIGÊNCIA DOS NEGÓCIOS
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE DATA MINING
PÓS-GRADUAÇÃO ANÁLISE DE DATA MINING OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala 3 CCET [quinta-feira, 8:20 12:00] Atendimento
Leia maisAula 03. Evandro Deliberal
Aula 03 Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal Data Warehouse; Ambiente de Data Warehouse; Processos e ferramentas envolvidas; Arquiteturas de DW; Granularidade;
Leia maisInformática. Business Intelligence (BI), Data Warehouse, OLAP e Data Mining. Prof. Márcio Hunecke
Informática Business Intelligence (BI), Data Warehouse, OLAP e Data Mining Prof. Márcio Hunecke Conceitos de BI Conjunto de ferramentas e técnicas que objetivam dar suporte à tomada de decisão Refere-se
Leia maisCC-226 Introdução à Análise de Padrões
CC-226 Introdução à Análise de Padrões Apresentação do Curso Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 25 de fevereiro de 2008 C. H. Q. Forster
Leia maisKDD, Mineração de Dados e Algoritmo Apriori
Universidade Federal de São Carlos - UFSCar Departamento de Computação - DC Programa de Pós-Graduação em Ciência da Computação - PPGCC KDD, Mineração de Dados e Algoritmo Apriori Aluno: Rodrigo Moura J.
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto O processo de descoberta do conhecimento - KDD Roteiro Introdução Definição Etapas Desafios
Leia maisMineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra. Padrões e processos em Dinâmica de uso e Cobertura da Terra
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra Introdução 1 2 3 4 Capacidade de Armazenamento X Análise e Interpretação
Leia mais2 Mineração de Dados Processo de Busca de Conhecimento (KDD) 2 Mineração de Dados
2 Mineração de Dados 2 Mineração de Dados A mineração de dados, ou data mining, é uma das principais etapas do processo de busca de conhecimento. Este conceito é utilizado para identificar técnicas avançadas
Leia maisMétodos de Análise de Dados (AO-802)
Métodos de Análise de Dados (AO-802) DADOS INFORMAÇÃO CONHECIMENTO Rodrigo A. Scarpel rodrigo@ita.br www.ief.ita.br/~rodrigo INTELIGÊNCIA Introdução: Revolução dos Serviços (final anos 80) Dilúvio de dados
Leia maisData Mining. O Processo de KDD. Mauricio Reis
1 Data Mining O Processo de KDD Mauricio Reis prof_uva@mreis.info http://mreis.info/uva-2016-9-datamining 2 ROTEIRO 1. Definição 2. Aplicação KDD problema recursos resultados 3. Área de origem 4. Histórico
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisInteligência Artificial
Inteligência Artificial Descoberta de Conhecimento em Bases de Dados Mineração de Dados Descobertas de regras de associação Descoberta de Conhecimento em Bases de Dados DCBD (Descoberta de Conhecimento
Leia maisEstudo de Técnicas e Utilização de Mineração de Dados em uma Base de Dados da Saúde Pública
Estudo de Técnicas e Utilização de Mineração de Dados em uma Base de Dados da Saúde Pública Autor: Gercely da Silva e Silva 1 1 Universidade Luterana do Brasil ULBRA Canoas, RS Brasil Resumo do Trabalho
Leia maisProfissinais que desejam adquirir ou aprimorar seus conhecimentos em modelagem de dados, analytics e estatística aplicada
MBA ANALYTICS OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de decisão com base nas
