Data Mining

ROTEIRO DE APRESENTAÇÃO

Slide 9
DATA MINING DEFINICAO ALGORITMOS USADOS: Por exemplo, a Inteligência Artificial, com a aplicação de técnicas de Aprendizagem de Máquina, Redes Neurais, Árvores Decisórias, Algoritmos Genéticos, ou a Estatística, com a utilização de técnicas de amostragem, estimativas e testes de hipóteses.

Slide 10
1.1.1. Predição
No formato de Data Mining preditivo, o objetivo é criar modelos de pesquisa que sejam capazes de prever comportamentos futuros, baseando-se em um conjunto de dados do passado. Geralmente, o analista de negócio possui certo conhecimento à cerca do problema definido no inicio do processo de Extração de Conhecimento em Bases de Dados, e tenta comprovar essa hipótese (Dias, 2001; Rodrigues Filho, 2001).
A predição pode ser aplicada para classificação de espécies de animais, plantas ou insetos, classificação clientes de uma instituição financeira, auxiliar na previsão de valores de ações, o diagnóstico de doenças através da análise dos resultados de exames médicos, entre outras ações que permitam a previsão de comportamento baseada em dados históricos (Tan et al., 2005).
Por exemplo, uma instituição financeira pode definir regras de concessão de crédito à seus clientes, tendo como base o exame das características dos mesmos. Através da análise da idade, do tempo de carteira assinada, da renda mensal, é possível classificar os clientes e então definir taxas de juros e planos de empréstimos que evitem que a instituição venha a ter perdas na concessão de créditos financeiros a seus clientes.
1.1.2. Descrição
O objetivo da Data Mining descritivo é verificar a possível existência de correlações, clusters, anomalias, nas relações dos dados. Normalmente a descrição é executada quando os analistas de negócio não possuem um embasamento específico para a que seja executado o Data Mining preditivo, ou quando não há um interesse específico. A interação com o analista de negócios se da na fase de