Silva (2014) faz a classificação dos elementos no trabalho Data Mining sobre um dataset de Câncer de Mama:
|
|
- Brenda Covalski Fonseca
- 6 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ (UTFPR) Mineração de Dados 2016/3 Professores Celso e Heitor Jean Avila Rangel PPGCA PPGCA/UTFPR câmpus Curitiba -- CAIA003 - Mineração de Dados -- Profs. Celso Kaestner e Heitor Lopes - Trabalho Breast Cancer R ou Weka Exercício referente à aula 5: elaborar relatório técnico que relate a aplicação dos classificadores Naïve-Bayes e knn sobre a base Breast Cancer Winconsin, utilizando a linguagem R ou o ambiente Weka. Silva (2014) faz a classificação dos elementos no trabalho Data Mining sobre um dataset de Câncer de Mama: Os atributos são: Espessura dos grupos (Clump Thickness): células benignas a tendem a ser agrupadas em monocamadas, enquanto que as células cancerosas são muitas vezes agrupadas em multicamadas. Uniformidade de tamanho e forma da célula (Uniformity of Cell Size & 3 Uniformity of Cell Shape): As células cancerosas tendem a variar em tamanho e forma (como o exemplo mostrado na Figura 2). É por isso que esses parâmetros são úteis para determinar se as células são cancerosas ou não. Adesão Marginal (Marginal Adhesion): As células normais tendem a ficar juntas. As células cancerosas tendem a perder essa capacidade (como o exemplo mostrado na Figura 3). Então perda de adesão é um sinal de malignidade. Tamanho único das células epiteliais (Single Epithelial Cell Size): está relacionada com a uniformidade mencionado acima. As células epiteliais que estão significativamente aumentadas pode ser uma célula maligna. Núcleos nus (Bare Nuclei): Este é um termo usado para núcleos que não são rodeados pelo citoplasma (o resto da célula). São tipicamente vistos em tumores benignos. Suavidade da cromatina (Bland Chromatin): Descreve uma textura uniforme do núcleo visto em células benignas. Em células cancerosas, a cromatina tende a ser mais grosseira. Nucléolo normal (Normal Nucleoli): nucléolos são pequenas estruturas existentes no núcleo. Em células normais, o nucléolo é geralmente muito pequeno, quando visível. Em células cancerosas os nucléolos se tornam mais proeminentes. Mitose: Patologistas podem determinar o grau de um tumor contando o número de mitoses.
2 O trabalho a seguir está baseado conforme o trabalho de Silva (2014), pois ele executou praticamente os mesmos procedimentos. O último atributo (classificador) está como número 2 para benigno e 4 para maligno. Para trocar os valores, utilizamos a ferramenta Notepad++ e fizemos o localizar e substituir por expressão regular utilizando o 2$ e 4$ ($ busca o final da linha). 1) carregar os arquivos do dataset Breast Cancer para o RSTUDIO: bc<- read.csv("c:/users/jean 000/Desktop/breastcancer/jeanrangelbreast-cancer-wisconsin.data", header=f) 2) Adicionando nome para os atributos: > names(bc) <- c("samplecodenumber", "ClumpThickness", "UniformityofCellSize", "UniformityofCellShape", "MarginalAdhesion", "SingleEpithelialCellSize", "BareNuclei", "BlandChromatin", "NormalNucleoli", "Mitoses", "Class") 3) Observando o tamanho do dataset: > dim(bc) [1] instâncias e 11 atributos (sendo o último, o classificador) summary(bc) Samplecodenumber ClumpThickness UniformityofCellSize UniformityofCellShape MarginalAdhesion Min. : Min. : Min. : Min. : Min. : st Qu.: st Qu.: st Qu.: st Qu.: st Qu.: Median : Median : Median : Median : Median : Mean : Mean : Mean : Mean : Mean : rd Qu.: rd Qu.: rd Qu.: rd Qu.: rd Qu.: Max. : Max. : Max. : Max. : Max. : SingleEpithelialCellSize BareNuclei BlandChromatin NormalNucleoli Mitoses Min. : :402 Min. : Min. : Min. : st Qu.: :132 1st Qu.: st Qu.: st Qu.: 1.000
3 Median : : 30 Median : Median : Median : Mean : : 30 Mean : Mean : Mean : rd Qu.: : 28 3rd Qu.: rd Qu.: rd Qu.: Max. : : 21 Max. : Max. : Max. : (Other): 56 Class benigno:458 maligno:241 Podemos perceber que grande parte dos dados está nos casos BENÍGNOS. 4) Fazendo o balanceamento da base, precisamos instalar o pacote: install.packages("dmwr") e após: > library (DMwR) Carregando pacotes exigidos: lattice Carregando pacotes exigidos: grid Warning message: package DMwR was built under R version > bcb <- SMOTE(Class ~., bc, perc.over = 100,perc.under=200) > table(bcb$class) ) Para utilizarmos os algoritmos, dividimos o dataset para dados de TESTE (30%) e dados de TREINO (70%). > set.seed(1234) > ind <- sample(2,nrow(bcb), replace=true, prob=c(0.7,0.3)) > traindata <- bcb[ind==1,] > testdata <- bcb[ind==2,] > table(traindata$class)
