Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Ciências Matemáticas e de Computação
 
Ciências de Computação
 
Disciplina: SCC0244 - Mineração a partir de Grandes Bases de Dados
Data Mining in Large Databases

Créditos Aula: 3
Créditos Trabalho: 0
Carga Horária Total: 45 h
Tipo: Semestral
Ativação: 01/01/2024 Desativação:

Objetivos
Apresentar conceitos, técnicas e ferramentas relevantes na área de descoberta de conhecimento em bases de dados e mineração de dados, sob a perspectiva da área de bases de dados, explorando com profundidade os aspectos associados a esta área.
 
 
 
Docente(s) Responsável(eis)
2085191 - Agma Juci Machado Traina
71532 - Caetano Traina Junior
 
Programa Resumido
Introdução aos conceitos do processo de descoberta de conhecimento. Técnicas de preparação de dados. Técnicas de redução de dados. Tarefas e técnicas de mineração de dados. Conceitos e técnicas de visualização de dados. Mineração de dados visual. Exemplos de mineração de dados em domínios específicos. Ferramentas de mineração de dados.
 
 
 
Programa
Introdução aos conceitos do processo de descoberta de conhecimento.  Técnicas de preparação de dados. Técnicas de redução de dados. Tarefas e técnicas de mineração de dados: classificação, regressão, detecção de agrupamentos, descoberta de regras de associação, sumarização, modelagem de dependências, detecção de tendências e exceções. Conceitos e técnicas de visualização de dados. Mineração de dados visual. Exemplos de mineração de dados em domínios específicos, tais como: bioinformática, sistemas de informação geográfica, bases de dados de imagens, bases de dados de documentos textuais, bases de dados multimídia, sistemas Web, bases de dados espaço-temporais, sistemas baseados em data streams. Ferramentas de mineração de dados
Atividades de Extensão: Trabalhos práticos em tópicos de interesse da sociedade.
Carga horária: 5 horas.
 
 
 
Avaliação
     
Método
Exposição teórica, seguida de exercícios, seminários e trabalhos práticos com o uso de computador.
Critério
Serão atribuídas notas aos trabalhos práticos e seminários, e serão propostas provas em sala de aula. A nota final será calculada pela média ponderada dessas notas.
Norma de Recuperação
-Critério de Aprovação: NP+(Mrec/2,5), se Mrec ou =7,5; ou Max {NP,Mrec}, se Mrec ou = 5,0; ou 5,0, se 5,0 ou = Mrec 7,5.( NP=1ª avaliação, Mrec=prova)
 
Bibliografia
     
·	Livro Texto:
- HAN, J.; KAMBER, M. Data Mining - Concepts and Techniques. Morgan Kaufmann Publishers, 2001. ISBN 1558604898.
- HAND, D.J.; MANNILA, H.; SMYTH, P. Principles of Data Mining. Cambridge. MA: MIT Press, 2001.
- WITTEN,I. H.; FRANK, E. Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition. Morgan Kaufmann, 2005. ISBN 0120884070.

· Bibliografia Complementar:
- FAYYAD, U.M.; PIATETSKY-SHAPIRO, G.; SMYTH, P.; UTHURUSAMY, R. Advances in Knowledge Discovery and Data Mining. Cambridge, MA: MIT Press, 1996. ISBN 0262560976.
- KANTARDZIC, M.; ZURADA, J. Next Generation of Data Mining Applications. Wiley-IEEE Press, 2005. ISBN 0471656054.
- Dunham, M. H. Data Mining Introductory and Advanced Topics. Prentice Hall/Pearson Education, 2003. ISBN 0130888923.
- REZENDE, S.O. Sistemas Inteligentes: Fundamentos e Aplicações. Monole, 2003.
 

Clique para consultar os requisitos para SCC0244

Clique para consultar o oferecimento para SCC0244

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP