Análise de Alergia e Rinite em Escolares por meio da Shell Orion Data Mining Engine
|
|
- Jorge Pinheiro Ramalho
- 8 Há anos
- Visualizações:
Transcrição
1 Análise de Alergia e Rinite em Escolares por meio da Shell Orion Data Mining Engine Merisandra Côrtes de Mattos 1, Diana Colombo Pelegrin 2, Diego Paz Casagrande 3, Priscyla Waleska Targino de Azevedo Simões 4, Rafael Charnovscki 5, Jane Bettiol 6 1 Grupo de Pesquisa em Informática Médica e Telemedicina (Projeto Kiron), Grupo de Pesquisa em Inteligência Computacional Aplicada, Curso de Ciência da Computação, Universidade do Extremo Sul Catarinense (UNESC), Brasil 2,3 Curso de Ciência da Computação, Universidade do Extremo Sul Catarinense (UNESC), Brasil 4 Grupo de Pesquisa em Informática Médica e Telemedicina (Projeto Kiron), Grupo de Pesquisa em Inteligência Computacional Aplicada, Curso de Ciência da Computação, Curso de Medicina, Universidade do Extremo Sul Catarinense (UNESC), Brasil 5 Grupo de Pesquisa em Informática Médica e Telemedicina (Projeto Kiron), Curso de Ciência da Computação, Universidade do Extremo Sul Catarinense (UNESC), Brasil 6 Curso de Medicina, Universidade do Extremo Sul Catarinense (UNESC), Brasil Resumo - A análise de dados, que compreende a busca de conhecimento, pode tornar-se complexa e exaustiva quando é realizada a partir de um enorme volume de dados. Uma maneira eficaz e inteligente de analisar esses dados pode ser realizada por meio do processo de Knowledge Discovery in Databases (KDD), que reúne vários passos e tarefas para a descoberta de conhecimento relevante em grandes bases de dados, tendo-se como uma de suas etapas a de Data Mining (DM), que é responsável por extrair o conhecimento da base. Este artigo relata a Shell Orion Data Mining Engine e a análise da asma e rinite em escolares de Criciúma (SC) por meio da tarefa de classificação e associação na Orion, demonstrando novas relações que podem auxiliar na análise do perfil destas doenças em Criciúma. Palavras-chave: Data Mining, Classificação, Algoritmo ID3, Associação, Algoritmo Apriori, Asma e Rinite. Abstract - Data analysis that involves search of of knowledge may become complex and exhaustive when it covers an enormous volume of data. An effective and intelligent way of analysing these data is to use the Knowledge Discovery in Databases (KDD) process, which combines several steps and tasks to discover what the relevant knowledge is in great data bases, having the Data Mining (DM), responsible for extracting knowledge from the base, as one of its stages. This paper related the shell Orion Data Mining Engine and the analysis of asthma and rhinitis in students from Criciúma (SC) by means the classification and association tasks to the Orion, presenting new relationships which may contribute to the analysis of those diseases profile in Criciúma. Key-words: Data Mining, Classification, ID3 Algorithm, Association, Apriori Algorithm, Asthma and Rhinits. Introdução Data Mining (DM) envolve métodos estatísticos e técnicas da inteligência artificial que possibilitam obter de uma forma eficiente, conhecimentos relevantes a partir de uma base de dados. O data mining envolve tarefas, métodos e algoritmos para que possa ser realizada a extração de novos conhecimentos, utilizando-se para isso de ferramentas que auxiliam neste processo. No mercado tem-se uma variedade destas ferramentas, porém há certa carência de shells gratuitas que possam auxiliar na descoberta de relacionamentos e padrões existentes nos dados. Desse modo, este artigo demonstra a shell de data mining denominada Orion Data Mining Engine que encontra-se em desenvolvimento na Universidade do Extremo Sul Catarinense (UNESC). Assim, no futuro pode-se disponibilizar uma ferramenta gratuita nessa área que cada vez se torna mais relevante para a descoberta de conhecimento nas bases de dados presentes nos vários âmbitos organizacionais, como aqueles que se referem aos negócios, a educação e as instituições de saúde, entre outros. A shell Orion tem implementado os módulos referentes as tarefas de classificação por meio do algoritmo ID3 para a indução das árvores de decisão e de associação pelo algoritmo Apriori. Analisou-se por meio destes módulos da Orion uma base de dados referente a prevalência de asma e rinite em adolescentes escolares de Criciúma. Esta escolha deu-se em função da
2 freqüência destas doenças estarem aumentando nas últimas décadas [1]. Além disso, as causas desse aumento não são totalmente conhecidas [2]. Base de Dados Referente a Asma e Rinite em Escolares de Criciúma Essa base de dados foi constituída por meio de um estudo para determinar a prevalência e severidade da asma e rinite em adolescentes escolares da cidade de Criciúma. Esse estudo foi realizado por meio da análise das respostas, dos estudantes, do Questionário Padronizado Escrito (QE) com o protocolo do Estudo Internacional de Asma e Alergia na Infância e Adolescência (ISAAC). O interesse em realizar esse estudo em Criciúma se deu pela preocupação que se tinha em planejar metas para se obter um maior conhecimento dessa população de pacientes e posteriormente, uma busca do controle da doença no local [2]. A fim de esclarecer os dados que compreendem essa base de dados utilizada para na Shell Orion, serão descritos sucintamente os conceitos de asma e rinite, que consistem em alergias respiratórias. A asma é uma doença inflamatória crônica dos pulmões, sendo mais frequente em crianças. Os sintomas que pessoas asmáticas apresentam, são: crises de falta de ar ou respiração curta, chiado no peito, tosse e falta de fôlego [3]. Da mesma forma que a asma, a rinite é uma doença alérgica que se manifesta no sistema respiratório, no entanto ela ocorre no nariz. Essa doença afeta cerca de 10 a 25% da população, entre adultos e crianças As pessoas com rinite apresentam os seguintes sintomas: obstrução nasal, coriza, espirros e coceira no nariz. Além disto, se não for tratada adequadamente, pode causar outros problemas, como otites (inflamação dos ouvidos), sinusites (inflamação de cavidades existentes na face) e distúrbios do sono [4]. Com o objetivo de determinar a prevalência e severidade dessas doenças nos adolescentes escolares de Criciúma, [2] realizou