SISTEMAS DE APOIO À DECISÃO E MINERAÇÃO DE DADOS

 

 

Prof. Paulo Adeodato

CIn-UFPE

 

Objetivo

 

Ao concluir a disciplina o aluno terá experiência em mineração de dados.

 

A metodologia é escolher um problema real a ser atacado em equipe e realizar todos os passos necessários à sua resolução, seguindo o processo do CRISP-DM.

 

 

Bibliografia

 

Livros

Data Mining: Concepts and Techniques

Jiawei Han and Micheline Kamber. Morgan Kaufmann Publishers, 2001.

 

Data Mining

Ian H. Witten and Eibe Frank. Morgan Kaufmann Publishers, 2005.

 

Data Mining Cookbook: Modeling Data for Marketing, Risk and Customer Relationship Management

Olivia Parr Rud. John Wiley & Sons, 2001.

 

Cross-Industry Standard Process for Data Mining

http://www.crisp-dm.org/CRISPWP-0800.pdf

 

Artigos

No-show consultas médicas

Efetivação de usuário

Transbordo em telefonia

Seleção de candidatos ao mestrado do CIn-UFPE

Falhas na rede elétrica

Cross-selling de crédito imobiliário

 

Sites Recomendados

 

http://www.kdnuggets.com (site mais amplo de Data Mining com conferências, softwares, repositórios de dados, ofertas de emprego etc.)

http://www.dmreview.com (softwares, aplicações comerciais, problemas reais e apresentações gratuitas de mineração de dados)

http://www.spss.com (softwares da SPSS, aplicações reais, eventos e apresentações gratuitas de mineração de dados)

http://www.sas.com (softwares da SAS, aplicações reais, eventos e apresentações gratuitas de mineração de dados)

http://www.the-modeling-agency.com (Empresa de soluções e treinamento em aplicações reais)

 

Palestrantes convidados

 

Adrian L. Arnaud

Rodrigo C. L. V. Cunha

 

Ferramentas

 

MS-Excel

Weka : http://www.cs.waikato.ac.nz/~ml/weka/index.html

R: http://www.r-project.org/

Enterprise Miner: http://www.sas.com/ (em negociação com a SAS-Brasil)

 

 

Avaliação para Graduação e pós-graduação

 

Graduação

Prova de conceitos básicos ou seminário individual: 30% da avaliação

Projeto: 70% da avaliação = 3 x 15% dos relatórios + 25% de (apresentação + Relatório final)

 

Pós-graduação

Prova de conceitos básicos: 10% da avaliação

Projeto: 70% da avaliação = 3 x 15% dos relatórios + 25% de (apresentação + Relatório final)

Artigo para publicação: 20% da avaliação

 

 

Temas das aulas:

 

 

Entrega do 1o relatório (problema analisado, dados e visão analisados)

 

 

Entrega do 2o relatório (visão montada e dados transformados)

 

 

Entrega do 3o relatório (conhecimento extraído e desempenho avaliado)

 

 

Entrega do relatório final (conjugação dos 3 relatórios anteriores corrigidos) e Apresentação de Projeto para toda a turma

 

Entrega do artigo final (escrito em 6 páginas, ou em inglês no formato de artigo do IEEE) para submissão ao evento escolhido

 

 

Pré-requisitos:

 

 

Exemplos de Artigos e Dissertações em Mineração de Dados: