VÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA
|
|
- Esther Tuschinski
- 5 Há anos
- Visualizações:
Transcrição
1 Business Inteligence & Analytics VÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA
2 Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas de modelagem preditiva Ferramentas
3 Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas de modelagem preditiva Ferramentas
4 Formação: Mariana Fontanezi Graduada em estatística pela ENCE Pós graduada em Engenharia de Produção pela UFF Cerfificada em SAS Predictive Modeller Using SAS Enterprise Miner 13 pelo SAS Experiências: Modelagem preditiva utilizando ferramentas de mercado como SAS e R. Técnicas de Data mining, modelagem preditiva e manipulação de grande massa de dados Atualmente: Pré-Sales Consultant - SAS
5 Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas de modelagem preditiva Ferramentas
6 O Big Data O que é? Grande volume de dados armazenados Informações que traduzem a realidade Variedade Informações dos mais diversos tipos Informações que conseguem auxiliar na tomada de decisão Big Data Informações chegando a todo momento Velocidade Volume Muitas Informações que chegam a todo momento
7 Big Data O que fazer? O que fazer com essa enorme massa de dados que temos? Capturar Coletar as informações necessárias Analisar Analisar os dados, entender o que os números estão dizendo Apresentar Apresentar as informações analisadas Tomada de decisão
8 Big Data Curiosidades... 29% da população do mundo usou um site de rede social em % da população de usuários de internet do Brasil usaram rede social em Twitter registra 100 milhões de tweets por dia. Facebook conta 350 milhões de visitantes únicos por dia. 80% das empresas usam as mídias sociais para o recrutamento 60 horas de vídeo são transferidos para o YouTube a cada 60 segundos.
9 O BI Tradicional BA & BI Quais seriam nossas melhores opções? O que irá acontecer daqui para frente? E se esta tendência continuar? Por que isso está acontecendo? Onde aconteceu? O que aconteceu? O que fazer quando acontecer novamente? Porque aconteceu? Best Case: O que de melhor podemos obter Insight : Adquirindo conhecimento Monitoramento: Disseminando informações que nós conhecemos F U T U R O P A S S A D O Estratégia e decisão Fundamentada Ciência
10 Analytics BA & BI Quais seriam nossas melhores opções? O que irá acontecer daqui para frente? E se esta tendência continuar? Por que isso está acontecendo? Onde aconteceu? O que aconteceu? O que fazer quando acontecer novamente? Porque aconteceu? Best Case O que de melhor podemos obter Insight - Adquirindo conhecimento Monitoramento: Disseminando informações que nós conhecemos F U T U R O P A S S A D O
11 Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas de modelagem preditiva Ferramentas
12 O ciclo analítico BUSINESS MANAGER Especialista Toma decisões Monitorar resultados Identificar / Formular o problema Preparar os dados BUSINESS ANALYST Exploração dos dados Visualização dos dados Criação de relatórios Implementar modelos Explorar os dadoos IT SYSTEMS / MANAGEMENT Preparação dos dados Validação do modelo Implementação do modelo Monitoramento do modelo V alidar Modelos Construir Modelos Transformar os dados DATA MINER Análise exploratória Análise de segmentação Modelos Preditivos
13 Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas de modelagem preditiva Ferramentas
14 Relembrando ciclo analítico... Monitorar resultados Identificar / Formular o problema Preparar os dados Implementar modelos Explorar os dadoos V alidar Modelos Construir Modelos Transformar os dados
15 Mineração de dados Monitorar resultados Identificar / Formular o problema Preparar os dados Implementar modelos Explorar os dadoos A mineração de dados foca nos seguintes aspectos do processo analítico. V alidar Modelos Construir Modelos Transformar os dados DATA MINER Análise exploratória Análise de segmentação Modelos Preditivos
16 O que é Descobrir informações, padrões, tendências e relações existentes em grandes quantidades de dados; Desenvolver modelos para entender e descrever as características e atividades com base nesses padrões; Ajudar a avaliar as opções e tomar decisões baseadas em fatos e dados.. Past Future. time. Observed Events Predicted Events
17 Tipos de análises Risco de Inadimplência Identificar os clientes que possuem maior probabilidade de se tornarem inadimplentes; Prevenção à fraude Mineração de dados do comportamento da fraude, de forma a estabelecer o padrão dos fenômenos e mitigar riscos, identificando casos fraudulentos;
18 Tipos de análises Segmentação de clientes Classificação dos clientes em função da sua capacidade e comportamento de consumo; Prevenção Manutenção à preditiva fraude Análise do comportamento histórico dos ativos para predizer probabilidades de falhas/ocorrências, indo além da manutenção reativa e preventiva..