4 ) Para utilizarmos o NAYVE BAYES, instalamos a biblioteca e1071 em Install Packages: install.packages("e1071"). > library(class) > library(e1071) Criar uma fórmula > library (party) > myformula <- Class ~ ClumpThickness + UniformityofCellSize + UniformityofCellShape + MarginalAdhesion + SingleEpithelialCellSize + BareNuclei + BlandChromatin + NormalNucleoli + Mitoses Para rodarmos: > mynb <- naivebayes(myformula, data=traindata) > table(predict(mynb, traindata[,-11]), traindata[,11]) benigno maligno Analisando o resultado, vimos que o pior caso médico (quando um doutor fala para o paciente que ele não tem câncer, mas na verdade ele tem) ocorre em porcentagem menor à 6%. Rodando no conjunto para testes, e resultado também foi satisfatório *claro, se considerarmos que aplicamos um algoritmo padrão num dado com pouco pré-processamento*:
5 > testpred <- predict(mynb, newdata = testdata) > table(testpred, testdata$class) testpred benigno maligno Acurácia = ( ) / ( ) 96,2% 7) Utilizando o knn: Para utilizar, devemos retirar os valores vazios (estão como? no dataset), pois o algoritmo do knn não consegue lidar com valores que não são numéricos. Obtemos os valores, onde o melhor resultado foi o obtido com o K igual a 3 (vizinhos próximos): > library(dmwr) > myknn1 <- knn(myformula, traindata, testdata, k=1) > myknn3 <- knn(myformula, traindata, testdata, k=3) > myknn5 <- knn(myformula, traindata, testdata, k=5) > myknn30 <- knn(myformula, traindata, testdata, k=30) > myknn200 <- knn(myformula, traindata, testdata, k=200) > table(testdata[,'class'], myknn5) myknn5 benigno maligno > table(testdata[,'class'], myknn3) myknn3 benigno maligno > table(testdata[,'class'], myknn1) myknn1 benigno 139 3
6 maligno > table(testdata[,'class'], myknn30) myknn30 benigno maligno > table(testdata[,'class'], myknn200) myknn200 Matriz de confusão: benigno maligno Acurácia = ( ) / ( ) 94% Considerando que para o algoritmo KNN nós reduzimos o dataset para eliminar os dados faltantes, os resultados foram bem similares, sendo que o algoritmo NAYVE BAYES se mostrou 2% mais eficiente.
Data Mining sobre um dataset de Câncer de Mama
Data Mining sobre um dataset de Câncer de Mama Fabio Luis Silva 1 1 Programa de PósGraduação em Computação Aplicada da Universidade Tecnológica Federal do Paraná Curitiba, PR Brasil fabiocuritiba@gmail.com
Leia mais2 Segmentação de imagens e Componentes conexas
Universidade Tecnológica Federal do Paraná (UTFPR) Departamento Acadêmico de Informática (DAINF) Algoritmos II Professor: Alex Kutzke (alexk@dainf.ct.utfpr.edu.br) Especificação do Primeiro Trabalho Prático
Leia maisProf. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Leia maisVIVER BEM ÂNGELA HELENA E A PREVENÇÃO DO CÂNCER NEOPLASIAS
1 VIVER BEM ÂNGELA HELENA E A PREVENÇÃO DO CÂNCER NEOPLASIAS 2 3 Como muitas mulheres, Ângela Helena tem uma vida corrida. Ela trabalha, cuida da família, faz cursos e também reserva um tempo para cuidar
Leia maisII Semana de Ciência e Tecnologia do IFMG campus Bambuí II Jornada Científica 19 a 23 de Outubro de 2009
SOFTWARE DE CONTROLE DE USO DOS LABORATÓRIOS DO DEPARTAMENTO DE CIÊNCIAS AGRÁRIAS DO IFMG CAMPUS BAMBUÍ Alex Daniel CASTANHA ¹; Bruno FERREIRA ² ¹ Estudante do Curso Superior de Tecnologia em Análise e
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisProgramação WEB. Prof. André Gustavo Duarte de Almeida andre.almeida@ifrn.edu.br www3.ifrn.edu.br/~andrealmeida. Aula II jquery UI
Prof. André Gustavo Duarte de Almeida andre.almeida@ifrn.edu.br www3.ifrn.edu.br/~andrealmeida Aula II jquery UI Introdução O que é jquery UI? Biblioteca que fornece maior nível de abstração para interação
Leia maisGestão Documental. Gestão Documental
Alcides Marques, 2007 Actualizado por Ricardo Matos em Junho de 2009 Neste capítulo pretende-se analisar a temática da, começando por apresentar um breve resumo dos conceitos subjacentes e apresentando
Leia maisAnálise e Projeto Orientado a Objetos. Nazareno Andrade Baseado no material dos profs. Hyggo Almeida e Jacques Sauvé
Análise e Projeto Orientado a Objetos Nazareno Andrade Baseado no material dos profs. Hyggo Almeida e Jacques Sauvé O que veremos hoje? Análise e Projeto Definição Comparação Análise e Projeto OO Definição
Leia maisNivel de Lisina nas Rações de Frangos de Corte Exigência de Lisina Atualizada
Nivel de Lisina nas Rações de Frangos de Corte Exigência de Lisina Atualizada Disponível em nosso site: www.lisina.com.br A atualização das exigências dos nutrientes nas formulações de rações é importante
Leia mais2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar?