Leia maisTópicos Especiais em Informática Fatec Indaiatuba 13/07/2017
Inteligência de Negócios Fatec Indaiatuba Prof. Piva Compreender as definições e conceitos básicos da Mineração de Dados (MD) Entender o processo KDD (Knowledge Discovery Data) e MD Descrever as etapas
Leia maisSCC0173 Mineração de Dados Biológicos
SCC0173 Mineração de Dados Biológicos Aula 1 Conceituação Prof. Ricardo J. G. B. Campello Estagiário PAE: Pablo A. Jaskowiak SCC / ICMC / USP Créditos O material a seguir consiste de adaptações e extensões
Leia maisEvandro Deliberal Aula 01
Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal http://www.deljoe.com.br/professor Aula 01 Agenda DATA MINING. Data mining Motivações Grande disponibilidade de dados
Leia maisConceitos Básicos ITIL COBIT Gestão de desempenho de operações e serviços de TI;
TRABALHO DE PESQUISA AV1 TEMAS: A) GOVERNANÇA DE TI Conceitos Básicos ITIL COBIT Gestão de desempenho de operações e serviços de TI; B) PAGAMENTOS E TRANSFERÊNCIAS ELETRÔNICAS DE FUNDOS Conceitos básicos
Leia maisFACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS
FACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS PROJETO PEDAGÓGICO CAMPO LIMPO PAULISTA 2015 1. Público
Leia maisAprendizagem de Máquina
Plano da Apresentação Aprendizagem de Máquina Alessandro L. Koerich 2007 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Professor & Experiência Acadêmica Horários
Leia maisENGENHARIA DE MARKETING
PÓS-GRADUAÇÃO LATO SENSU ENGENHARIA DE MARKETING INSCRIÇÕES ABERTAS: Dias e horários das aulas: Segunda-Feira - 18h30 às 22h30 - Semanal Quarta-Feira - 18h30 às 22h30 - Semanal Sexta-Feira - 18h30 às 22h30
Leia maisAula 02. Evandro Deliberal
Aula 02 Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal Data Warehouse; Ambiente de Data Warehouse; Processos e ferramentas envolvidas; Arquiteturas de DW; Granularidade;
Leia maisData Mining. Rodrigo Leite Durães
Rodrigo Leite Durães rodrigo_l_d@yahoo.com.br Processo de mineração de dados e descoberta de informações relevantes em grandes volumes de dados. "... processo não-trivial de identificar, em dados, padrões
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Apresentação da Disciplina Alessandro L. Koerich 2008 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Mestrado/Doutorado em Informática Aprendizagem
Leia maisIntrodução a Sistemas Inteligentes
Introdução a Sistemas Inteligentes Conceituação Prof. Ricardo J. G. B. Campello ICMC / USP Créditos Parte do material a seguir consiste de adaptações e extensões dos originais gentilmente cedidos pelo
Leia maisOi, Ficou curioso? Então conheça nosso universo.
Oi, Somos do curso de Sistemas de Informação da Universidade Franciscana, e esse ebook é um produto exclusivo criado pra você. Nele, você pode ter um gostinho de como é uma das primeiras aulas do seu futuro
Leia maisData Mining. Rodrigo Leite Durães
Data Mining Rodrigo Leite Durães Introdução Aplicação de processos de análise inteligentes visando manipulação automática de quantidades imensas de dados Larga aplicação nos mais variados ramos da indústria,
Leia maisIntrodução à Descoberta de Conhecimento e Mineração de Dados. Rodrigo Leite Durães.
