ICA
  contato   links   
 

Tóp. Esp. em Inteligência Computacional I (ELE2760)

stricto sensu Unidade: DEE


Descrição | Objetivos | Ementa | Cursos | Pré-requisitos | Professores | Bibliografia
Avaliação | Carga Horária | Outras Informações | Ementa Detalhada | Downloads

Descrição

Esta disciplina introduz a teoria da Descoberta de Conhecimento em base de dados, apresentando seus conceitos, etapas, principais tarefas e modelos envolvidos, e a aplicação em problemas reais de planejamento financeiro, gerência de produção, diagnóstico, previsão e detecção de fraude, etc. A Descoberta do Conhecimento é uma sub-área da inteligência computacional que trata de descobrir relacionamentos e padrões em grandes massas de dados e texto. A descoberta do conhecimento envolve tecnologias como a mineração dos dados, indução de regras, agrupamento de dados, e outras técnicas relacionadas. Softwares e algumas técnicas e modelos são aplicados em problemas reais de planejamento financeiro, gerência de produção, diagnóstico, previsão, detecção de fraude, etc.

 
Objetivos

Introduzir a teoria das Data Mining ¾ conceitos básicos e principais modelos de mineiração supervisionado e não-supervisionado, fornecendo subsídios para que o aluno saiba discernir quando se deve utilizar as diversas técnicas relacionadas a extração do conhecimento; apresentar ferramentas de software de Data Mining; e exemplificar sua aplicação em sistemas de classificação e reconhecimento de padrões, clusterização, inferência e apoio à decisão.

 

 
Ementa

Descoberta de Conhecimento; Conceitos básicos de Bases de Dados e Data Warehouse; Mineração de Dados (MD); 1R, Naive, Árvores de Decisão; Modelos Baseados em Regras, Algoritmos ID3, J48, IBk, EM, Softwares e Ferramentas de MD; Aplicações e Estudos de Casos.

 
Cursos
 
Pré-requisitos

Linguagem de programação Matlab desejável

 

 
Professores

Karla Figueiredo (karla@ele.puc-rio.br)

 
Bibliografia
  1. Notas de Aula (cópias das transparências –  http://www.ica.ele.puc-rio.br).
  2. Witten, Ian H.; Frank, Eibe: “Data Mining”, Elsevier
  3.  HAN, J. , KAMBER, M.. Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufmann Publishers, 2001.
  4.  KLÖSGEN,W. , ZYTKOW, J.M.. Handbook of Data Mining and Knowledge Discovery. New York: Oxford University Press, Inc., 2002.
  5.  DINIZ,C.A.R. , NETOF.L. Data Mining: Uma Introdução. São Paulo: XIV Simpósio Nacional de Probabilidade e Estatística. IME-USP, 2000.
  6. Breiman Leo, Friedman, Jerome H., Olshen, Richard A., Stone, Charles J. (1984). Classification and Regression Trees. Wadsworth International Group, Belmont, California.
  7. Quinlan, Ross (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA.
  8. Holte, R.C. (1993). Very simple classification rules perform well on most commonly used datasets. Machine Learning. 11:63-91.
  9. AMARAL,F.C.N. Data Mining: Técnicas e Aplicações para o Marketing Direto. São Paulo: Editora Berkeley, 2001.
  10. BUSSAB,W.O. , MIAZAKI,É.S. ANDRADE,D.F. Introdução à Análise de Agrupamentos. São Paulo: 9° Simpósio Nacional de Probabilidade e Estatística, 1990.
  11. BERRY,M.J.A., LINOFF,G. Data Mining Techniques For Marketing, Sales and Customer Support. 2a. ed. New York: John Wiley & Sons, Inc., 2004.
  12. CARVALHO,L.A.V.  Datamining A Mineração de Dados no Marketing, Medicina, Economia, Engenharia e Administração. São Paulo: Editora Érica, 2001.
  13.  FERNADEZ,G. Data Mining Using SAS Applications.  New York: Editora Chapman & Hall/CRC, 2003.
  14.  MANLY,B.F.J. Multivariate Statistical Methods: a Primer. 3.ed. New York: Chapman & Hall, 2005.
  15. Oliveira, I. (2003). Correlated Data in Multivariate Analysis. Ph.D Thesis, University of Aberdeen.
  16. McCullagh, P. and Nelder, J.A., Generalized Linear Models 2nd edition, Chapman & Hall 1997
  17.  BUSSAB,W.O. , MORETTIN,P.A. Estatística Básica. 5.ed. São Paulo: Editora Saraiva, 2002.
 
Avaliação

Mestrado/Doutorado: Prova (P), Trabalho + Artigo Técnico + Apresentação (T2), Exerc. (E)

Médiamestrado = (3*P + 2*T2 + E1+E2)/7

Médiadoutorado = (3*P + 3*T2 + E1+E2)/8

 

 
Carga Horária

3 horas

 
Outras Informações
Não disponível.
 
Ementa Detalhada
Não disponível.
 
Donwloads

Publicação Arquivos
Notas de Aula (ELE2760)
Outros (ELE2760)