• Entrega Imediata

Livro Impresso

Introdução à Mineração de Dados - Com Aplicações em R

  • ISBN:

    9788535284461

  • Edição: 1|2016
  • Editora: GEN LTC

Leandro Augusto da Silva, Sarajane Marques Peres e Clodis Boscarioli

De: R$ 119,00 Por: R$ 89,25
In stock
SKU
440604
ou em até 4x de R$ 22,31
< >
A quantidade de dados gerada atualmente tem extrapolado a capacidade humana de interpretação. O armazenamento de todo tipo de informação que antes era objeto de desejo de grandes e até médias empresas, agora se torna um desafio de como analisar essa super
  • Formato: Impresso
  • Páginas: 296
  • Publicação: 16/06/2016
  • Capa: Brochura
  • Peso: 0,65 kg
  • Dimensões: 21 X 28

A quantidade de dados gerada atualmente tem extrapolado a capacidade humana de interpretação. O armazenamento de todo tipo de informação que antes era objeto de desejo de grandes e até médias empresas, agora se torna um desafio de como analisar essa superabundância de dados. A este desafio em específico está o interesse em determinar ações estratégicas, visando à descoberta de conhecimento em bases de dados para aumentar vendas, definir perfis e sugerir produtos relacionados. A descoberta de conhecimento constitui-se de um processo, cuja primeira etapa tem o objetivo de fazer um pré-processamento na base de dados para entregar a fase seguinte os dados limpos, preparados e selecionados. A fase seguinte, que é principal, esta a Mineração de Dados. Nessa etapa, algoritmos de aprendizado de máquina ou de redes neurais artificiais são executados sobre os dados, a fim de criar um modelo que auxilie em tarefas como classificação, agrupamento e associação de dados.

Finalmente, como última etapa, os resultados da mineração são interpretados e analisados qualitativamente e quantitativamente. Diante o exposto, nota-se que é uma área interdisciplinar e exige do leitor uma grande diversidade de experiências que envolvem, basicamente: banco de dados, álgebra linear, matemática discreta e algoritmos. Nesse sentido, esta obra tem como objetivo a apresentação destes assuntos de forma contextualizada, de modo a facilitar o entendimento de um problema e sua resolução através de algoritmos escritos em pseudo-códigos e executados em passo a passo. Adicionalmente, os problemas resolvidos analiticamente são também simulados em uma ferramenta case. Com estas estratégias, esta obra constitui-se de uma visão bastante pragmática dos algoritmos de Mineração de Dados e suas utilizações em estudos de casos reais resolvidos e simulados.

Prefácio

Capítulo 1 - Introdução

Capítulo 2 - Análise exploratória

Capítulo 3 - Análise preditiva

Capítulo 4 - Análise de agrupamento

Capítulo 5 - Regras de associação

Apêndice - Iniciando em Referências

Índice remissivo

Leandro Augusto da Silva 

É Engenheiro Elétrico da Computação pela Faculdade de Engenharia Industrial, Mestre e Doutor pela Escola Politécnica da USP. Tem experiência nas áreas de Engenharia Elétrica, Ciência da Computação e Sistemas de Informação, atuando principalmente nos seguintes temas de pesquisa: redes neurais, processamento digital de imagens, análise de imagens, mineração de dados, reconhecimento de padrões e banco de dados. Atualmente é Professor na Faculdade de Computação e Informática da Universidade Presbiteriana Mackenzie, lecionando na graduação dos cursos de Sistemas de Informação e Ciência da Computação disciplinas relacionadas à Processamento de Imagens, Banco de Dados e Mineração de Dados e na pós graduação strictu-sensu do Programa da Engenharia Elétrica desta mesma instituição de ensino, disciplinas relacionadas a Redes Neurais Artificiais e Mineração de Dados. Nesta instituição ainda, também participa de Comissões de Ensino e Núcleos Temáticos. Como atividades de pesquisa, ele também tem participado como revisor técnico de conferências nacionais e internacionais na área de Inteligência Computacional e tem prestado serviços como revisor técnico de revistas especializadas. Por fim, ele tem publicado regulamente artigos científicos nos principais congressos nacionais e internacionais de sua área de pesquisa, bem como em revistas da área.