19 Tipos de análises Análise de Churn Entendimento do comportamento de clientes insatisfeitos que migraram de serviço; Análise Prevenção da imagem à da fraude marca Mineração textual sobre o que as pessoas estão dizendo a respeito de sua marca.
20 Técnicas Modelagem descritiva: Revela semelhanças ou agrupamentos em dados históricos para determinar as razões por trás do sucesso ou até mesmo do fracasso. Algumas destas técnicas são: Clustering: Realiza agrupamentos automáticos dos dados conforme algum grau de semelhança entre eles Técnica utilizada também com algorítmos de texto Agrupa textos que falem sobre um mesmo assunto e separa textos diferentes.
21 Técnicas Detecção de anomalias: Identificação de valores discrepantes e comportamentos suspeitos em uma grande massa de dados Box Plot Volume superior ao esperado. Suspeita de fraude?? Número de transações recebidas
22 Técnicas Modelagem Preditiva: A Modelagem preditiva vai mais além para classificar eventos no futuro ou até mesmo estimar resultados desconhecidos Modelo de regressão: Modelos matemáticos que medem relação entre uma variável dependente e uma série de variáveis independentes. Relação entre a idade e o peso
23 Técnicas Redes neurais: Técnicas computacionais que detectam padrões, fazem previsões e adquirem conhecimento através da experiência. Árvores de decisão: Diagramas que permitem representar e avaliar problemas que envolvem decisões sequenciais. É um dos modelos mais práticos e mais utilizados em inferência indutiva.
24 Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas de modelagem preditiva Ferramentas
25 Relembrando ciclo analítico... Monitorar resultados Identificar / Formular o problema Preparar os dados Implementar modelos Explorar os dadoos V alidar Modelos Construir Modelos Transformar os dados
26 Modelagem preditiva Monitorar resultados Identificar / Formular o problema Preparar os dados Implementar modelos Explorar os dadoos A modelagem preditiva também foca nos seguintes aspectos do processo analítico. V alidar Modelos Construir Modelos Transformar os dados DATA MINER Análise exploratória Análise de segmentação Modelos Preditivos
27 O que é? Previsão é um elemento chave na tomada de decisão Controle de Processo Planejamento de Produção Sistema de Previsão Planejamento de Oportunidades Planejamento Financeiro Gerenciamento de Estoque Escalonamento de Pessoal
28 Previsão estatística Previsão é um elemento chave na tomada de decisão Decisão = Previsão + Erro
29 Tipos de análises Planejamento da produção Prever o qual será a demanda de cada um dos seus produtos do próximo dia/mês/ano de forma otimizar a capacidade do seu estoque Planejamento financeiro Prever e acompanhar a receita da empresa a partir de limites de controle e alertas
30 Tipos de análises Previsão de audiência Prever o qual será a audiência esperada da sua empresa Escalonamento de pessoal Previsão do volume de chamados de call center otimizando o número de PA s
31 Previsão estatística Histórico Forecasts Métodos de séries temporais que utilizam dados históricos como base para estimar os resultados futuros Prática de prever ao longo do tempo baseando-se em: Informações passadas (Histórico dos dados) Informações externas (dados do negócio e que possam causar impacto aos dados analisados)
32 Técnicas Modelo de regressão: Assim como na técnica de mineração de dados, os modelos de regressão também são utilizados para realizar previsões no tempo. Modelo de Demanda Intermitente: Muito utilizado para previsão de estoque de peças de reposição. Característica: demanda muito baixa, chegando a não existir a requisição das mesmas por meses. A série de dados possui diversas quebras e um baixo volume.