o estudo por meio de questionários que foram aplicados aos estudantes no período de Novembro de 2004 a Junho de Estudantes das 6ª, 7ª e 8ª séries do ensino fundamental de vinte e seis escolas realizaram o preenchimento desses questionários, sendo que 69,4% destes alunos estudavam em escolas públicas. No entanto, 209 do total de questionários obtidos tiveram que ser excluídos, devido ao preenchimento incorreto, ilegível ou inconsistente, com isso questionários (91,3% do total) foram avaliados [2]. Considerando-se o estudo realizado por meio da análise das respostas dos questionários aplicados, pode-se determinar a prevalência e severidade de asma e rinite em adolescentes escolares de Criciúma [2]. Finalizando-se o entendimento acerca do trabalho de [2] e das doenças asma e rinite, a seguir é descrita a Shell Orion e as etapas metodológicas que foram fundamentais para o desenvolvimento desta ferramenta e da análise dessa base de dados sobre estas alergias respiratórias. Orion Data Mining Engine A Shell Orion Data Mining Engine foi implementada na Linguagem Java devido a algumas de suas várias características, como: permite reutilização de código; as aplicações em Java rodam em qualquer sistema operacional (multiplataforma) e suas ferramentas de programação são gratuitas. O ambiente de programação Java utilizado foi o NetBeans 4.1. Como a shell Orion utiliza a arquitetura Java, definiu-se portanto, a conexão com a base de dados por meio da Java Database Connectivity (JDBC). Na Orion atualmente são possíveis as conexões com os seguintes sistemas gerenciadores de bancos de dados: Firebird, PostgreSQL e MySQL. A escolha destes deu-se em função de possuírem licença freeware, apresentarem bom desempenho e confiabilidade. A Orion possui implementadas as tarefas de classificação pelo algoritmo ID3 e de associação pelo algoritmo Apriori. A tarefa de classificação é uma atividade preditiva que consiste na análise de dados em busca da definição de padrões que descrevem tendências futuras [5]. Essa tarefa define um conjunto de modelos (padrões) que podem ser usados para classificar novos objetos. Esses modelos são construídos com base na análise prévia de um conjunto de dados de amostragem, que possuem objetos corretamente classificados [6]. Os dados utilizados na construção desses modelos não devem ser os mesmos usados para avaliar sua qualidade. Portanto, dois conjuntos de dados devem ser utilizados na tarefa de classificação, sendo um conjunto de treinamento e um de teste. O conjunto de treinamento contém registros que são utilizados na construção do modelo de conhecimento, e o conjunto de teste, contém registros a serem utilizados na avaliação do modelo de conhecimento obtido [7]. A classificação pode ser entendida como a busca por uma integração que permita associar corretamente cada registro X i, de um banco de dados, a um único rótulo categórico Y j (objeto de saída), que corresponde a classe. Assim, uma vez sendo definida, essa função pode ser utilizada para prever a classe de novos registros [7]. A tarefa de classificação para ser realizada necessita que um determinado método seja
3 adotado de acordo com o conhecimento que se deseja extrair da base de dados. No desenvolvimento desta tarefa na shell Orion utilizou-se o método de árvores de decisão, pois segundo [8], sua forma de representar o conhecimento facilita ao usuário a análise e avaliação dos resultados que são obtidos. O método de árvores de decisão consiste em meios de representar o conhecimento na forma de árvore. Neste método, permite-se ao usuário definir o objeto de saída, com isto, a partir de um grupo de dados é possível identificar o fator mais importante correlacionado a este objeto [9]. O conhecimento representado nas árvores de decisão pode ser extraído e representado na forma de regras de classificação do tipo SE- ENTÃO. Sendo assim, cada nó filho da árvore representa uma condição (antecedente) envolvendo um atributo e um conjunto de valores. Enquanto os nós folhas, correspondem às conclusões (conseqüente), que indicam a atribuição de um valor ou conjunto de valores a um atributo do problema [7]. A indução das árvores de decisão é realizada por meio de algoritmos que utilizam uma abordagem recursiva de particionamento dos conjuntos de dados, tendo-se: ID3, C4.5, CART, CHAID, entre outros. No desenvolvimento da tarefa de classificação pelo método de árvores de decisão na shell Orion utilizou-se o algoritmo ID3. O algoritmo ID3 utiliza a lógica e a matemática para processar, organizar e simplificar um grande conjunto de dados. Além disso, possui habilidade para operar dados não numéricos, sendo essa uma diferença entre ele e os métodos estatísticos, pois enquanto o ID3 assume atributos nominais, os métodos estatísticos utilizam atributos numéricos [10]. A indução de árvores de decisão por meio do algoritmo ID3 constitui-se dos seguintes passos [11]: a) selecionar um atributo para ser raiz da árvore e criar tantos ramos quantos valores tiver esse atributo; b) utilizar a árvore gerada para classificar o conjunto de treinamento. Se todos os exemplos em uma folha tiverem o mesmo valor para o objeto de saída, retorne ao nó folha este valor; c) senão, crie um nó com um atributo que ainda não foi utilizado em seus nós ancestrais, e crie todos os ramos possíveis para ele, a seguir retorne ao segundo passo. A forma como o ID3 constrói árvores de decisão é top-down. Este algoritmo consiste num processo recursivo, pois ao escolher um atributo para um nó, partindo da raiz, aplica o mesmo algoritmo aos descendentes desse nó, até que certos critérios de parada sejam atingidos [12]. O algoritmo ID3 emprega a medida do ganho de informação para reduzir a incerteza sobre o valor do objeto de saída. O ganho de informação consiste em uma medida estatística utilizada para a construção das árvores de decisão a fim de escolher o atributo de teste entre todos os envolvidos com o nó em questão. O atributo que possui o maior ganho de informação é aquele que melhor classifica o conjunto de amostras de treinamento [5]. Portanto, o emprego desse conceito de ganho de informação possibilita minimizar a profundidade final da árvore de decisão. A outra tarefa que encontra-se