Mineração de Dados

Ementa:

Introdução a data mining: objetivos e principais características. Tarefas de data mining: classificação, clustering (agrupamento), associação, descoberta de leis científicas, etc. Descoberta de regras de associação: algoritmo básico. Descoberta de leis científicas: algoritmo BACON. Métodos de clustering: Algoritmo COBWEB. Visão geral de métodos estatísticos. Métodos de classificação de diferentes paradigmas: indução de regras, árvores de decisão (usando teoria da informação), classificador bayesiano, vizinho mais próximo, algoritmos evolucionários, extração de regras compreensíveis de redes neurais, e outros. O conceito de bias indutivo e suas implicações. Lei da conservação do desempenho de generalização. O processo de descoberta de conhecimento: Visão geral de data warehouses. Seleção de atributos. Discretização. Construção de atributos. Pós- processamento do conjunto de regras descobertas. O conceito de "grau de interesse" das regras e padrões descobertos. Medidas de grau de interesse e métodos específicos para descoberta de conhecimento interessante.

Carga Horária:

45h/a.

Créditos:

3.