Introdução à Descoberta de Conhecimento e Mineração de Dados Rodrigo Leite Durães. 1 Introdução 2 3 Introdução: por que Data Mining? O problema da explosão da quantidade de dados (data explosion): Ferramentas
Leia maisANALYTICS: Dados e Atenção
ANALYTICS: Dados e Atenção O CONCEITO DE ANALYTICS NA INTERNET DAS COISAS BASEIA-SE NA CONSTANTE GERAÇÃO DE DADOS Por Nazareno Andrade Deyvison Bruno, Icaro Ramires, Joabe Pinheiro 1 Agenda Informações
Leia maisImplementação de um Modelo para Previsão de Evasão Escolar no IFSULDEMINAS
6ª Jornada Científica e Tecnológica e 3º Simpósio de Pós-Graduação do IFSULDEMINAS 04 e 05 de novembro de 2014, Pouso Alegre/MG Implementação de um Modelo para Previsão de Evasão Escolar no IFSULDEMINAS
Leia maisESPECIALIZAÇÃO A DISTÂNCIA EM. Ciência de Dados e Big Data Aplicada à Administração Tributária. Área de conhecimento: Tecnologia da Informação
ESPECIALIZAÇÃO A DISTÂNCIA EM Ciência de Dados e Big Data Aplicada à Administração Tributária Área de conhecimento: Tecnologia da Informação PUC MINAS VIRTUAL CORPO DOCENTE Raphael Rodrigues Campos (Mestre)
Leia maisKDD E MINERAÇÃO DE DADOS
KDD E MINERAÇÃO DE DADOS O Processo de KDD: Visão Geral Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt CARACTERIZAÇÃO ÁREAS DE ORIGEM
Leia maisPassos para o Aprendizado de Máquina com Pentaho. Prof. Marcos Vinicius Fidelis UTFPR/UEPG
Passos para o Aprendizado de Máquina com Pentaho Prof. Marcos Vinicius Fidelis UTFPR/UEPG Apresentação Professor da UTFPR, leciona Sistemas de Apoio a Decisão e Tópicos Avançados em BD (WEKA, Pentaho e
Leia maisKDD E MINERAÇÃO DE DADOS:
KDD E MINERAÇÃO DE DADOS: Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com Coleta de dados em vários
Leia maisGESTÃO DE DADOS NAS ORGANIZAÇÕES. Prof. Robson Almeida
GESTÃO DE DADOS NAS ORGANIZAÇÕES Prof. Robson Almeida INFRA-ESTRUTURA DE SISTEMAS DE INFORMAÇÃO 3 CONCEITOS Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único
Leia mais18º Congresso de Iniciação Científica TRATAMENTO DE REGRAS DA ASSOCIAÇÃO MULTIRELACIONAL NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA
18º Congresso de Iniciação Científica TRATAMENTO DE REGRAS DA ASSOCIAÇÃO MULTIRELACIONAL NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA Autor(es) JONAS RAFAEL ONOFRE Orientador(es) MARINA TERESA PIRES VIEIRA
Leia maisDedicados em exclusivo à área analítica desde 1994, somos o parceiro ideal para a realização de projetos de análise de dados.
Dedicados em exclusivo à área analítica desde 1994, somos o parceiro ideal para a realização de projetos de análise de dados. Os serviços Data Mining Services têm como objetivo disponibilizar às organizações
Leia maisPLANO DE ENSINO DA DISCIPLINA BLOCO I IDENTIFICAÇÃO
CURSO DE GRADUAÇÃO: SÉRIE: SEMESTRE LETIVO DO ANO: ( ) 1º SEMESTRE ( X ) 2º SEMESTRE ( ) 1º e 2º SEMESTRES ANO: PLANO DE ENSINO DA DISCIPLINA BLOCO I IDENTIFICAÇÃO Código da Disciplina: Nome da Disciplina:
Leia maisADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO Apresentação do Plano de Ensino. Luiz Leão
Luiz Leão luizleao@gmail.com http://www.luizleao.com Quem sou eu? Site: http://www.luizleao.com Introdução Para aprender a Gerir, Conceber, Desenvolver, Testar, avaliar a qualidade, avaliar a segurança,
Leia maisMinicurso: Inteligência Artificial Aplicada a Sistemas Elétricos
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Introdução a Machine Learning: Teoria, Aplicações e IA na Arquitetura Intel Vitor Hugo Ferreira, DSc - UFF Flávio Mello, DSc UFRJ e Ai2Biz
Leia maisCURTA DURAÇÃO MODELOS DE DATA MINING
CURTA DURAÇÃO MODELOS DE DATA MINING 1 OBJETIVO Este curso tem como objetivo aplicar conceitos de análise quantitativa de informação do ambiente econômico e de negócios; apresenta metodologias de tratamento
