BCC444 - Mineração de Dados - 2021-1

Carga horária da disciplina: 4 horas/aula


Professor(es) em 2021-1

Turma 11 Professor:
Anderson Almeida Ferreira - e-mail

Horários:
Segunda-feira (08h20 - 10h00)
Quarta-feira (08h20 - 10h00)

Objetivos

Apresentar ao aluno diversos aspectos teóricos e práticos de mineração de dados.

Ementa

Introdução e aplicações de mineração de dados; processo de descoberta de conhecimento em bases de dados; pré-processamento de dados; técnicas de mineração de dados para as tarefas de extração de regras de associação e padrões de sequência, agrupamento (clustering), classificação e regressão; uso de ferramentas de mineração de dados.

Conteúdo Programático

- Introdução e aplicações de mineração de dados
        - Técnicas e tarefas de mineração de dados
        - Exemplos de aplicações
- Processo de descoberta de conhecimento em bases de dados
        - Descrição das etapas do processo de descoberta de conhecimento em bases de dados
- Pré-processamento de dados
        - Limpeza de dados
        - Integração de dados
        - Transformação de dados
        - Redução de dados
        - Discretização de dados
- Extração de regras de associação e padrões de sequência
        - Conceitos iniciais de regras de associação e padrões de sequência
        - Tipos de regras de associação
        - Modelo suporte/confiança
        - Algoritmos Apriori e Partition
        - Outras medidas de interesse
        - Algoritmo AprioriAll
- Classificação e regressão
        - Processo de classificação
        - Classificação por indução de árvores de decisão
        - Classificadores bayesianos
        - Classificador k-NN
        - Avaliação de classificadores
        - Regressão linear simples e múltipla
- Agrupamento (clustering)
        - Conceitos iniciais
        - Funções de distância
        - Preparação dos dados
        - Categorias de métodos de agrupamento
        - Algoritmo k-means
- Uso de ferramentas de mineração de dados

Bibliografia

- TAN, Pang-Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao Data Mining. Rio de Janeiro: Ciência Moderna, 2009.
- HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data mining: concepts and techniques 3.ed. Boston: Elsevier, 2012.
- WITTEN, I. H; FRANK, Eibe; HALL, Mark A. Data mining: practical machine learning tools and techniques. 3. ed. Amsterdam: Morgan Kaufmann, 2011.

Bibliografia complementar

- LAWRENCE, Kenneth D; KUDYBA, Stephan; KLIMBERG, Ronald K. Data mining methods and applications. Boca Raton, FL: Auerbach Publications, 2008.
- HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, J. H. The elements of statistical learning: data mining, inference, and prediction . 2. ed. New York, NY: Springer, 2009.
- GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel Lopes. Data Mining: Um Guia Prático: conceitos, técnicas, ferramentas, orientações e aplicações. Rio de Janeiro: Elsevier, Campus, 2005.
- CHAKRABARTI, Soumen. Mining the Web: discovering knowledge from hypertext data. San Francisco, CA: Morgan Kaufmann Publishers, 2003.
- LIU, Bing. Web data mining: exploring hyperlinks, contents, and usage data. Berlin, New York: Springer, 2007.
- KANTARDZIC, Mehmed. Data Mining: concepts, models, methods, and algorithms. Hoboken, NJ: Wiley-Interscience IEEE Press, 2003.

Departamento de Computação  |  ICEB  |  Universidade Federal de Ouro Preto
Campus Universitário Morro do Cruzeiro  |  CEP 35400-000  |  Ouro Preto - MG, Brasil
Telefone: +55 31 3559-1692  |  decom@ufop.edu.br