data mining

DATA MINING
Disciplina
SIPE
EQUIPE 4
ARACHELY SILVA
CLAUDINEI NASCIMENTO
ERICA MIRELLA ARAUJO SANTOS
FABIO STAUDINGOR
LUCIANO FRANCISCO
JANAÍNA MARTINS
PEDRO GOMES
Orientadora: Profº. MÁRCIA PASSOS

1

Tópicos da Apresentação
 DATA MINING E OBJETIVOS
 FUTURO E HISTÓRIA
 CARACTERÍSTICAS
 FASES E PROCESSOS
 CONCEITOS
 VANTAGENS E DESVANTAGENS
 ESTUDO DE CASO
 REFERÊNCIAS

2

DATA MINING
• O que é Data mining:
– “Data mining (mineração de dados), é o processo de extração de conhecimento de grandes bases de dados, convencionais ou não.
– Utiliza técnicas de inteligência artificial que procuram relações de similaridade ou discordância entre dados.
Fernando S. Goulart Júnior & Robson do
Nascimento Fidalgo (1998)

[01] Queens University - Belfast

3

Introdução
• O que é Data mining:
– “Data mining (mineração de dados), é o processo de extração de conhecimento de grandes bases de dados, convencionais ou não.
– Utiliza técnicas de inteligência artificial que procuram relações de similaridade ou discordância entre dados.
– Seu objetivo é encontrar, automaticamente, padrões, anomalias e regras com o propósito de transformar dados, aparentemente ocultos, em informações úteis para a tomada de decisão e/ou avaliação de resultados.
Fernando S. Goulart Júnior & Robson do Nascimento Fidalgo (1998)

4

Exemplos de Data Mining
• Exemplo:
Fabricante Estado Cidade Cor do Produto Lucro
Smith
CA
Los Angeles
Azul
Alto
Smith
AZ
Flagstaff
Verde
Baixo
Adams
NY
NYC
Azul
Alto
Adams
AZ
Flagstaff
Vermelho
Baixo
Johnson
NY
NYC
Verde
Médio
Johnson
CA
Los Angeles
Vermelho
Médio

•Conclusões:
•Produtos azuis são de alto lucro ou •Arizona é um lucro baixo

5

Objetivos do Data Mining
• Extrair inteligentimente os dados ;
•
Construir um modelo neural, "adestrado" a rede em um data set de treinamento e então usamos a rede já treinada para fazer predições; •
Identificar padrões de comportamento em vendas de consumidores, Associar comportamentos à características demográficas de