Leia maisA contribuição de Mineração de Dados no processo de Autoavaliação dos cursos superiores do Instituto Federal de Sergipe
A contribuição de Mineração de Dados no processo de Autoavaliação dos cursos superiores do Instituto Federal de Sergipe Leopoldo Ramos de Oliveira 1, Fausto Bernard Melo Soares 2, José Acácio de Jesus
Leia maisAutor(es) HARLEI MIGUEL DE ARRUDA LEITE. Orientador(es) MARINA TERESA PIRES VIEIRA. Apoio Financeiro PIBIC/CNPQ. 1. Introdução
19 Congresso de Iniciação Científica IMPLEMENTAÇÃO DE GUIAS E ALGORITMOS PARA REGRAS DE ASSOCIAÇÃO MULTIRELACIONAL NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA Autor(es) HARLEI MIGUEL DE ARRUDA LEITE Orientador(es)
Leia maisInformática Parte 19 Prof. Márcio Hunecke
Escriturário Informática Parte 19 Prof. Márcio Hunecke Informática NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês: "machine learning") ou aprendizagem
Leia maisBusiness Intelligence (BI)
Business Intelligence (BI) Conceitos Iniciais Professor: Aurisan Santana CONTEÚDO DO CURSO Business Intelligence (BI): Introdução, Histórico e Conceitos Dado, Informação e Conhecimento Data Warehouse (DW)
Leia maisDE BASE DE CONHECIMENTO E MOTOR DE INFERÊNCIA PARA O PROCESSO DE MINERAÇÃO DE DADOS DA FERRAMENTA KIRA
18º Congresso de Iniciação Científica IMPLEMENTAÇÃO DE BASE DE CONHECIMENTO E MOTOR DE INFERÊNCIA PARA O PROCESSO DE MINERAÇÃO DE DADOS DA FERRAMENTA KIRA Autor(es) ANDRÉ DE ANDRADE BINDILATTI Orientador(es)
Leia maisFigura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Prentice-Hall.
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Prentice-Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado
Leia mais7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS
7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS Autor(es) LIDIA MARTINS DA SILVA Orientador(es) ANA ESTELA ANTUNES DA SILVA 1. Introdução
Leia maisMineração de Dados. Introdução. Mineração de Dados. Introdução Definições Descoberta de Conhecimento em Base de Dados Aplicações
Mineração de Dados Introdução 1 Mineração de Dados Introdução Definições Descoberta de Conhecimento em Base de Dados Aplicações 2 1 Algumas Perguntas Que livros um cliente da Amazon gostaria de comprar?
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis
Leia maisFundamentos de sistemas de informação
Fundamentos de sistemas de informação Unidade 2 - Conceitos básicos de aplicações nas empresas (cont.) Unidade 3 - Tipos de Sistemas de apoio às decisões 1 Ética e TI Fraudes; Crimes eletrônicos; Ameaças
Leia maisData Mining. Felipe E. Barletta Mendes. 21 de maio de 2008
21 de maio de 2008 O foco principal deste material não é apresentar em minúcia todo o contexto de, muito menos o sobre o processo KDD em que a mineração de dados usualmente está inserida. O objetivo é
Leia maisUniversidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática
Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2015.1 Análise de dados públicos de saúde com redes SOM Proposta de Trabalho de Graduação Aluno: Vítor Hugo Antero
Leia maisA Matemática como Serviço a Ciência da Computação. Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação
A Matemática como Serviço a Ciência da Computação Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação A Matemática e Ciência da Computação A Matemática faz parte do DNA
Leia maisGovernança e Big Data. Celso Poderoso
Governança e Big Data Celso Poderoso cpoderoso@microstrategy.com Celso Poderoso Formação Acadêmica: Economista Especialista em Sistemas de Informação Mestre em Tecnologia (Grid Computing/Cloud Computing)
Leia maisInformática. Aprendizado de Máquina. Professor Márcio Hunecke.