2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar? 3 Farm. André Cabral Contagem, 19 de Maio de 2010 Rastreabilidade É definida como a habilidade
Leia maisArquitetura de Aplicações J2EE. Jorge Fernandes Outubro de 2003
Arquitetura de Aplicações J2EE Jorge Fernandes Outubro de 2003 J2EE O que é Como se organiza Como funciona Elementos Arquitetura Típica Componentes de Software Reuso é um processo Publicar interfaces Distribuir
Leia maisCOBRANÇA BANCÁRIA CAIXA
COBRANÇA BANCÁRIA CAIXA ESPECIFICAÇÃO DE CÓDIGO DE BARRAS PARA BLOQUETOS DE COBRANÇA COBRANÇAS RÁPIDA E SEM REGISTRO GESER NOVEMBRO/2000 ÍNDICE PÁGINA 1 INTRODUÇÃO... 3 2 ESPECIFICAÇÕES...4 2.1 FORMATO......
Leia maisPara entender o conceito de objetos em programação devemos fazer uma analogia com o mundo real:
Introdução a Orientação a Objetos com Java Autor: Professor Victor Augusto Zago Menegusso. Orientação a Objetos É um paradigma de programação que define a estrutura de um programa baseado nos conceitos
Leia maisSobre o Visual C++ 2010
O Visual Studio é um pacote de programas da Microsoft para desenvolvimento de software, suportando diversas linguagens como C#, C++, C, Java, Visual Basic, etc. Nesta série de tutoriais vou focar apenas
Leia maisManual do Desenvolvedor Geração de Tokens
Manual do Desenvolvedor Geração de Tokens Setembro de 2012 Versão 1.3 ÍNDICE Página 1. Introdução... 1 2. Geração de Tokens... 1 2.1 Formato dos Tokens... 1 2.2 Geração de Tokens... 1 2.2.1 Gerar Token
Leia maisUniversidade Federal do Paraná - Setor de Ciências da Terra
Universidade Federal do Paraná - Setor de Ciências da Terra APLICAÇÃO DE DIFERENTES NÍVEIS DE REALISMO DERIVADOS DE IMAGEM DE SATÉLITE NA REALIDADE VIRTUAL Juliana Moulin Fosse - jumoulin@ufpr.br Mosar
Leia maisIniciação Científica no INATEL
Iniciação Científica no INATEL 2016 / 1º. Semestre Profa. Rosanna Coordenadora do Programa de IC Inatel rosannas@inatel.br ic@inatel.br Objetivo O que é Iniciação Científica? Quais são as oportunidades
Leia maisMINERAÇÃO DE DADOS. Thiago Marzagão MINERAÇÃO DE TEXTOS. marzagao.1@osu.edu. Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25
MINERAÇÃO DE DADOS Thiago Marzagão marzagao.1@osu.edu MINERAÇÃO DE TEXTOS Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25 transformando textos em dados Documento 1: "Não trabalho para ter clientes;
Leia maisADMINISTRAÇÃO DE BANCOS DE DADOS MÓDULO 8
ADMINISTRAÇÃO DE BANCOS DE DADOS MÓDULO 8 Índice 1. Modelagem de Dados - Continuação...3 1.1. Modelo Entidade-Relacionamento (MER) - II... 3 1.1.1. Entidades fortes e entidades fracas... 3 1.2. Dicionário
Leia maisArquitecturas de Software Enunciado de Projecto 2007 2008
UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR TÉCNICO Arquitecturas de Software Enunciado de Projecto 2007 2008 1 Introdução Na primeira metade da década de 90 começaram a ser desenvolvidas as primeiras
Leia maisCircuitos de Comunicação. Prática 1: PWM
Circuitos de Comunicação Prática 1: PWM Professor: Hélio Magalhães Grupo: Geraldo Gomes, Paulo José Nunes Recife, 04 de Maio de 2014 SUMÁRIO Resumo 3 Parte I PWM - Teoria 3 Geração do PWM 5 Parte II Prática
Leia maisavaliar : como Prof Simone Maia Presidente ANACITO presidente@anacito.org.br
avaliar : como Prof Simone Maia Presidente ANACITO presidente@anacito.org.br Alteracoes pos radioterapia e quimioterapia: como avaliar Os efeitos iatrogênicos causados na morfologia do epitélio pela radioterapia
Leia maisM =C J, fórmula do montante
1 Ciências Contábeis 8ª. Fase Profa. Dra. Cristiane Fernandes Matemática Financeira 1º Sem/2009 Unidade I Fundamentos A Matemática Financeira visa estudar o valor do dinheiro no tempo, nas aplicações e
Leia maisCapítulo1 Tensão Normal
- UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Referências Bibliográficas:
Leia maisOPERAÇÕES COM FRAÇÕES
OPERAÇÕES COM FRAÇÕES Adição A soma ou adição de frações requer que todas as frações envolvidas possuam o mesmo denominador. Se inicialmente todas as frações já possuírem um denominador comum, basta que
Leia maisDisponibilizada a rotina Vale Presente (LOJA830) no módulo Controle de Lojas (SIGALOJA), assim como já é utilizada no módulo Front Loja (SIGAFRT).