33 Técnicas Modelo SARIMA / ARIMAX: Proposto por Box e Jenkis Modelo muito utilizado para previsão de demanda devido à sua capacidade de considerar fatores importantes nas séries temporais como: tendência, sazonalidade e variáveis externas. Modelo Auto-regressivo (AR) integrado (I) com médias móveis (MA) e variáveis externas (X) Analisa informações nos instantes anteriores a t (t-s) Avalia e considera a existência de tendência e sazonalidade dos dados Considera a soma algébrica ponderada das médias que se movem no tempo Avalia e considera a existência de variáveis externas que podem impactar o modelo
34 Técnicas Modelo Componentes não Observáveis Modelo que Decompõe a série temporal em: Tendência + Ciclo + Sazonalidade + erro Característica: Analisa o comportamento dinâmico de cada componente da variável. Muito difundido antes da metodologia proposta por Box e Jenkis. Modelo Alisamento Exponencial Grande popularidade devido à simplicidade, eficiência computacional e razoável previsão Característica: Considera que dados do passado contém informações sobre o padrão da série. Objetivo: distinguir o padrão da série de dados do ruído que possa estar contido nas observações.
35 Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas de modelagem preditiva Ferramentas
36 Ferramentas Existem algumas ferramentas free que dão suporte às técnicas estatísticas mais avançadas... Free SAS software
37 Obrigada Mariana Fontanezi
10 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 maisIntrodução ao Data Mining (Mineração de Dados)
Introdução ao Data Mining (Mineração de Dados) Quem é da área de TI, provavelmente já ouviu sobre Data Mining, mesmo que não saiba o que é. É uma das últimas modas relacionados à BD. Para se ter uma noção
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisO que é preciso para ser Cientista de Dados?
O que é preciso para ser Cientista de Dados? Cássio Socal Cervo Administração de Empresas - PUCRS Ciências Contábeis - PUCRS MBA Gerenciamento de Projetos - FGV/Decision MBA Big Data e Analytics - FGVSP
Leia maisMineração 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 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 maisO QUE É O BIG DATA? Big Data é o termo que descreve uma quantidade enorme de informações (volume de dados). BIG DATA ALGORITMOS 2
O QUE É O BIG DATA? Big Data é o termo que descreve uma quantidade enorme de informações (volume de dados). BIG DATA ALGORITMOS 2 O QUE É O BIG DATA? Os dados são o novo petróleo O Big Data, tal como o
Leia maisSistemas de Informação e Decisão. Douglas Farias Cordeiro
Sistemas de Informação e Decisão Douglas Farias Cordeiro Decisão Tomamos decisões a todo momento! O que é uma decisão? Uma decisão consiste na escolha de um modo de agir, entre diversas alternativas possíveis,
Leia maisFerramenta para suporte à tomada de decisões Ayrton Silva
Ferramenta para suporte à tomada de decisões Ayrton Silva AMM Paraná 1 Ferramenta para suporte à tomada de decisões Ayrton Silva, PMP AMM Paraná 2 A população mundial está crescendo e a produção de alimentos
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 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 maisModelagem de Risco de Crédito
Modelagem de Risco de Crédito Douglas Beserra Pinheiro 23/02/2017 Agenda Papel da Área de Risco de Crédito Exemplo de desenvolvimento de um modelo de previsão de inadimplência Perfil dos profissionais
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 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 maisEstatística básica para Comunicadores
Estatística básica para Comunicadores Sobre a CRIS Estatística formada pela USP, pós graduada em Ciências do Consumo pela ESPM. Experiência de 10 anos, em grandes empresas líderes de diferentes segmentos
Leia maisOs cruzamentos tributários e a inteligência fiscal na RFB
Julho de 2015 Refere-se ao grande volume, alta velocidade e alta variedade de informação ativa, que exige formas inovadoras e rentáveis de processamento de dados para uma melhor percepção e tomada de
Leia maisBIG DATA Business Analytics Alexandre Massei
Filme BIG DATA Business Analytics Alexandre Massei almassei@gmail.com » A quantidade de informação gerada hoje pelos sistemas de informação dobra a cada 14 meses!» 90% dos dados no mundo hoje foram criados
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