Informática Aprendizado de Máquina Professor Márcio Hunecke www.acasadoconcurseiro.com.br Informática Aula XX NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês:
Leia maisKDD E MINERAÇÃO DE DADOS
KDD E MINERAÇÃO DE DADOS O Processo de KDD: Visão Geral Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com
Leia maisInteligência do Negócio
Inteligência do Negócio DENISE NEVES 2017 PROFA.DENISE@HOTMAIL.COM Inteligência do Negócio Objetivo Primeiro Bimestre Apresentar ao aluno as etapas de projeto de Business Intelligence. Introdução a Inteligência
Leia maisPÓS-GRADUAÇÃO LATO SENSU. Curso: Banco de Dados. Disciplina: Data Warehouse e Business Intelligence; Laboratório Professor: Fernando Zaidan
PÓS-GRADUAÇÃO LATO SENSU Curso: Banco de Dados Disciplina: Data Warehouse e Business Intelligence; Laboratório Professor: Fernando Zaidan Apresentação da disciplina 2016 Apresentações e perfil da turma
Leia maisFundamentos da Inteligência de Negócios: Gerenciamento da Informação e de Bancos de Dados by Prentice Hall
Fundamentos da Inteligência de Negócios: Gerenciamento da Informação e de Bancos de Dados 5.1 2007 by Prentice Hall A Abordagem de Banco de Dados para Gerenciamento de Dados Banco de dados: conjunto de
Leia maisClodoaldo A. M. Lima, Sarajane M. Peres. 6 de agosto de 2015
Apresentação - Mineração de Dados Clodoaldo A. M. Lima, Sarajane M. Peres 6 de agosto de 2015 Programa de Pós-Graduação em Sistemas de Informação Mestrado acadêmico - EACH - USP http://ppgsi.each.usp.br
Leia maisCiência da Computação
Ciência da Computação TCC em Re vista 2009 33 CAMPOS, Fernando Antonio Barbeiro; SANTUCI, Leonardo Balduino 5. Estudo de aplicabilidade do padrão MVC. 2009. 111 f. Trabalho de Conclusão de Curso (Graduação
Leia maisMinerando regras de associação
Minerando regras de associação Proposto por Rakesh Agrawal em 1993. É o modelo de mineração de dados mais estudado pela comunidade de banco de dados. Utiliza dados categóricos. Não há bons algoritmos para
Leia maisMINERAÇÃO DE DADOS NO DESENVOLVIMENTO DE SISTEMAS DE ALERTA CONTRA DOENÇAS DE CULTURAS AGRÍCOLAS RESUMO
MINERAÇÃO DE DADOS NO DESENVOLVIMENTO DE SISTEMAS DE ALERTA CONTRA DOENÇAS DE CULTURAS AGRÍCOLAS CARLOS ALBERTO ALVES MEIRA 1 LUIZ HENRIQUE ANTUNES RODRIGUES 2 RESUMO Este artigo apresenta um projeto de
Leia maisPentaho IoT Analytics Open Source Trilha IoT
Pentaho IoT Analytics Open Source Trilha IoT Marcio Junior Vieira CEO & Data Scientist, Ambiente Livre Marcio Junior Vieira Mini-cv 18 anos de experiência em informática, vivência em desenvolvimento e
Leia maisSistemas de Apoio à Decisão
Sistemas de Informação e Bases de Dados 2012/2013 Sistemas de Apoio à Decisão Alberto Sardinha Sumário! Data Warehouse! OLAP! Exemplo de OLAP com SQL Server Business Intelligence Development Studio! 2012
Leia mais6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC5004 - APRENDIZADO DE MÁQUINA
Leia maisKDD 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 maisSistemas de Informação. Alberto Felipe Friderichs Barros
Sistemas de Informação Alberto Felipe Friderichs Barros Introdução Como consumidor você precisa lidar com os sistemas de informações que dão suporte às operações de muitas lojas de varejo em que você faz
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE BIG DATA
PÓS-GRADUAÇÃO ANÁLISE DE BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e
Leia maisMetodologia de Desenvolvimento de Sistemas Informação
Instituto Superior Politécnico de Ciências e Tecnologia Metodologia de Desenvolvimento de Sistemas Informação Prof Pedro Vunge http://pedrovunge.com I Semestre de 2019 Capítulo 2 TECNOLOGIAS PARA DATA
Leia maisFORMAÇÃO DO BACHAREL EM ESTATÍSTICA À LUZ DAS CIÊNCIAS DE DADOS
pg Francisco 1 Louzada (USP) SINAPE São Pedro, 24-29 de setembro de 2018 FORMAÇÃO DO BACHAREL EM ESTATÍSTICA À LUZ DAS CIÊNCIAS DE DADOS Francisco Louzada CER-CEMEAI ICMC-USP pg Francisco 2 Louzada (USP)
Leia maisBanco de Dados Data Mining Data Warehouse Big Data
Universidade Estadual de Mato Grosso do Sul Curso de Computação, Licenciatura Banco de Dados Data Mining Data Warehouse Big Data Prof. José Gonçalves Dias Neto profneto_ti@hotmail.com Data Mining: Introdução
Leia maisProfessor: Eduardo R. Hruschka Estagiário PAE: Luiz F. S. Coletta
Professor: Eduardo R Hruschka Estagiário PAE: Luiz F S Coletta (luizfsc@icmcuspbr) Sumário Definição do projeto 1 Desenvolvimento de algoritmo de Aprendizado de Máquina (AM); 2 Pré-processamento dos dados;
Leia mais10 FORMAS ESTATÍSTICA MODELAGEM PARA USAR
10 FORMAS PARA USAR MODELAGEM ESTATÍSTICA Introdução Conheça um pouco mais sobre algumas modelagens estatísticas e como você pode implantar dentro da sua organização A análise preditiva é capaz de descobrir
Leia maisFundamentos de Mineração de Dados
Fundamentos de Mineração de Dados Prof. Ricardo Fernandes ricardo.asf@ufscar.br O que é Mineração de Dados? Uso de ferramentas matemáticas, clássicas ou inteligentes, no processo de descoberta de conhecimento
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA - UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA - UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento de toolbox de análise multivariada para o matlab. Uberlândia 28/09/10 IDENTIFICAÇÃO DO TRABALHO Título
Leia maisEnglish version at the end of this document
English version at the end of this document Ano Letivo 2017-18 Unidade Curricular SISTEMAS DE INFORMAÇÃO I Cursos MARKETING (º ciclo) Unidade Orgânica Escola Superior de Gestão, Hotelaria e Turismo Código
Leia maisFenómeno da globalização
Fenómeno da globalização Estamos num mundo em que tudo é possível a qualquer hora e em qualquer lugar Uma empresa não pode ser verdadeiramente global sem ter uma rede de comunicações excelente Um negócio
Leia maisMBA ANALYTICS EM BIG DATA
MBA ANALYTICS EM BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e Computação
Leia maisIntrodução ao Data Mining. Sumário
Introdução ao Data Mining Instituto Nacional de Estatística 20-24 de Abril de 2009 Módulo 1 - Data Warehousing e Data Mining - André Falcão (afalcao@di.fc.ul.pt) Graça Gaspar (gg@di.fc.ul.pt) Sumário Data-mining
Leia maisFigura 1: Metodologia de Reconhecimentos de Padrões desenvolvida na UFC
Uma Solução para o GISSA: Análise Comparativa entre Algoritmos de Aprendizagem de Máquina Aplicados em um Dataset Relacionado ao Óbito Infantil Joyce Quintino Alves (1) ; Cristiano Lima da Silva (2); Antônio
Leia maisRoteiro da apresentação
Alexandre Schlöttgen Data Warehouse Curso de Pós Graduação em Ciência da Computação Tópicos Avançados em Modelos de Banco de Dados Profs: Clésio Santos e Nina Edelweiss Junho de 2003 Roteiro da apresentação
Leia mais