Vale Presente para Controle de Lojas Produto : Microsiga Protheus - Controle de Lojas - Versão 10 Chamado : TFDI16 Data da publicação : 12/07/12 País(es) : Brasil Banco(s) de Dados : Todos Esta melhoria
Leia maisExercício. Exercício
Exercício Exercício Aula Prática Utilizar o banco de dados ACCESS para passar o MER dos cenários apresentados anteriormente para tabelas. 1 Exercício oções básicas: ACCESS 2003 2 1 Exercício ISERIDO UMA
Leia maisResolução da Lista de Exercício 6
Teoria da Organização e Contratos - TOC / MFEE Professor: Jefferson Bertolai Fundação Getulio Vargas / EPGE Monitor: William Michon Jr 10 de novembro de 01 Exercícios referentes à aula 7 e 8. Resolução
Leia maisOs salários de 15 áreas de TI nas cinco regiões do Brasil
Os salários de 15 áreas de TI nas cinco regiões do Brasil Entre 2011 e 2012, os salários na área de tecnologia da informação (TI) cresceram em média 10,78% um número animador, que pode motivar jovens estudantes
Leia maisCadeira de Tecnologias de Informação. Ano lectivo 2009/2010. Sites dinâmicos. Com Expression Web TI2009/10 EWD_1. Filipa Pires da Silva (2009)
Cadeira de Tecnologias de Informação Ano lectivo 2009/2010 Sites dinâmicos Com Expression Web TI2009/10 EWD_1 .ASPX vs.html HTML: HTML é uma linguagem para descrever páginas web HTML significa Hyper Text
Leia maisLIBERAÇÃO DE ATUALIZAÇÃO CORDILHEIRA
LIBERAÇÃO DE ATUALIZAÇÃO CORDILHEIRA (Orientamos aos clientes que utilizam banco de dados SQL, para efetuarem a atualização preferencialmente após o encerramento das atividades do dia, acessando o sistema
Leia maisE-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces
E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces Éder Augusto Penharbel, Erdiane L. G. Wutzke, Murilo dos S. Silva, Reinaldo
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisUniversidade Federal de Pernambuco Mestrado em Ciência da Computação
Universidade Federal de Pernambuco Mestrado em Ciência da Computação Lista 1 de Introdução a Agentes Inteligentes Bruno Benevides Cavalcante, Rafael Gonçalves Barreira [bbc2 rgb2]@cin.ufpe.br Agentes 1.
Leia maishttp://rogerioaraujo.wordpress.com Série Rações Semanais Xpath e XSLT Rogério Araújo
http://rogerioaraujo.wordpress.com Série Rações Semanais Xpath e XSLT Rogério Araújo http://rogerioaraujo.wordpress.com Série Rações Semanais Xpath e XSLT Rogério Araújo Questões A persistência é o menor
Leia maisOrganização e Arquitetura de Computadores. Ivan Saraiva Silva
Organização e Arquitetura de Computadores Hierarquia de Memória Ivan Saraiva Silva Hierarquia de Memória A Organização de Memória em um computador é feita de forma hierárquica Registradores, Cache Memória
Leia maisUTILIZAÇÃO DE RECURSOS AVANÇADOS DO EXCEL EM FINANÇAS (PARTE III): GERENCIAMENTO DE CENÁRIOS
UTILIZAÇÃO DE RECURSOS AVANÇADOS DO EXCEL EM FINANÇAS (PARTE III): GERENCIAMENTO DE CENÁRIOS! Criando cenários a partir do Solver! Planilha entregue para a resolução de exercícios! Como alterar rapidamente
Leia maisEstudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran
Estudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran Camila Gomes de Souza Andrade 1 Denise Nunes Viola 2 Alexandro Teles de Oliveira 2 Florisneide
Leia maisUniversidade Federal de Goiás Campus Catalão Departamento de Matemática
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares
Leia maisCalculando seno(x)/x com o interpretador Hall.