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 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 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 maisAdvanced Audit Analytics Como fortalecer a Auditoria Interna explorando o Big Data e as tendências da Transformação Digital
Advanced Audit Analytics Como fortalecer a Auditoria Interna explorando o Big Data e as tendências da Transformação Digital Alessandro Gratão Marques Sócio-Diretor Líder de Internal Audit & Financial Advisory
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 maisDescoberta de conhecimento em textos - Análise semântica. Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes
Descoberta de conhecimento em textos - Análise semântica Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes Introdução Diversidade de textos não padronizados; Emails, artigos,
Leia maisBig Data. Transformando a gestão de dados a favor do negócio. Estevão Lazanha
Big Data Transformando a gestão de dados a favor do negócio Estevão Lazanha Itaú alguns números 63 a maior empresa do mundo (fonte: Forbes) 4,062 agências e PABs 24,597 caixas eletrônicos no Brasil US$
Leia maisClassificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si
Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação de Dados Os modelos de classificação de dados são preditivos, pois desempenham inferências
Leia maisData Analytics Prevenção e deteção de Fraude
www.pwc.pt Data Analytics Prevenção e deteção de Fraude 21 Agenda Auditoria Interna e Fraude Agenda Introdução à Fraude Papel da Auditoria Interna Cases Studies Data Analytics Exemplos Reconhecer 3 Conceito
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 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 maisSão Paulo. August,
São Paulo August, 28 2018 Maximize resultados relacionando Aplicações, Dados e Analytics para IoT Com Dell EMC Isilon e ECS Sergio Moure Domingues Enterprise Sales Brazil Unstructured Data Solutions -
Leia maisPrevisão de Séries Temporais utilizando Métodos Estatísticos
Previsão de Séries Temporais utilizando Métodos Estatísticos Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José Thadeu Pinto
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 maisTecnologia RFID aplicada a agrocomputação: Um estudo de caso utilizando descoberta de conhecimento em base de dados
Tecnologia RFID aplicada a agrocomputação: Um estudo de caso utilizando descoberta de conhecimento em base de dados Nome: Alex Sandro de Paula Rodrigues; Orientadora: Profª. Dra. Regina Barwaldt ORGANIZAÇÃO
Leia maisAnálise e previsão das taxas da população ocupada em Fortaleza, Ceará, de setembro de 1991 a dezembro de 2008
Análise e previsão das taxas da população ocupada em Fortaleza, Ceará, de setembro de 1991 a dezembro de 2008 Daniela Bandeira, Paulo Germano, Filipe Formiga e Jeremias Leão Universidade Federal do Piauí
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 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 maisSAS BUSINESS ANALYTICS PARA MELHORIAS NO SETOR PÚBLICO MONICA SZWARCWALD TSZYLER DIRETORA DE SOLUÇÕES SAS
SAS BUSINESS ANALYTICS PARA MELHORIAS NO SETOR PÚBLICO MONICA SZWARCWALD TSZYLER DIRETORA DE SOLUÇÕES SAS C o p yr i g ht 2014, S A S I nstitute Inc. A l l r i g hts r eser v ed. SETOR PÚBLICO OS DESAFIOS
Leia maisMODELAGEM PREDITIVA. Big Data e Machine Learning para a redução de custos médicos
MODELAGEM PREDITIVA Big Data e Machine Learning para a redução de custos médicos Você sabia que 5% da população de alto risco é responsável por 25% do custo total com saúde?* *Em relação ao modelo de Alto
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 maisPeople Analytics. 10Minutos People & Organisation. Destaque. Resultados da pesquisa sobre maturidade da pra tica de People Analytics
10Minutos People & Organisation Resultados da pesquisa sobre maturidade da pra tica de People Analytics People Analytics Destaques Agosto de 2015 Destaque Embora os respondentes tenham indicado que as
Leia maisRoteiro. PCC142 / BCC444 - Mineração de Dados. Cenário
Roteiro PCC142 / BCC444 - Mineração de Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br www.decom.ufop.br/luiz Introdução Tarefas
Leia maisBIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM. Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP.
