Nome da disciplina: Mineração de Dados
Carga horária: 60h
Ementa:
O processo de Descoberta do Conhecimento (Knowledge Discovery in Database – KDD). Tratamento dos dados nas fases de um processo KDD. Compreensão e prospecção de informação (Mineração de Dados). Entendimento, previsão e interpretação dos dados. Reconhecimento de padrões.
Objetivos:
Mostrar como o uso de técnicas e tecnologias de mineração de dados possibilita agilizar e potencializar os processos decisórios, capacitando o aluno a compreender o processo de descoberta de conhecimento a partir dos dados, desde as exigências para o armazenamento de dados até a prospecção. Apresentar um conjunto de algoritmos e técnicas para o desenvolvimento de modelos de entendimento e previsão. Entender as métricas de desempenho e as limitações das abordagens de prospecção da informação.
Bibliografia básica:
- 1 – M. Zaki and W. Meira Jr., Fundamentals of Data Mining Algorithms, Cambridge, 2014.
- 2- J. Han and M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann, 2nd Edition, 2007.
- 3 – Golschimidt, R. Passos S. Data Mining;Um guia prático. Rio de Janeiro:Campus, 2009.
- 4 – Kumar, V. ; Tam P. Introdução ao Data Mining; Mineração de dados. Rio de Janeiro: Riachuelo, Ed. Ciência Moderna, 2009.
- 6 – M. Berthold, C. Borgelt, F. Höppner and F. Klawonn, Guide to Intelligent Data Analysis, Springer, 2010.
- 7 – Tan, P.; Steimbach, M.; Kumatr, V. Introduction ao data mining. Boston, Addison Wesley, 2006.