Calculando seno(x)/x com o interpretador Hall. Problema Seja, por exemplo, calcular o valor do limite fundamental f(x)=sen(x)/x quando x tende a zero. Considerações Fazendo-se a substituição do valor 0
Leia maisProgramação Orientada a Objetos SANTOS, Rafael
Programação Orientada a Objetos SANTOS, Rafael É parte do software, e deve atender os requisitos do usuário Controla o hardware, incluindo periféricos de entrada e saída Usa um conjunto de comandos e regras:
Leia maisINICIADOS - 2ª Sessão ClubeMath 7-11-2009
INICIADOS - 2ª Sessão ClubeMath 7-11-2009 Adivinhar o dia de aniversário de outra pessoa e o mês Temos uns cartões mágicos, que vão permitir adivinhar o dia de aniversário de qualquer pessoa e outros que
Leia maisRoteiro de Auxílio para as Atividades Práticas de Sistemas de Informação
Roteiro de Auxílio para as Atividades Práticas de Sistemas de Informação A linguagem XML no contexto do curso de Sistemas de Informação é utilizada principalmente para o armazenamento e a manipulação de
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisUnidade 1: O Computador
Unidade : O Computador.3 Arquitetura básica de um computador O computador é uma máquina que processa informações. É formado por um conjunto de componentes físicos (dispositivos mecânicos, magnéticos, elétricos
Leia maisCenários para Multihoming
Cenários para Multihoming Licença de uso do material Esta apresentação está disponível sob a licença Creative Commons Atribuição Não a Obras Derivadas (by-nd) http://creativecommons.org/licenses/by-nd/3.0/br/legalcode
Leia maisIntrodução. Aula 02. Estrutura de Dados II. UFS - DComp Adaptados a partir do material da Profa. Kenia Kodel Cox
Introdução Estrutura de Dados II Aula 02 UFS - DComp Adaptados a partir do material da Profa. Kenia Kodel Cox 1 Estrutura de Dados estuda o que? 2 A programação habilita os computadores a cumprirem imensa
Leia maisIDENTIFICAÇÃO E CLASSIFICAÇÃO DE CONTEÚDO DIGITAL PARA O USO NA EDUCAÇÃO DE PESSOAS COM NECESSIDADES ESPECIAIS
IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CONTEÚDO DIGITAL PARA O USO NA EDUCAÇÃO DE PESSOAS COM NECESSIDADES ESPECIAIS Júlio César Neis 1 ; Rosangela Aguiar Adam 2 ; Tiago Lopes Gonçalves 3 ; Vera Regina Mazureck
Leia maisTreinamento sobre Progress Report.
Treinamento sobre Progress Report. Objetivo O foco aqui é trabalhar o desenvolvimento pessoal de cada aluno. O instrutor irá analisar cada um e pensar em suas dificuldades e barreiras de aprendizado e,
Leia maisMANUAL DO USUÁRIO SIMPLEX. Prof. Erico Fagundes Anicet Lisboa, M. Sc.