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP Informações Central de Relacionamento: (11) 5081-8200 (opção 1) Segunda
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 maisBIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM. Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP.
BIG DATA,DATA SCIENCE e ANALYTICS aplicados ao MARKETING MANUAL DO CURSO ESPM Rua Joaquim Távora, 1240 Vila Mariana São Paulo/SP Informações Central de Relacionamento: (11) 5081-8200 (opção 1) Segunda
Leia maisPMR3507 Fábrica digital
LSA Laboratório de Sistemas de Automação www.pmrlsa.poli.usp.br PMR3507 Fábrica digital Cyber Physical System Escola Politécnica da Universidade de São Paulo Departamento de Engenharia Mecatrônica e de
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 maisDESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING. Aluno José Lino Uber. Orientador Paulo Roberto Dias
DESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING Aluno José Lino Uber Orientador Paulo Roberto Dias Dezembro/2004 Roteiro Introdução Objetivo Conceitos Motivação / Tipos
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 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 maisAprendizado de Máquina
Aprendizado de Máquina Aula #8.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Conhecimento: abstração (modelo) das relações existentes entre as informações contidas nos
Leia maisDesenvolvimento de uma metodologia para avaliação da demanda e capacidade de carga nos principais aeroportos brasileiros
Desenvolvimento de uma metodologia para avaliação da demanda e capacidade de carga nos principais aeroportos brasileiros Michel de Oliveira Vasconcelos Instituto Tecnológico de Aeronáutica, São José dos
Leia maisCOMO BIG DATA E BUSINESS ANALYTICS PODEM MUDAR O RUMO DO SEU NEGÓCIO
COMO BIG DATA E BUSINESS ANALYTICS PODEM MUDAR O RUMO DO SEU NEGÓCIO Com o Big Data, o volume de dados produzidos e a diversidade de novas fontes de dados que apareceram nos últimos anos, organizações
Leia maisPor que as iniciativas de análises de próxima geração falham.
decision ready. Por que as iniciativas de análises de próxima geração falham. Os obstáculos para desenvolver uma cultura orientada por dados. Neste ponto, não há dúvida: as análises mudaram a maneira como
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 maisComputação e Imagens: PI, CG e Visualização. Computação Visual
Computação e Imagens: PI, CG e Visualização Computação Visual Instituto de Ciências Matemáticas e de Computação ICMC-USP São Carlos, 2016 1 Roteiro Visão Geral das áreas da computação que envolvem manipulação
Leia maisAPLICAÇÕES DE ESTATÍSTICA PARA TOMADA DE DECISÃO
CURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA PARA TOMADA DE DECISÃO CARGA HORÁRIA: 92 horas COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS O curso tem como objetivo apresentar algumas técnicas
Leia maisCentro de Controle Inteligente (CCI)
Centro de Controle Inteligente (CCI) Diogo Cezari Coordenador de Smart Cities IBM Cloud / DOC ID / Month XX, 2018 / 2018 IBM Corporation Agenda O que é Smart City? Cenários Centro de Controle Inteligente
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 maisCURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA
CURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA OBJETIVO O curso tem como objetivo apresentar algumas técnicas de estatística aplicada utilizar a na análise de dados. PERFIL DO ALUNO Destina-se a executivos das
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 maisCOMO O USO DE FERRAMENAS DE DATA SCIENCE TEM AUXILIADO AS EMPRESAS NA CONSTRUÇÃO E DESENVOLVIMENTO DAS ESTRATÉGIAS DE PRICING MAIS ASSERTIVA E COM
COMO O USO DE FERRAMENAS DE DATA SCIENCE TEM AUXILIADO AS EMPRESAS NA CONSTRUÇÃO E DESENVOLVIMENTO DAS ESTRATÉGIAS DE PRICING MAIS ASSERTIVA E COM RESULTADOS SUPERIORES Big Data é o futuro? 2 Big Data