atualmente implementada na shell Orion é a associação. Esta tarefa é responsável por grande parte das soluções usadas para descoberta de padrões. Utiliza metodologia não supervisionada e busca encontrar relacionamentos significativos entre os itens de dados armazenados [13]. O objetivo desta técnica é encontrar em grandes conjuntos de dados tendências que ajudem a compreender padrões. Os algoritmos de associação buscam encontrar relações entre os itens, verificando os eventos que ocorrem simultaneamente, possibilitando o entendimento de novos modelos [9]. Uma regra de associação simples dá-se por meio da utilização de métodos probabilísticos sobre a co-ocorrência de determinados eventos em uma base de dados. Como exemplos para a regra, assumem-se as seguintes variáveis como binárias: IF A=1 AND B=1 THEN C=1 com probabilidade p. Assim, tem-se: p = p (C = 1 A = 1, B = 1) (1) Sendo p a probabilidade condicional de C ocorrer dado os valores de A e B. A partir disso, pode-se chegar a conclusões, como: se os itens A e B tiverem o valor 1, o item C também terá. Esse modelo de associação é considerado simplório sendo usado apenas para dar uma visão geral do processo [14]. Essas regras, na forma A B, podem possuir atributos que limitam a quantidade de regras extraídas e as validam no conjunto de dados. Estes atributos são denominados de suporte e confiança, possibilitando o descarte das regras pouco relevantes e menos freqüentes. De acordo com o propósito da exploração da base de dados são estabelecidos os valores mínimos para o suporte e a confiança, sendo que para o suporte o algoritmo descarta os itemsets com valores menores que o mínimo estabelecido e para a confiança poda as regras com valor de confiança abaixo da mínima. Assim, tem-se o suporte como a freqüência com que os itemsets ocorrem na base de dados e a confiança como a medida da força da regra, representada pela porcentagem. Para a aplicação destes nas regras de associação, é necessário fixar um valor mínimo. Sendo que ao
4 estabelecê-lo, defini-se o suporte mínimo e a confiança mínima. Dentre os métodos de associação tem-se os algoritmos utilizados para extrair relações relevantes das bases de dados, como o: Apriori, GART e Algoritmo de Sequência, entre outros. Na shell Orion foi utilizado o algoritmo Apriori para a extração de conhecimento nas regras de associação. O algoritmo Apriori utiliza itemsets de tamanho K para gerar os próximos conjuntos de tamanho K+1. Assim, o algoritmo encontra primeiramente os grupos de itens com tamanho k=1, denominado L1: a partir dele encontra-se os conjuntos de itemsets com tamanho k=2, formando L2, e assim por diante, até que nenhum conjunto possa ser gerado [15]. Sendo necessário para a formação destes conjuntos que eles possuam o suporte mínimo estabelecido. Este suporte é definido antes da aplicação do algoritmo, sendo um parâmetro necessário à execução do algoritmo. Apriori, respectivamente, e consequentemente implementá-los. A shell de data mining Orion tem a interface principal dividida em quatro blocos, sendo que o primeiro identifica o protótipo e apresenta o logotipo do projeto. No segundo bloco, ao inicializar o sistema, o usuário escolhe qual driver JDBC usará e define o nome, usuário e senha do banco de dados que deseja acessar. Após definida a conexão o terceiro bloco torna-se ativo e possibilita a escolha da tabela que tem seus atributos visualizados em uma lista. Assim, com todos os parâmetros indicados o quarto bloco ativa-se e possibilita a escolha da tarefa de data mining (Figura 1). Metodologia No desenvolvimento da Orion a modelagem matemática foi realizada tanto na concepção do módulo de associação quanto no de classificação. Dessa forma, a fim de exemplificar e melhor compreender como a tarefa de associação trataria os atributos de suporte e confiança na shell Orion realizou-se um estudo demonstrando matematicamente como o suporte pode ser calculado para que se encontre a freqüência com que o item ou grupo de itens ocorrem na base dados. Após a geração das regras o cálculo da confiança foi realizado, sendo podadas as que possuem confiança com valor inferior ao mínimo estabelecido. Com isso, foi possível verificar a importância do suporte e da confiança para a geração das relações e extração do conhecimento das bases de dados. Sendo que estes atributos determinam a quantidade de regras geradas e proporcionam uma maior validade das informações encontradas. Também demonstrou-se matematicamente o cálculo do ganho de informação para que se compreendesse como esse conceito é aplicado na construção da árvore de decisão na tarefa de classificação. Desta forma, o atributo que obteve maior ganho de informação será selecionado para ser a raiz a árvore, de acordo com o objeto de saída selecionado. No entanto, o ganho de informação de cada atributo deve ser calculado considerando-se a partição da base de dados associada ao nó em análise. A compreensão matemática de todo o processo para calcular o ganho de informação, suporte e confiança foram fundamentais para abstrair o funcionamento do algoritmo ID3 e Figura 1 - Interface Principal da Shell Orion O módulo de associação da shell Orion permite selecionar o algoritmo de data mining, visualizar os conjuntos de dados iniciais, contendo uma lista com os atributos e respectivos suportes da tabela selecionada na interface principal e definir o suporte e a confiança necessárias para a execução do algoritmo. A interface possui ainda os botões de Associar (inicializa a execução do algoritmo), Conjuntos Candidatos Gerados Podados (demonstra os conjuntos candidatos podados), Regras (demonstra as regras extraídas da análise da base de dados) e Gráfico (exibe um gráfico de barras que permite ao usuário a visualização dos valores de confiança das regras) (Figura 2). O módulo de classificação da shell Orion (Figura 3) consiste em produzir regras de classificação considerando-se o objeto de saída selecionado pelo usuário, além disso é gerada uma árvore gráfica de modo a possibilitar uma melhor visualização em relação ao atributo que mais influenciou na construção do modelo de conhecimento obtido (Figura 4). No módulo o usuário tem a opção de definir a profundidade da árvore.