MANUAL DO USUÁRIO SIMPLEX Prof. Erico Fagundes Anicet Lisboa, M. Sc. erico@ericolisboa.eng.br Versão digital disponível na internet http://www.ericolisboa.eng.br RIO DE JANEIRO, RJ - BRASIL DEZEMBRO DE
Leia maisCurso de Formação de Oficiais Conhecimentos Específicos ENGENHARIA DE COMPUTAÇÃO CADERNO DE QUESTÕES
Curso de Formação de Oficiais Conhecimentos Específicos ENGENHARIA DE COMPUTAÇÃO CADERNO DE QUESTÕES 2014 1 a QUESTÃO Valor: 1,00 a) (0,30) Defina gramáticas livre de contexto. b) (0,30) Crie uma gramática
Leia maisCONSIDERAÇÕES BÁSICAS SOBRE PROJETO DE MUSEU DE ARTES VISUAIS 1
CONSIDERAÇÕES BÁSICAS SOBRE PROJETO DE MUSEU DE ARTES VISUAIS 1 PONTOS- CHAVE Possibilidade de expansão Circulações (atender as normas/ser espaço de transição/exposição) Armazenamento/Depósito Controle
Leia maisSISTEMAS DISTRIBUÍDOS
SISTEMAS DISTRIBUÍDOS Introdução Slide 1 Nielsen C. Damasceno Introdução Tanenbaum (2007) definiu que um sistema distribuído é aquele que se apresenta aos seus usuários como um sistema centralizado, mas
Leia maisLOCALIZAÇÃO DE EMPRESAS Aspectos qualitativos. Profª MSc. Patrícia Tavares
LOCALIZAÇÃO DE EMPRESAS Aspectos qualitativos Profª MSc. Patrícia Tavares LOCALIZAÇÃO É o processo que determina os locais geográficos para as operações de uma empresa; Localizar significa determinar o
Leia maisIdentificação de Padrões para a Análise da Evasão Usando Mineração de Dados Educacionais
1. Objetivo Identificação de Padrões para a Análise da Evasão Usando Mineração de Dados Educacionais José Gonçalves de Oliveira Júnior 1 1 Universidade Tecnológica Federal do Paraná (UTFPR) CEP 80.230-901
Leia maisEletrônica Básica II. Amplificadores Diferenciais e Multiestágio
Eletrônica Básica II Amplificadores Diferenciais e Multiestágio Amplificadores Diferenciais O amplificador diferencial é a configuração mais utilizada em circuitos integrados analógicos Como exemplo, o
Leia maisLei de Gauss e Condutores em Equilíbrio Eletrostático
Lei de Gauss e Condutores em Equilíbrio Eletrostático 2008 Fluxo Elétrico: Está relacionado com o número líquido de linhas de força que atravessam uma superfície. φ e = EA 1 ou φ e = EA 2 cosθ = E ˆnA2
Leia mais3º Ano do Ensino Médio. Aula nº06
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº06 Assunto: Noções de Estatística 1. Conceitos básicos Definição: A estatística é a ciência que recolhe, organiza, classifica, apresenta
Leia maisTreinamento de e-commerce
Treinamento de e-commerce Bem vindo ao treinamento de e commerce mais rápido e direto de todos! Utilize este documento para se orientar sempre que necessário e não se preocupe, em caso de necessidade,
Leia maisM A N U A L D O ADMINISTRADOR DO PORTAL
M A N U A L D O ADMINISTRADOR DO PORTAL Versão 1.1 Sumário Introdução 1 Sobre o Administrador do Portal 1 Categorias de informação 2 Link adicional 3 Lista de arquivos 5 Anexos da licitação 9 Anexos do
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisCONTEÚDOS PROGRAMÁTICOS
UFRGS - Instituto de Informática - Departamento de Informática Aplicada Disciplina : INF01202 - Algoritmos e Programação Turmas: A e B Sem: 2009/2 Professora: Cora Pinto Ribeiro (cora@inf.ufrgs.br) Disciplina:
Leia maisAULA 1 INTRODUÇÃO A BANCO DE DADOS E VISÃO GERAL DO SQL CONCEITUANDO BANCO DE DADOS MODELO RELACIONAL
BANCO DE DADOS GERENCIAL 1 AULA 1 INTRODUÇÃO A BANCO DE DADOS E VISÃO GERAL DO SQL CONCEITUANDO BANCO DE DADOS Um banco de dados é uma coleção de dados (ou informações) organizadas de forma lógica, e que
Leia maisPlano de Trabalho Docente 2014. Ensino Técnico
Plano de Trabalho Docente 2014 Ensino Técnico ETEC PAULINO BOTELHO Código: 091 Município: SÃO CARLOS Eixo Tecnológico: CONTROLE DE PROCESSOS INDUSTRIAIS Habilitação Profissional: TÉCNICO EM MECATRÔNICA
Leia maisGerenciamento dos Riscos do Projeto (PMBoK 5ª ed.)