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 maisTransformação Digital no Setor Elétrico
Transformação Digital no Setor Elétrico 23 DE MAIO DE 2018 1 Big data ou little data, o que importa é a sua análise dos dados Felipe Rejes, Product Support Engineer 23-MAI-18 Existem grandes possibilidades
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 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 maisUNIVERSIDADE PRESBITERIANA MACKENZIE
1. Identificação do Curso a. Curso de Especialização em: Ciência de Dados (BIG DATA ANALYTICS) b. Área: Computação c. Área temática (tema): BIG DATA d. Linha de Pesquisa: Computação e Sistemas de Informação
Leia maisSistemas de Informação (SI) Sistemas que abrangem toda a empresa II
Sistemas de Informação (SI) Sistemas que abrangem toda a empresa II Prof.ª Dr.ª Symone Gomes Soares Alcalá Universidade Federal de Goiás (UFG) Regional Goiânia (RG) Faculdade de Ciências e Tecnologia (FCT)
Leia maisCASE DE SUCESSO FCA. Market Research & BI Marcelo Fantini Manager
CASE DE SUCESSO FCA Market Research & BI Marcelo Fantini Manager Foco no Cliente Foco do Cliente Orientada ao Cliente SE É UMA EMPRESA ORIENTADA AO CLIENTE:... Surge então o grande desafio! Temos que usar
Leia maisANÁLISE DE BIG DATA E DIGITAL ANALYTICS
CURTA DURAÇÃO ANÁLISE DE BIG DATA E DIGITAL ANALYTICS CARGA HORÁRIA: 80 horass COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS O curso de Digital Analytics tem como objetivo preparar o aluno
Leia mais5 Modelagem e análise dos resultados
5 Modelagem e análise dos resultados Neste capítulo serão detalhados os resultados da modelagem realizada por meio de árvores de decisão, a escolha final do modelo das variáveis que melhor definem o perfil
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 maisDesafio de Crescimento e Rentabilidade. O uso prático de Analytics em Varejo
Desafio de Crescimento e Rentabilidade. O uso prático de Analytics em Varejo Cinco pontos chaves CLIENTES: Consumidores 24X7 com novas (e mais altas) expectativas de nível de serviço, um ambiente competitivo
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 maisGPDI Grupo de Profissionais de Dados e Inteligência
GPDI Grupo de Profissionais de Dados e Inteligência Mercado de Trabalho BD, BI e BIG Data Uma visão geral do mercado, com foco em Profissionais de Dados Grupo de Profissionais de Dados e Inteligência Quem
Leia maisBAM Business Activity Monitoring. Porque sua empresa deve começar a monitorar indicadores de negócio em tempo real a partir de agora?
BAM Business Activity Monitoring Porque sua empresa deve começar a monitorar indicadores de negócio em tempo real a partir de agora? SOBRE A OPSERVICES Fabricante de software focada no gerenciamento de
Leia maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
Leia maisAprendizagem de Máquina. Prof. Júlio Cesar Nievola PPGIA - PUCPR
Aprendizagem de Máquina Prof. Júlio Cesar Nievola PPGIA - PUCPR Introdução Justificativa Recente progresso em algoritmos e teoria Disponibilidade crescente de dados online Poder computacional disponível
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011 Séries Temporais Considere um processo onde o valor presente de uma série depende dos
Leia maisModelos de Suavização Exponencial Aula - 07
Modelos de Suavização Exponencial Aula - 07 observações passadas contêm informações sobre o padrão de comportamento da séries temporal; Métodos: distinguir o padrão de qualquer ruído que possa estar contido
Leia maisSAS FORUM PORTUGAL Bem Vindos
SAS FORUM PORTUGAL 2016 Bem Vindos Combate e Prevenção à Fraude Online em Tempo Real Carla Miranda Business Solution Specialist SAS Portugal C opyr i g ht 2015, SAS Ins titut e Inc. All rights res er ve
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 maisUniversidade de São Paulo. Faculdade de Economia, Administração e Contabilidade Departamento de Contabilidade e Atuária EAC FEA - USP
