SISTEMAS DE APOIO À DECISÃO E MINERAÇÃO DE DADOS

Semestre 2012.2

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.

O projeto será sobre um problema que possa ser modelado como uma decisão binária, em função da disponibilidade de ferramental para avaliação de desempenho técnico e seu fácil mapeamento nos indicadores do domínio de aplicação.

Bibliografia

Livros

Data Mining: Concepts and Techniques

Jiawei Han and Micheline Kamber. Morgan Kaufmann Publishers, 2006.

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

Celeridade processual no TCE-PE

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

Járley Nóbrega

Laílson Bandeira

Ferramentas

MS-Excel

Weka : http://en.wikipedia.org/wiki/WEKA e http://www.cs.waikato.ac.nz/~ml/weka/index.html

Rapid Miner: http://en.wikipedia.org/wiki/RapidMiner e http://rapid-i.com/

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

Avaliação para Graduação e pós-graduação

Graduação e Pós-graduação

Projeto: 100% da avaliação

• Artigo científico de 6 a 10 páginas (no formato do evento Qualis ≥ B3, para submissão)
• Apresentação PowerPoint ou Impress

Temas das aulas:

• Apresentação da disciplina e discussão dos potenciais projetos para escolha
• O processo de descoberta de conhecimento em banco de dados
• A metodologia para desenvolvimento de soluções com mineração de dados CRISP-DM
• Modelagem de problemas reais binários
• Aplicações práticas da descoberta de conhecimento em banco de dados e Escolha dos projetos (equipes de 3 ou 4 alunos)
• Erros típicos em projetos de KDD
• Demonstração do desenvolvimento e da solução de um sistema de apoio à decisão (NeuroTech)
• Princípios da aprendizagem baseada em dados
• OLAP: consultas analíticas em um data warehouse e Aula Prática com o Excel (Tabelas dinâmicas)

Entrega da 1^a parte do artigo (problema caracterizado como binário, indicadores de desempenho definidos e dados e visão analisados)

• Modelagem dos problemas
• Tipologia dos dados de entrada
• Problemática geral da preparação de dados
• Orientação de projetos

Entrega da 2^a parte do artigo (visão montada e dados transformados)

• Weka: ferramenta de modelagem
• RapidMiner: ferramenta de modelagem
• Tanagra: ferramenta de modelagem
• Visão geral das técnicas de classificação, estimação e indução de regras
• Tipologia do conhecimento de saída
• Validação estatística do conhecimento minerado
• Orientação de projetos

Entrega da 3^a parte do artigo (conhecimento extraído e desempenho avaliado)

• Revisão, correção e integração das partes.

Entrega do artigo final (conjugação das partes anteriores corrigidas) e Apresentação de Projeto para toda a turma

O artigo final deverá estar no formato especificado para submissão ao evento escolhido.

Pré-requisitos:

• Fundamentos de Inteligência Artificial
• Estatística básica

Maiores eventos científicos focados em Mineração de Dados:

• KDD – ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. Organizado pela ACM, tem Qualis A1.
• ICDM – IEEE International Conference on Data Mining. Organizado pelo IEEE, tem Qualis A1.
• SDM – SIAM International Conference on Data Mining. Organizado pela SIAM-Society for Industrial and Applied Mathematics, tem Qualis A2.
• ECML/PKDD – European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases. Organizado por um consórcio de instituições européias, tem Qualis A2.
• Mais conferências da área em: http://www.kmining.com/info_conferences.html
• Diversas outras grandes conferências de Inteligência Artificial, Redes Neurais, Reconhecimento de Padrões etc. têm seções específicas de Mineração de Dados