5 Resultados A análise da base de dados de asma e rinite em escolares de Criciúma no módulo de classificação da Orion, iniciou-se com a preparação dos dados dessa base de 3019 registros e 21 atributos, de modo a evitar que dados perdidos, inconsistentes e não úteis interferissem no resultado do processo de data mining, para isso, teve-se o auxílio da médica especialista do domínio de aplicação. Com isto, obteve-se uma base de 3010 registros constituída por 15 atributos que foi utilizada para a mineração dos dados. A partir do objeto de saída teve_rinite obteve-se 161 regras, sendo que dentre estas tem-se: Figura 2 Módulo de associação SE espirro_coriza_ano = S (sim) e SE crises_sibilo = N/A (não aplicável) e SE lacrim_coceira = S (sim) e SE teve_asma = N (não) ENTÃO ----> teve_rinite = O mais comum é S (sim) Pode-se observar a relação entre o atributo com maior ganho de informação, ou seja, a ocorrência de espirro ou coriza no último ano, juntamente com a presença de lacrimejamento ou coceira nos olhos naqueles casos onde tem-se um quadro de rinite alérgica. Mediante a análise desta e de outras regras geradas pode-se ressaltar que a presença ou não de asma não é considerado como um dos atributos mais relevantes para se ter rinite. Considerando-se como objeto de saída teve_asma obteve-se 145 regras, sendo que dentre estas tem-se: Figura 3 - Módulo de classificação Figura 4 - Visualização gráfica da árvore de decisão SE sono_pertubado = Menos de 1 noite por semana e SE chiado_exercicio = S (sim) e SE atividades_interf = N/A (não se aplica) e SE tosse_seca = N (não) e SE sibilo_ano = S (sim) ENTÃO ----> teve_asma = O mais comum é S (sim) Nesta regra pode-se identificar que o atributo que obteve maior ganho de informação foi sono_pertubado, tendo-se a seguir a ocorrência de chiado no peito após a prática de exercícios físicos e de sibilo nos últimos 12 meses o que influencia na presença de asma. No módulo de associação da shell Orion a fim de aplicar o algoritmo Apriori, a base de dados foi submetida a etapa de pré-processamento. Nesta fase, os dados foram categorizados e a base transformada em binária. Executando-se o processo de data mining pela tarefa de associação foram descobertas diversas relações. As regras geradas são válidas e representam
6 padrões implícitos na base de dados préprocessada. Apresenta-se a seguir uma relação extraída da base de dados durante a realização dos testes. Conj:{sem_sibilos, chiado_exercido_nao, tosse_seca_sim} Antecessor da Regra: sem_sibilos, tosse_seca_sim Sup. Conj: 339 Confiança: 89% Observa-se que em 89% das transações em que ocorre o conjunto, o antecessor da regra também está presente. Verifica-se ainda, que itemset está contido em 339 tuplas da base de dados. Discussão e Conclusões Executando-se o processo de data mining na shell Orion pelas tarefas de associação e classificação foram descobertas diversas relações válidas que representam padrões implícitos na base de dados pré-processada analisada (3010 registros). Observou-se que o módulo de associação encontra um maior número de regras quando o suporte é baixo. Assim, entende-se que o número de regras geradas é determinado pelo suporte e confiança, ou seja, quanto menor seu valor maior a quantidade de regras de associação geradas. Agradecimentos À Universidade do Extremo Sul Catarinense (UNESC) pelo apoio por meio dos seus programas de incentivo à pesquisa. Referências [1] Grand, E.N.et al, (1999), Observations on emerging patterns of asthma in our society. Socio-economic costs of allergic diseases. J Allergy Clin Immunol. [2] Raasch, C. C. et al, (2005), Prevalência de sintomas de asma e rinite em adolescentes escolares do município de Criciúma, Programa de Iniciação Científica V - Pic V, Criciúma. [3]Tavares, F.M.B.(2001), Asma Brônquica, Medicinal. [4] Melo Junior, J.F., (2005), Rinite Alérgica, Entrevistas Drauzio Varella.Disponível em: evistas/rinite.asp> [5] Motta, C.G.L. (2004), Sistema Inteligente para Avaliação de Riscos em Vias de Transporte Terrestre, Tese de Mestrado, Universidade Federal do Rio de Janeiro. [6] Salvador, H.G., Santos, W.L.M. (2004), Mineração de Dados no Aglomerado Urbano de Cuiabá e Várzea Grande, In: 9º Congresso Regional de Informática e Telecomunicação, Cuiabá. [7] Goldschmidt, R., Passos, E. (2005), Data Mining Um Guia Prático, Rio de Janeiro: Elsevier. [8] Amaral, F.C.N.(2001), Data Mining Técnicas e Aplicações para o Marketing Direto, São Paulo: Berkeley. [9] Serra, L. (2002), A Essência do Business Intelligence, São Paulo: Berkeley. [10] Oliveira, C.J.S. (2001), Classificação de Imagens Coletadas na Web, Mestrado em Ciência da Computação, Universidade Federal de Minas Gerais. [11] Mendonça Neto, M.G.(2001), Mineração de Dados, In: 6º Escola Regional de Informática de São Paulo, São Carlos. [12] Cordeiro, J.P. (2003), Extração de Elementos Relevantes em Texto-Páginas da World Wide Web, Mestrado em Inteligência Artificial e Computação, Faculdade de Ciências da Universidade do Porto. [13]Kantardzic, M. (2003), Data Mining: Concepts, Models, Methods and Algorithms, John Wiley & Sons. [14] Hand,D., Mannila, H., Smyth, P.