Universidade de São Paulo Faculdade de Economia, Administração e Contabilidade Departamento de Contabilidade e Atuária EAC FEA - USP AULA 09 Customer Relationship Management (CRM) Prof. Dr. Joshua Onome
Leia maisVários modelos: um SAD pode incluir vários modelos, cada um representando uma parte diferente do problema de tomada de decisão Categorias de modelos
MODELAGEM E ANÁLISE Modelagem Questões atuais de modelagem Vários modelos: um SAD pode incluir vários modelos, cada um representando uma parte diferente do problema de tomada de decisão Categorias de modelos
Leia maisO Valor da Analítica Avançada no Apoio à Tomada de Decisão
O Valor da Analítica Avançada no Apoio à Tomada de Decisão Adelaide Leitão Sales & Marketing Director adelaide.leitao@habber.com Patrícia Narciso Operations Director patricia.narciso@habber.com Elsa Tavares
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 maisTreinamento Google Analytics. Conteúdo Programático
Treinamento Google Analytics Pré requisito: Ter envolvimento com projetos digitais ou interesse em ingressar na área de marketing digital. Incluso no material : 8 apostilas + 1 caneta + 1 camiseta + coffee
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 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 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 maisSeis graus de separação
MARKETING SOCIAL As redes sociais oferecem um campo muito interessante para a aplicação desses métodos. Nelas, os usuários expõem pensamentos e sentimentos, que podem ser decisivos para processos de compra
Leia maisRelatório do Seminário Data Mining em Séries Temporais
Universidade Federal de Santa Catarina Disciplina: INE5644 - Data Mining Professor: Luiz Otavio Alvares Alunos: Anderson Zapello Giovani Milanez Jean Pacher João Paulo Raittes Relatório do Seminário Data
Leia maisNov/2016. José Roberto Motta Garcia
José Roberto Motta Garcia garcia.cptec@gmail.com Fases da análise de dados Aplicações Boxplot Distribuição e detecção de anomalias Valor discrepante superior (extremo, outlier, anomalia) Maior valor não-discrepante
Leia maisSoluções de Prevenção de Fraudes para avaliação de Pessoa Jurídica
Soluções de Prevenção de Fraudes para avaliação de Pessoa Jurídica São Paulo, dezembro de 2007 Laércio de Oliveira Pinto Dir. de Produtos Pessoa Jurídica AGENDA Panorama das Fraudes Ferramentas Serasa
Leia maisMensurando o Risco de Micro e Pequenas Empresas. Fabio Wendling M. de Andrade
Mensurando o Risco de Micro e Pequenas Empresas Fabio Wendling M. de Andrade Agenda O perfil das MPEs O que é importante no crédito para MPEs Metodologia de quantificação de risco de MPEs Gerenciamento
Leia maisO SABER ESTATÍSTICO ALÉM DE TABELAS, GRÁFICOS E FÓRMULAS
O SABER ESTATÍSTICO ALÉM DE TABELAS, GRÁFICOS E FÓRMULAS ESTATÍSTICO pauloafonsolopes@uol.com.br (21) 8163-1978 1º. Ato Começos Profissionais: entender Estatística? Momentos diferentes formações lidam
Leia maisColeta e Modelagem dos Dados de Entrada
Coleta e Modelagem dos Dados de Entrada Capítulo 2 Páginas 24-52 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas.
Leia maisTeoria. Prática. Uma trajetória aleatória. Luís Gustavo Silva e Silva III Encontro Comemorativo do Dia do Estatístico Maio
Teoria Prática Uma trajetória aleatória Luís Gustavo Silva e Silva III Encontro Comemorativo do Dia do Estatístico Maio - 2017 Início Estatística? Estágio CAEd Formei! E agora? Doutorado - Nascimento -
Leia maisDesafios na modelação do fluxo de estudantes no sistema de ensino Português
Desafios na modelação do fluxo de estudantes no sistema de ensino Português Luís Correia, Luís Cavique, Ana Paula Cláudio, Beatriz Carmo, Hugo Martiniano, Helena Aidos, Sara Madeira Fórum Estatístico 14
Leia maisBancos de Dados Orientados a Grafos. Mateus Lana e Thiago Santana
Bancos de Dados Orientados a Grafos Mateus Lana e Thiago Santana Conteúdo Grafos Definição; Representação; Conceitos. Bancos de dados orientados a grafos Introdução; Representação; Modelagem; Conceitos;
Leia mais