Redes de Computadores

1) Porque ainda não sabemos como fazer a maquina aprender de maneira similar à maneira como os humanos aprendem. E o agente é o responsável por antecipar as situações (mudanças que podem acontecer com o passar do tempo) que o programador em si não encontra.
2) Dedução: Gera fatos a partir de premissas;
Indução: gera premissas a partir de fatos.
3)
1ª Biometria e Reconhecimento de Imagens
2ª Finanças e Marketing
3ª Agrupamento de Documentos de Texto
4) Dados selecionados: seleção e integração de dados, dados pré-processados: tratamento de outliers e missing values, dados transformados: seleção de atributos, mineração de dados: avaliação e interpretação e aprendizado de máquina;

5)
Classificação:
• É criado um modelo de classificação e os atributos
• Condições e características das classes pré
• Posterior de novos dados
• Exemplos: mercado-alvo, avaliação de risco.
• Algoritmo: árvores de decisão, redes neurais,
• Algoritmos genéticos
Previsão:
• Transforma os dados existentes em uma previsão
• Numérica para dados futuros.
• Previsão baseada no conjunto de dados mais similar ao
• Escolhido
• Exemplos: previsão de vendas, taxas de juros.
• Algoritmo: estatísticas e redes neurais
Associação:
• Visualização dos objetos.
• Ela pode ser aplicada em casos que se deseja analisar
• Facilitar a compra dos mesmos.
• Exemplos: análise de mercado
• Algoritmo: estatística e teoria dos conjuntos

Análise de clusters (agrupamento):
• Consiste em identificar agrupamentos de objetos para
• Assim identificar uma classe especifica.
• Exemplos: segmentação de mercado - divisão de um mercado em pequenos grupos
Algoritmo: Redes neurais e Estatísticas
6) Vendas e marketing

• Identificar padrões de comportamento de consumidores
• Associar comportamentos à características demográficas de consumidores
• Campanhas de marketing direto
• Identificar consumidores “leais”
Médica
• Comportamento de pacientes
•