Gerenciamento dos Riscos do Projeto (PMBoK 5ª ed.) Esta é uma área essencial para aumentar as taxas de sucesso dos projetos, pois todos eles possuem riscos e precisam ser gerenciados, ou seja, saber o
Leia maisFONSECA, LUCIANO DUARTE FERRAMENTAS DE DIAGNÓSTICO ERD COMMANDER
Serviço Nacional de Aprendizagem Comercial E.E.P. Senac Pelotas Centro Histórico Programa Nacional de Acesso ao Ensino Técnico e Emprego Curso Técnico em Informática DIEGO FONSECA, LUCIANO DUARTE FERRAMENTAS
Leia maisPlano de Projeto. Tema 3. Gerência de Projetos Profa. Susana M. Iglesias
Plano de Projeto Tema 3. Gerência de Projetos Profa. Susana M. Iglesias Modelos Empíricos Modelos de Estimativas de Custo e Esforço. Modelos Empíricos: Usam formulas empíricas para predizer esforço em
Leia maisDiretriz Nacional de Comunicação. Sistema Unimed
Diretriz Nacional de Comunicação Sistema Unimed Diretriz de Comunicação Definição Política ou Diretriz de Comunicação é um processo articulado de definição de valores, objetivos, diretrizes, normas e estruturas,
Leia maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Leia maisClassificação de Ativo Orçamento e Provisão de Despesa
Classificação de Ativo Orçamento e Provisão de Despesa Produto : Microsiga Protheus Ativo Fixo versão 11 Requisito : 154.03 Data da publicação : 28/02/13 País(es) : Brasil Banco(s) de Dados : Todos Esta
Leia maisPROJETO PROLICEN INFORMÁTICA NA ESCOLA : A FORMAÇÃO DO PROFESSOR DE MATEMÁTICA E O ENSINO MÉDIO PÚBLICO
PROJETO PROLICEN INFORMÁTICA NA ESCOLA : A FORMAÇÃO DO PROFESSOR DE MATEMÁTICA E O ENSINO MÉDIO PÚBLICO Formação de Professores e Educação Matemática (FPM) GT 08 RESUMO Melquisedec Anselmo da Costa AZEVEDO
Leia maisTestes em Laboratório - Análise
Introdução à Interação Humano-Computador Testes com Usuários Professora: Raquel Oliveira Prates http://www.dcc.ufmg.br/~rprates/ihc \ Aula 8: 09/10 Testes em Laboratório - Análise Análise dos dados coletados
Leia maisPerguntas e respostas sobre os serviços móveis de dados
Perguntas e respostas sobre os serviços móveis de dados (As seguintes informações são só para referência, em caso de dúvida consulte a operadora.) 1. Como se podem utilizar os serviços móveis de dados?
Leia maisTrabalho Prático II - Resta 1 Data de Entrega: Conferir no calendário!
ALGORITMOS E ESTRUTURAS DE DADOS I DCC/UFMG Trabalho Prático II - Resta 1 Data de Entrega: Conferir no calendário! Pedro O.S. Vaz de Melo May 29, 2013 1 DESCRIÇÃO DO PROBLEMA O objetivo deste trabalho
Leia maisAvaliação Baseada em Modelos Conceituais I - Engenharia Cognitiva
1 Avaliação Baseada em Modelos Conceituais I - Engenharia Cognitiva Aula 5 19/03/2012 2 O que são modelos? São moldes previamente estabelecidos que utilizamos para descrever, interpretar, construir objetos
Leia maisManual Instalação Web Services Client Web.NewHotel
Web.NewHotel Versão: 2008-07-10 Rev. 2008-12-04 Versão de WSServer: 2008.10.27.0 Versão de WSClient: 2008.11.03.0 Versão de NewHotel: 2008.09.13 Av. Almirante Gago Coutinho, 70 1700-031 Lisboa PORTUGAL
Leia maisTutorial. Georreferenciamento de Imagens. versão 1.0-23/08/2008. Autores: Rafael Bellucci Moretti, Vitor Pires Vencovsky
Tutorial Georreferenciamento de Imagens versão 1.0-23/08/2008 Autores: Rafael Bellucci Moretti, Vitor Pires Vencovsky 1. Introdução O tutorial tem como objetivo fornecer informações básicas para georreferenciar
Leia maisCITOLOGIA ONCÓTICA CÂNCER
CITOLOGIA ONCÓTICA Neoplasia: crescimento desordenado de células, originando um tumor (massa de células) Tumor benigno: massa localizada de células que se multiplicam vagarosamente e se assemelham ao seu
Leia maisACELERE SEU RENDER NO MAYA 2. neste artigo podem ser feitos durante as fases de modelagem e iluminação/texturização.
