MINERAÇÃO DE DADOS

Carga Horária: 60 horas-aula

Ementa:

• Introduzir a teoria sobre a Descoberta de Conhecimento em base de dados apresentando seus conceitos, fases, principais tarefas e algoritmos envolvidos.
  
• Estudo dos conceitos de modelagem de dados para bancos multidimensionais; sistemas OLAP e data warehouse.
  
• Estudo das fases: definição do problema; seleção dos dados; limpeza dos dados; pré-processamento dos dados; codificação dos dados; enriquecimento dos dados; mineração dos dados (Data Mining) e a interpretação dos resultados.
  
• Ênfase Mineração de Dados (Data Mining) e os principais métodos empregados nesta fase: Redes Neurais, AlgoritmosGenéticos e Sistemas Neuro-Fuzzy.
  

Bibliografia:

Fayyad, U. M., Piatetsky Shapiro, G., Smyth, P. & Uthurusamy, R. – "Advances in Knowledge Discovery and Data Mining", AAAIPress, The Mit Press, 1996.
Freitas, A. A., and Lavington, S. H., Mining Very Large Databases with Parallel Processing. Kluwer Academic Publishers. 1998.
Michalewicz, Z. Genetic Algorithms+Data Structures=Evolution Programs, Springer-Verlag-1994.
Constantin Von Altrock, Fuzzy Logic & NeuroFuzzy Applications Explained, Prentice-Hall PTR, 1995.
Joseph P. Bigus, Data Mining with Neural Networks, McGraw-Hill, 1996
Weiss ,S. et Indurkhya N. Predictive Data Mining Morgan Kaufman 1998
Elmasri-Navathe, Fundamentals of Database Systems, Segunda Edição, Addison-Wesley Publishing Company.
W. H. Inmon, Como construir o Data Warehouse, Segunda Edição, Editora Campus.
Turban, E. & Aronson, J. (1998) : Decision-Support Systems and Inteligent Systems, Prentice Hall.
Pyle, D. (1999): Data preparation for data mining, Morgan Kaufmann.
Mitchell, T. (1997): Machine Learning, McGraw-Hill.
Russel, S, & Norvig, P. (1995). Artificial Intelligence: a Modern Approach (AIMA) Prentice-Hall.