(2001), Principles of Data Mining, Massachusetts: MIT Press. [15] Souza Filho, H.G. (2004), Extração de Regras de Associação de um Banco de Dados Relacional, Mestrado em Engenharia Civil, Universidade Federal do Rio de Janeiro. Contato Merisandra Côrtes de Mattos, Mestre em Ciência da Computação, Professora do Curso de Ciência da Computação, Pesquisadora do Grupo de Pesquisa em Informática Médica e Telemedicina e do Grupo de Pesquisa em Inteligência Computacional Aplicada, Universidade do Extremo Sul Catarinense. Endereço: Av. Universitária, 1105, Criciúma-SC. Fone: (48) mem@unesc.net
As Tarefas de Associação e de Classificação na Shell de Data Mining Orion
As Tarefas de Associação e de Classificação na Shell de Data Mining Orion Diana Colombo Pelegrin 1, Diego Paz Casagrande 1, Merisandra Côrtes de Mattos 2, Priscyla Waleska Targino de Azevedo Simões 3,
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisSistema de mineração de dados para descobertas de regras e padrões em dados médicos
Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisMINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO
MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data
Leia maisAdministração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados
Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2006.2 Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia maisProjeto de Sistemas I
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Projeto de Sistemas I Professora: Kelly de Paula Cunha E-mail:kellypcsoares@ifsp.edu.br Requisitos: base para todo projeto, definindo o
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisAPLICATIVO WEB PARA O SETOR DE EXTENSÃO IFC VIDEIRA
APLICATIVO WEB PARA O SETOR DE EXTENSÃO IFC VIDEIRA Autores: Claudiléia Gaio BANDT; Tiago HEINECK; Patrick KOCHAN; Leila Lisiane ROSSI; Angela Maria Crotti da ROSA Identificação autores: Aluna do Curso
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisSEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS
SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com
Leia maisExemplo de Aplicação do DataMinig
Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta
Leia maisHistórico de Revisão Data Versão Descrição Autor
H6Projetos Documento de Requisitos Versão 1.3 Histórico de Revisão Data Versão Descrição Autor 05/09/2013 1.0 Preenchimento do Capítulo 2 Requisitos Funcionais Evilson Montenegro 26/09/2013 1.1 Preenchimento
Leia maisO 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
Leia maisCurso de Data Mining
Curso de Data Mining Sandra de Amo Aula 2 - Mineração de Regras de Associação - O algoritmo APRIORI Suponha que você seja gerente de um supermercado e esteja interessado em conhecer os hábitos de compra
Leia maisCHECK - LIST - ISO 9001:2000
REQUISITOS ISO 9001: 2000 SIM NÃO 1.2 APLICAÇÃO A organização identificou as exclusões de itens da norma no seu manual da qualidade? As exclusões são relacionadas somente aos requisitos da sessão 7 da
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisConteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos. Centro Tecnológico. Universidade Federal do Espírito Santo
Universidade Federal do Espírito Santo Centro Tecnológico Departamento de Informática Disciplina: INF 02810 Prof.: (monalessa@inf.ufes.br) Conteúdo 1. Introdução 2. Processo de Software 3. Gerência de
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia maisPROIMRAD X.01: NOVO CÓDIGO PARA GERENCIAMENTO DE REJEITOS RADIOATIVOS
PROIMRAD X.01: NOVO CÓDIGO PARA GERENCIAMENTO DE REJEITOS RADIOATIVOS Alexandre França Velo 1*, Joel Mesa Hormaza 1, Gilberto Ribeiro Furlan 2, Walter Siqueira Paes 2 1* Departamento de Física e Biofísica
Leia maisMódulo 4: Gerenciamento de Dados
Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não
Leia maisProf. Msc. Paulo Muniz de Ávila
Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida
Leia mais3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
Leia maisEngenharia de Software III
Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,
Leia maisUM ESTUDO DE CASO SOBRE A INDEXAÇÃO AUTOMÁTICA DE DOCUMENTOS OFICIAIS DA UENP BASEADO EM LAYOUTS
UM ESTUDO DE CASO SOBRE A INDEXAÇÃO AUTOMÁTICA DE DOCUMENTOS OFICIAIS DA UENP BASEADO EM LAYOUTS Alexia Guilherme Bianque (PIBIC/CNPq), Ederson Marco Sgarbi (Orientador), a.g.bianque10@gmail.com.br Universidade
Leia maisResumo do BABok 2.0 O Guia de Referência de Análise de Negócio Curso de Analista de Negócio 3.0
O que é BABok? O BABok 2.0, Corpo de Conhecimento de Análise de Negócios, é considerado como um Guia Referência de Práticas de Análise de Negócio. Este guia é publicado e mantido pelo IIBA. O guia BABok
Leia maisAGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP.
AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. Luan de Souza Melo (Fundação Araucária), André Luís Andrade Menolli (Orientador), Ricardo G. Coelho
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 maisDesenvolvimento de um CMS 1 para a criação e publicação de web sites acessíveis por deficientes visuais.
Desenvolvimento de um CMS 1 para a criação e publicação de web sites acessíveis por deficientes visuais. Tales Henrique José MOREIRA 1 ; Gabriel da SILVA 2 ; 1 Estudante de Tecnologia em Sistemas para
Leia maisPRIMAVERA RISK ANALYSIS
PRIMAVERA RISK ANALYSIS PRINCIPAIS RECURSOS Guia de análise de risco Verificação de programação Risco rápido em modelo Assistente de registro de riscos Registro de riscos Análise de riscos PRINCIPAIS BENEFÍCIOS
Leia maisENGENHARIA DE SOFTWARE I
ENGENHARIA DE SOFTWARE I Prof. Cássio Huggentobler de Costa [cassio.costa@ulbra.br] Twitter: www.twitter.com/cassiocosta_ Agenda da Aula (002) Metodologias de Desenvolvimento de Softwares Métodos Ágeis
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia maisAPLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA
APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas
Leia mais3 a Lista de Exercícios
Engenharia de Requisitos 3 a Lista de Exercícios (1) Em relação ao levantamento e análise de requisitos, faz-se a seguinte afirmação: Os requisitos de sistema devem ser capturados, documentados e acordados
Leia maisSumário. Uma visão mais clara da UML
Instituto Federal de Santa Catarina Câmpus Chapecó Ensino Médio Integrado em Informática Módulo V Unidade Curricular: Engenharia de Software Professora: Lara P. Z. B. Oberderfer Uma visão mais clara da
Leia maisEspecificação do 3º Trabalho
Especificação do 3º Trabalho I. Introdução O objetivo deste trabalho é abordar a prática da programação orientada a objetos usando a linguagem Java envolvendo os conceitos de classe, objeto, associação,
Leia maisSistema de Controle de Solicitação de Desenvolvimento
Sistema de Controle de Solicitação de Desenvolvimento Introdução O presente documento descreverá de forma objetiva as principais operações para abertura e consulta de uma solicitação ao Setor de Desenvolvimento
Leia maisNo 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
Leia maisMicrosoft Innovation Center
Microsoft Innovation Center Mineração de Dados (Data Mining) André Montevecchi andre@montevecchi.com.br Introdução Objetivo BI e Mineração de Dados Aplicações Exemplos e Cases Algoritmos para Mineração
Leia maisRoteiro para a escrita do documento de Especificação de Requisitos de Software (ERS)
Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Definição Geral: Disciplina de Compiladores Prof. Jorge Bidarra (UNIOESTE) A especificação de requisitos tem como objetivo
Leia maisBanco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados
Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses
Leia maisIMPLEMENTAÇÃO DAS CAMADAS Inference Machine e Message Service Element PARA UM SERVIDOR DE SISTEMA DE GERENCIAMENTO DE Workflow HOSPITALAR
IMPLEMENTAÇÃO DAS CAMADAS Inference Machine e Message Service Element PARA UM SERVIDOR DE SISTEMA DE GERENCIAMENTO DE Workflow HOSPITALAR Jeferson J. S. Boesing 1 ; Manassés Ribeiro 2 1.Aluno do Curso
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisIMPLANTAÇÃO DE UM SISTEMA DE AVALIAÇÃO DE DESEMPENHO NA UFG
IMPLANTAÇÃO DE UM SISTEMA DE AVALIAÇÃO DE DESEMPENHO NA UFG Rosângela da Silva Nunes 1 Centros de Recursos Computacionais - CERCOMP Universidade Federal de Goiás UFG Campus II, UFG, 74000-000, Goiânia
Leia maisIntrodução à Computação
Aspectos Importantes - Desenvolvimento de Software Motivação A economia de todos países dependem do uso de software. Cada vez mais, o controle dos processos tem sido feito por software. Atualmente, os
Leia maisDesenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA
Desenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA RESUMO Ricardo Della Libera Marzochi A introdução ao Service Component Architecture (SCA) diz respeito ao estudo dos principais fundamentos
Leia maisGestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado
Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Alessandro Ferreira Brito 1, Rodrigo Augusto R. S. Baluz 1, Jean Carlo Galvão Mourão 1, Francisco das Chagas Rocha 2
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisTechProf Documento de Arquitetura
TechProf Projeto SuporteProf Versão 1.0 15 de junho de 2016 Responsáveis: Adelson Santos de Melo Filho, Edvaldo Nicolau da Silva, Moisés Luis da Silva Histórico de Revisões Data Versão Descrição Autor
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS Tecnologia em Análise e Desenvolvimento de Sistemas 3ª Série Fundamentos de Análise Orientada a Objetos A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisUnidade VI. Validação e Verificação de Software Teste de Software. Conteúdo. Técnicas de Teste. Estratégias de Teste
Unidade VI Validação e Verificação de Software Teste de Software Profa. Dra. Sandra Fabbri Conteúdo Técnicas de Teste Funcional Estrutural Baseada em Erros Estratégias de Teste Teste de Unidade Teste de
Leia maisGerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto
Gerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com PMBoK Organização do Projeto Os projetos e o gerenciamento
Leia maisModelagemde Software Orientadaa Objetos com UML
Modelagemde Software Orientadaa Objetos com UML André Maués Brabo Pereira Departamento de Engenharia Civil Universidade Federal Fluminense Colaborando para a disciplina CIV 2802 Sistemas Gráficos para
Leia maisOficina. Praça das Três Caixas d Água Porto Velho - RO
Oficina Praça das Três Caixas d Água Porto Velho - RO Oficina Ministrante: Marcel Leite Rios Apresentação Pessoal Marcel Leite Rios Prof. de Informática IFRO Graduado: Sistemas de Informação - ULBRA MBA
Leia maisAMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS
UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO BACHARELADO AMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS Orientando: Oliver Mário
Leia maisO modelo unificado de processo. O Rational Unified Process, RUP.
