Data Mining Gest O Do Conhecimento

Data Mining
Estudo sobre o artigo: Mineração de dados:
Aplicações. Eficiência e Usabilidade

Autores:
Michel Ferreira Bueno
Maury Reis Viana

Motivação
Grandes quantidades de dados de clientes
Falta de uma conexão direta entre esses

dados
Falta Informação !!!
Auxilio a tomada de decisões

Uma primeira abordagem sobre Data
Mining
A Quantidade de dados produzida entre 1986

e 2007 foi de 296 Exabytes.
Ou... 2.960 Petabytes,
Ou... 2.960.000 Terabytes
Ou... 2.960.000.000 Gigabytes

Uma primeira abordagem sobre Data
Mining
Até 04/2014: 44.000.000.000.000 Gigabytes

ou 44 Zettabytes.
Estimativa de 444 Trilhões de Gigabytes até
2020.
Quanto disto é útil ? O quanto disto pode ser transformado em Informação ?
Surge o Data Mining

O que é Data Mining ?
“É Extrair informações em grandes

quantidades de dados”
“É Substituir a busca manual por informações” Conceito KDD (Knowledge Discovery
Database) – Identificar padrões.
3 Conceitos que tornam o Data Mining possível: AI - Inteligência dos softwares
Database – Base de armazenamento de dados
Estatística – Estudo de dados

Como funciona o KDD
Dividido em 5 Processos:
Seleção – Escopo do Processamento
Pré-Processamento – Limpeza dos Dados
Transformação – Reorganização dos Dados
Mineração – Dados são transformados em
Informação
Análise – Interpretação da Informação Obtida

Conceitos do Data Mining
Dois conceitos importantes do Data Mining
Tarefa – É a especificação do que estamos procurando Técnica de Mineração - É a especificação do método
Técnicas Estatísticas
 Técnicas de Aprendizado
 Técnicas Baseadas em Crescimento Poda-Validação


Após a aplicação das Técnicas define-se a Análise a

ser utilizada
Análise de Amostragem
 Análise Descritiva
 Analise de Prognóstico


Tipos de Análises
Análises de Amostragem - Informações com

comportamentos que fogem do normal devem ser descartadas antes da mineração.
 Análises Descritivas - Estabelecem relações e associações para descrever o modelo e