M aya por Gustavo L. Braga ACELERE SEU RENDER NO MAYA 2 Figura 1 - Cena exemplo sem nenhum tipo de otimização. INTRODUÇÃO A correta utilização do render é uma grande preocupação nos estúdios de animação
Leia maisESTATÍSTICA DESCRITIVA:
UNIVERSIDADE FEDERAL DE MATO GROSSO Campus Universitário de Sinop(CUS) ESTATÍSTICA DESCRITIVA: Medidas de forma: Assimetria e Curtose Profº Evaldo Martins Pires SINOP -MT TEMAS TRABALHADOS ATÉ AGORA Aula
Leia maisRELATÓRIO SIMPLIFICADO FINAL PSICOLOGIA GENÉTICA DE JEAN PIAGET 2ª UNIDADE. Instrução Geral ao Relatório:
1 RELATÓRIO SIMPLIFICADO FINAL PSICOLOGIA GENÉTICA DE JEAN PIAGET 2ª UNIDADE Prof. Dr. Alexsandro Medeiros do Nascimento Pós-Graduação em Psicologia Cognitiva Departamento de Psicologia - UFPE Instrução
Leia maisPRÓ-REITORIA DE GRADUAÇÃO
Página 1 de 10 PRÓ-REITORIA DE GRADUAÇÃO ORDEM DE SERVIÇO nº 01/2016-PROGRAD DATA: 4 de janeiro de 2016 SÚMULA: Determina a normatização do processo de matrícula on-line no ano letivo de 2016, para acadêmicos
Leia maisRegistro Hospitalar de Câncer Conceitos Básicos Planejamento Coleta de Dados Fluxo da Informação
Registro Hospitalar de Câncer Conceitos Básicos Planejamento Coleta de Dados Fluxo da Informação Registro Hospitalar de Câncer Este tipo de registro se caracteriza em um centro de coleta, armazenamento,
Leia maisTópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados. Prof. Hugo Souza
Tópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados Prof. Hugo Souza Após vermos uma breve contextualização sobre esquemas para bases dados e aprendermos
Leia maisGerenciador de Ambiente Laboratorial - GAL Manual do Usuário Módulo Controle de Qualidade Analítico
Ministério da Saúde Secretaria Executiva Departamento de Informática do SUS DATASUS Gerenciador de Ambiente Laboratorial GAL Manual do Usuário Módulo Laboratório Manual de Operação_Módulo Laboratório_Controle
Leia maisTeoria da Firma. Capítulo VI. Introdução. Introdução. Medição de custos: quais custos considerar?
Introdução Teoria da Firma A tecnologia de produção representa a relação entre os insumos e a produção. Dada a tecnologia de produção, os administradores da empresa devem decidir como produzir. Capítulo
Leia maisNEWS: ARTIGOS CETRUS Ano V Edição 45 Maio 2013
NEWS: ARTIGOS CETRUS Ano V Edição 45 Maio 2013 COMO AVALIAR TUMORES ANEXIAIS RELATO DE CASO COMO AVALIAR TUMORES ANEXIAIS Relato de Caso AUTOR: FERNANDO GUASTELLA INSTITUIÇÃO: CETRUS Centro de Ensino em
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisBanco de Dados. Modelo Entidade - Relacionamento. João Eduardo Ferreira Osvaldo Kotaro Takai jef@ime.usp.br DCC-IME-USP
Banco de Dados Modelo Entidade - Relacionamento João Eduardo Ferreira Osvaldo Kotaro Takai jef@ime.usp.br DCC-IME-USP Introdução O Modelo Entidade-Relacionamento (MER) é um modelo de dados de alto-nível
Leia maisQUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE SUGESTÕES DE RESOLUÇÕES
QUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE QUESTÃO 01 SUGESTÕES DE RESOLUÇÕES Descritor 11 Resolver problema envolvendo o cálculo de perímetro de figuras planas. Os itens referentes a
Leia mais22 - Como se diagnostica um câncer? nódulos Nódulos: Endoscopia digestiva alta e colonoscopia
22 - Como se diagnostica um câncer? Antes de responder tecnicamente sobre métodos usados para o diagnóstico do câncer, é importante destacar como se suspeita de sua presença. As situações mais comuns que
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisSejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou
Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou y = ax + b ax y = b Desta forma, para encontrarmos a equação da reta que passa por entre esses dois
Leia maisO USO DE SOFTWARE DE GEOMETRIA DINÂMICA: DE PESQUISAS ACADÊMICAS PARA SALA DE AULA
O USO DE SOFTWARE DE GEOMETRIA DINÂMICA: DE PESQUISAS ACADÊMICAS PARA SALA DE AULA Renan Mercuri Pinto Universidade Estadual Paulista "Júlio de Mesquita Filho" - Campus de Rio Claro renanmercuri@yahoo.com.br
Leia maisAula 6 Medidas de Tendência Central
1 Estatística e Probabilidade Aula 6 Medidas de Tendência Central Professor Luciano Nóbrega Somatório Quando queremos representar uma soma de valores que obedecem à uma sequência, podemos codificá-la através
Leia maisTECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008/1 2 PERÍODO MÓDULO 3 AVALIAÇÃO MP2 DATA 2/10/2008 ESTRUTURAS DE DADOS 2008/2
TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008/1 2 PERÍODO MÓDULO 3 AVALIAÇÃO MP2 DATA 2/10/2008 ESTRUTURAS DE DADOS 2008/2 Dados de identificação do Acadêmico: Nome: Login: CA: Cidade:
Leia maisCRIANDO MAPAS TEMÁTICOS COM SETORES CENSITÁRIOS DE SÃO PAULO
CRIANDO MAPAS TEMÁTICOS COM SETORES CENSITÁRIOS DE SÃO PAULO 1. Unificar as informações de interesse em uma única planilha Neste exemplo, temos os seguintes dados da Capital de São Paulo: Coluna A Código
Leia mais