Cursos: Sistemas de Informação Disciplina: Administração ADM Prof. Jarbas Avaliação: Prova B1, 5º/6º semestres Data: 27/09/2010 Nome: Gabarito RA: Assinatura: Turma: 1) Segundo as afirmações a seguir,
Leia maisEngenharia de Software. Parte I. Introdução. Metodologias para o Desenvolvimento de Sistemas DAS 5312 1
Engenharia de Software Parte I Introdução Metodologias para o Desenvolvimento de Sistemas DAS 5312 1 Mitos do Desenvolvimento de Software A declaração de objetivos é suficiente para se construir um software.
Leia maisUniversidade Paulista
Universidade Paulista Ciência da Computação Sistemas de Informação Gestão da Qualidade Principais pontos da NBR ISO/IEC 12207 - Tecnologia da Informação Processos de ciclo de vida de software Sergio Petersen
Leia maisAUTOR: DAVID DE MIRANDA RODRIGUES CONTATO: davidmr@ifce.edu.br CURSO FIC DE PROGRAMADOR WEB VERSÃO: 1.0
AUTOR: DAVID DE MIRANDA RODRIGUES CONTATO: davidmr@ifce.edu.br CURSO FIC DE PROGRAMADOR WEB VERSÃO: 1.0 SUMÁRIO 1 Conceitos Básicos... 3 1.1 O que é Software?... 3 1.2 Situações Críticas no desenvolvimento
Leia maisGESTÃO DAS INFORMAÇÕES DAS ORGANIZAÇÕES MÓDULO 11
GESTÃO DAS INFORMAÇÕES DAS ORGANIZAÇÕES MÓDULO 11 Índice 1. Importância do ERP para as organizações...3 2. ERP como fonte de vantagem competitiva...4 3. Desenvolvimento e implantação de sistema de informação...5
Leia maisPlanejamento 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
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisARCO - Associação Recreativa dos Correios. Sistema para Gerenciamento de Associações Recreativas Plano de Desenvolvimento de Software Versão <1.
ARCO - Associação Recreativa dos Correios Sistema para Gerenciamento de Associações Recreativas Versão Histórico da Revisão Data Versão Descrição Autor Página
Leia maisDocumentação da Ferramenta EMap Edimar Manica
Documentação da Ferramenta EMap Edimar Manica 1. Objetivo A ferramenta EMap (Extrai e Mapeia) tem como objetivo permitir o suporte a consultas temporais, escritas na linguagem de consulta temporal TSQL2,
Leia maisMaterial de Apoio. Sistema de Informação Gerencial (SIG)
Sistema de Informação Gerencial (SIG) Material de Apoio Os Sistemas de Informação Gerencial (SIG) são sistemas ou processos que fornecem as informações necessárias para gerenciar com eficácia as organizações.
Leia maisNoções de. Microsoft SQL Server. Microsoft SQL Server
Noções de 1 Considerações Iniciais Basicamente existem dois tipos de usuários do SQL Server: Implementadores Administradores 2 1 Implementadores Utilizam o SQL Server para criar e alterar base de dados
Leia maisOrganizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperação de Informação GSI521 Prof. Rodrigo Sanches Miani FACOM/UFU Introdução Organização e Recuperação de Informação(GSI521) Tópicos Recuperação de informação (RI); Breve histórico; O
Leia maisCritérios para certificação de Sites SciELO: critérios, política e procedimentos para a classificação e certificação dos sites da Rede SciELO
Critérios para certificação de Sites SciELO: critérios, política e procedimentos para a classificação e certificação dos sites da Rede SciELO Versão Março 2008 1 Introdução Este documento tem por objetivo
Leia maisA PÁGINA DISCIPLINAR DE MATEMÁTICA DO PORTAL DIA A DIA EDUCAÇÃO
A PÁGINA DISCIPLINAR DE MATEMÁTICA DO PORTAL DIA A DIA EDUCAÇÃO Resumo: Dolores Follador Secretaria de Estado da Educação do Paraná e Faculdades Integradas do Brasil - Unibrasil doloresfollador@gmail.com
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisINSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA CURSO DE ESPECIALIZAÇÃO EM ANÁLISE DE AMBIENTE ELETROMAGNÉTICO CEAAE /2008 DISCIPLINA EE-09: Inteligência
Leia maisIMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES ENTRE PRODUTOS DE UMA BASE DE DADOS REAL
Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação
SOFT DISCIPLINA: Engenharia de software AULA NÚMERO: 08 DATA: / / PROFESSOR: Andrey APRESENTAÇÃO O objetivo desta aula é apresentar e discutir conceitos relacionados a modelos e especificações. Nesta aula
Leia mais3 Metodologia para Segmentação do Mercado Bancário
3 Metodologia para Segmentação do Mercado Bancário Este capítulo descreve a metodologia proposta nesta dissertação para a segmentação do mercado bancário a partir da abordagem post-hoc, servindo-se de
Leia maisPós-Graduação em Gerenciamento de Projetos práticas do PMI
Pós-Graduação em Gerenciamento de Projetos práticas do PMI Planejamento do Gerenciamento das Comunicações (10) e das Partes Interessadas (13) PLANEJAMENTO 2 PLANEJAMENTO Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 ABRIL
