SIN460 - Catálogo de Graduação

UNIVERSIDADE FEDERAL DE VIÇOSA
ESTE DOCUMENTO NÃO SUBSTITUI O ORIGINAL
Programa Analítico de Disciplina
SIN460 Mineração de Dados
Campus Rio Paranaíba - Campus Rio Paranaíba
Número de créditos:
4
Duração em semanas: 15
Períodos - oferecimento: I e II
Carga horária semanal
Carga horária total
Teóricas
4
60
Práticas
0
0
Total
4
60
Pré-requisitos (Pré ou co-requisitos)*
SIN110
Ementa
Introdução. Dados. Explorando os dados. Introdução do problema de classificação. Algoritmos de
classificação. Análise de grupos.
Oferecimento aos Cursos
Curso
Sistemas de Informação
Modalidade
Optativa
Período
-
______________________________________________________
Catálogo de Graduação 2016 da UFV
0
UNIVERSIDADE FEDERAL DE VIÇOSA
ESTE DOCUMENTO NÃO SUBSTITUI O ORIGINAL
SIN460 Mineração de Dados
Seq
1
Aulas Teóricas
Introdução
Horas/Aula
4
1.1. O que é mineração de dados?
1.2. Desafios
1.3. Origens da mineração de dados
1.4. Tarefas de mineração de dados
2
Dados
6
2.1. Tipos de dados
2.2. Qualidade dos dados
2.3. Pré-processamento de dados
2.3.1. Agregação e amostragem
2.3.2. Seleção de atributos e redução da dimensionalidade
2.4. Medidas de semelhança e diferença
3
Explorando os dados
6
3.1. Estatísticas e resumo
3.2. Visualização
3.3. OLAP
3.4. Análise de dados multidimensionais
4
Introdução do problema de classificação
18
4.1. Noções preliminares
4.2. Abordagem Geral
4.3. Árvores de decisão
4.3.1. Como uma árvore de decisão funciona
4.3.2. Construção da árvore de decisão
4.3.3. Aprimoramento
4.3.4. Algoritmo de indução de árvore de decisão
4.4. Overfitting
4.4.1. Problemas com ruídos
4.4.2. Falta de amostras
4.4.3. Comparação múltipla
4.4.4. Lidando com Overfitting
4.5. Avaliando o desempenho
4.5.1. Houldout
4.5.2. Sub-amostragem aleatória
4.5.3. Validação cruzada
4.5.4. Bootstrap
4.6. Métodos para comparar classificadores
______________________________________________________
Catálogo de Graduação 2016 da UFV
1
UNIVERSIDADE FEDERAL DE VIÇOSA
ESTE DOCUMENTO NÃO SUBSTITUI O ORIGINAL
5
Algoritmos de classificação
14
5.1. Classificador do vizinho mais próximo
5.1.1. Algoritmo
5.1.2. Principais características
5.2. Classificadores Bayesianos
5.2.1. Teorema de Bayes
5.2.2. Usando o Teorema de Bayes para classificação
5.2.3. Classificador de Bayes simples
5.3. Redes Neurais Artificiais (ANN)
5.3.1. Perceptron
5.3.2. Treinamento
5.3.3. Aprendizado
5.3.4. ANN multicamadas (MLP)
5.3.5. Características de ANN
6
Análise de grupos
12
6.1. Visão geral
6.1.1. O que é análise de grupos?
6.1.2. Diferentes tipos de grupos
6.1.3. Diferentes tipos de agrupamentos
6.2. K-médias
6.2.1. O algoritmo k-médias básico
6.2.2. Dividindo k-médias
6.2.3. Pontos fortes e fracos
6.2.4. K-médias como problema de otimização
6.2.5. Determinando o número de grupos
6.3. Agrupamento hierárquico
6.3.1. Principais conceitos
6.3.2. Algoritmo hierárquico aglomerativo
6.3.3. Medidas de similaridade entre grupos
6.3.4. Questões chave no agrupamento hierárquico
6.3.5. Pontos fortes e fracos
______________________________________________________
Catálogo de Graduação 2016 da UFV
2
UNIVERSIDADE FEDERAL DE VIÇOSA
ESTE DOCUMENTO NÃO SUBSTITUI O ORIGINAL
SIN460 Mineração de Dados
Referências Bibliográficas
Bibliografia Básica:
1 - PINHEIRO, C.A.R. Inteligência Analítica - Mineraçao de Dados e Descoberta de Conhecimento. 1ª
ed. Ciência Moderna, 2008. [Exemplares disponíveis: Não informado.]
2 - SILVA, I.N., SPATTI, D.H. e FLAUZINO, R. A. Neurais Artificiais para engenharia e ciências aplicadas:
curso prático. Edição 1. Artliber, 2010. [Exemplares disponíveis: Não informado.]
3 - STEINBACH, M.; KUMAR, V.; TAN, P. Introdução ao Data Mining (Mineração de Dados). Edição 1.
Ciência Moderna, 2009. [Exemplares disponíveis: Não informado.]
___________________________________________________________________________________
Bibliografia Complementar:
4 - AGUIAR, O.J.H. Inteligência Computacional Aplicada à Administração, Economia e Engenharia em
Matlab. Edição 1. Thomson, 2007. [Exemplares disponíveis: Não informado.]
5 - Duda, R.O.; Hart, P.E. and Stork, D.G. Pattern Classification. Edição 2. Wiley-Interscience, 2000.
[Exemplares disponíveis: 2]
6 - LINDEN, R. Algoritmos Genéticos. Edição 2. Brasport, 2008. [Exemplares disponíveis: Não
informado.]
7 - MITCHELL, T. Machine Learning, Edição 1. McGraw Hill, 1997. [Exemplares disponíveis: 2]
8 - Theodoridis, S.; Koutroumbas, K. Pattern Recognition. Edição 1. Elsevier, 2008. [Exemplares
disponíveis: Não informado.]
______________________________________________________
Catálogo de Graduação 2016 da UFV
3