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisUNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado)
UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado) SISTEMA INTERNO INTEGRADO PARA CONTROLE DE TAREFAS INTERNAS DE UMA EMPRESA DE DESENVOLVIMENTO
Leia maisLINGUAGENS E PARADIGMAS DE PROGRAMAÇÃO. Ciência da Computação IFSC Lages. Prof. Wilson Castello Branco Neto
LINGUAGENS E PARADIGMAS DE PROGRAMAÇÃO Ciência da Computação IFSC Lages. Prof. Wilson Castello Branco Neto Conceitos de Linguagens de Roteiro: Apresentação do plano de ensino; Apresentação do plano de
Leia maisMASSACHUSETTS INSTITUTE OF TECHNOLOGY Sloan School of Management
MASSACHUSETTS INSTITUTE OF TECHNOLOGY Sloan School of Management 15.565 INTEGRAÇÃO DE SISTEMAS DE INFORMAÇÃO: FATORES TECNOLÓGICOS, ESTRATÉGICOS E ORGANIZACIONAIS Panorama Funcional CP0 -- INTRODUÇÃO AO
Leia maisFACULDADE DE ENGENHARIA DE COMPUTAÇÃO. PROJETO FINAL I e II PLANO DE TRABALHO <NOME DO TRABALHO> <Nome do Aluno> <Nome do Orientador>
FACULDADE DE ENGENHARIA DE COMPUTAÇÃO PROJETO FINAL I e II PLANO DE TRABALHO O Trabalho de Conclusão de Curso (TCC) a ser desenvolvido
Leia mais2 Diagrama de Caso de Uso
Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa
Leia maisOBSERVATÓRIO DE GESTÃO DA INFORMAÇÃO. Palavras-chave: Gestão da Informação. Gestão do conhecimento. OGI. Google alertas. Biblioteconomia.
XIV Encontro Regional dos Estudantes de Biblioteconomia, Documentação, Ciência da Informação e Gestão da Informação - Região Sul - Florianópolis - 28 de abril a 01 de maio de 2012 RESUMO OBSERVATÓRIO DE
Leia maisGerenciamento de Riscos do Projeto Eventos Adversos
Gerenciamento de Riscos do Projeto Eventos Adversos 11. Gerenciamento de riscos do projeto PMBOK 2000 PMBOK 2004 11.1 Planejamento de gerenciamento de riscos 11.1 Planejamento de gerenciamento de riscos
Leia maisFases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
Leia maisGEADA. Gerador de Expressões Algébricas em Digrafos Acíclicos. para versão 1.0, de agosto/2008. Autor: Márcio Katsumi Oikawa
GEADA Gerador de Expressões Algébricas em Digrafos Acíclicos para versão 1.0, de agosto/2008. Autor: Márcio Katsumi Oikawa 1 1 Introdução O GEADA (Gerador de Expressões Algébricas em Digrafos Acíclicos)
Leia maisANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 4º PERÍODO - 7º MÓDULO AVALIAÇÃO A4 DATA 22/10/2009 ENGENHARIA DE USABILIDADE
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 4º PERÍODO - 7º MÓDULO AVALIAÇÃO A4 DATA 22/10/2009 ENGENHARIA DE USABILIDADE 2009/2 GABARITO COMENTADO QUESTÃO 1: Quando nos referimos à qualidade da interação
Leia maisNovell. Novell Teaming 1.0. novdocx (pt-br) 6 April 2007 EXPLORAR O PORTLET BEM-VINDO DESCUBRA SEU CAMINHO USANDO O NOVELL TEAMING NAVIGATOR
Novell Teaming - Guia de início rápido Novell Teaming 1.0 Julho de 2007 INTRODUÇÃO RÁPIDA www.novell.com Novell Teaming O termo Novell Teaming neste documento se aplica a todas as versões do Novell Teaming,
Leia maisAplicação Prática de Lua para Web
Aplicação Prática de Lua para Web Aluno: Diego Malone Orientador: Sérgio Lifschitz Introdução A linguagem Lua vem sendo desenvolvida desde 1993 por pesquisadores do Departamento de Informática da PUC-Rio
Leia maisPlanejamento - 7. Planejamento do Gerenciamento do Risco Identificação dos riscos. Mauricio Lyra, PMP
Planejamento - 7 Planejamento do Gerenciamento do Risco Identificação dos riscos 1 O que é risco? Evento que representa uma ameaça ou uma oportunidade em potencial Plano de gerenciamento do risco Especifica
Leia maisSAV Sistema de Aluguel de Veículos I - DOCUMENTO DE REQUISITOS Versão 1.00
SAV Sistema de Aluguel de Veículos I - DOCUMENTO DE REQUISITOS Versão 1.00 Conteúdo 1. INTRODUÇÃO...3 1.1 CONVENÇÕES, TERMOS E ABREVIAÇÕES... 3 1.1.1 Identificação dos Requisitos... 3 1.1.2 Prioridades
Leia maisSaúde da mulher em idade fértil e de crianças com até 5 anos de idade dados da PNDS 2006
Saúde da mulher em idade fértil e de crianças com até 5 anos de idade dados da PNDS 2006 José Cechin Superintendente Executivo Francine Leite Carina Burri Martins Esse texto compara as morbidades referidas
Leia maisDesenvolvimento de aplicações web com JSP
Desenvolvimento de aplicações web com JSP Leandro Soares de Sousa, Paulo Henrique de Sousa Sistemas de Informação Centro Universitário Luterano de Palmas (CEULP/ULBRA) Cx. Postal 160 77054-970 Palmas TO
Leia maisGerenciamento de Projeto
UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE BIOCIÊNCIAS, LETRAS E CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Gerenciamento de Projeto Engenharia de Software 2o. Semestre/ 2005
Leia mais