Mineração de Dados

DATA MINING - MINERAÇÃO DE DADOS

Trabalho apresentado com requisito para conclusão de nota final, do Curso de Analise e Desenvolvimento de Sistema, turma ADS0022, solicitado pelo professor Elson Pessoa Vasques.

Manaus/AM
2014
DATA MINING - MINERAÇÃO DE DADOS

Manaus/AM
2014
SUMÁRIO

1 - INTRODUÇÃO

2 - DESENVOLVIMENTO

3 - DESCOBERTAS DO CONHECIMENTO

4 - METODOLOGIAS PARA MINERAÇÃO DE DADOS
4.1 MODELO DE PROCESSO CRISP-DM
4.2-METODOLOGIADE KLEMETTINEN
4.3-METODOLOGIA DE SEMMA

5 - TÉCNICAS DE MINERAÇÃO DE DADOS
5.1 CLASSIFICAÇÃO
5.2 ESTIMATIVA (OU REGRESSÃO)
5.3 ANÁLISE DE AFINIDADES (ASSOCIAÇÃO
5.4 SEGMENTAÇÃO (CLUSTERING)
5.5 SUMARIZAÇÃO

6 - TIPOS DE ALGORITMOS
6.1 REGRAS DE ASSOCIAÇÃO
6.2 ÁRVORES DE DECISÃO
6.3 RACIOCÍNIO BASEADO EM CASOS
6.4 ALGORITIMOS GENÉTICOS
6.5 REDES NEURAIS

7 - ESCOLHA DA TÉCNICA MAIS ADEQUADA

8 - PROCESSO DE DESCOBERTA DO CONHECIMENTO
8.1 DEFINIÇÃO DE OBJETIVOS
8.2 PREPARAÇÃO DE DADOS
8.3 DEFINIÇÃO DE UM ESTUDO
8.4 CONSTRUÇÃO DE UM MODELO
8.5 ENTENDIMENTO DO MODELO
8.6 PREDIÇÃO

9 - MINERAÇÃO DE ESTRUTURAS COMPLEXA

10 - ÁREAS DE APLICAÇÃO DE TÉCNICAS DE MINERAÇÃO DE DADOS

11 - EXEMPLOS DE MINERAÇÃO DE DADOS

12 – BIG DATA

13 - CONCLUSÃO

14 - REFERÊNCIA
INTRODUÇÃO
Desde o surgimento dos sistemas computacionais, um dos principais objetivos das organizações tem sido o de armazenar dados. Nas últimas décadas essa tendência ficou ainda mais evidente com a queda nos custos para a aquisição de hardware, tornando possível armazenar quantidades cada vez maiores de dados.
A formação de subgrupos de dados é feito pelo Data Mining através da execução de algoritmos, capazes de conhecer e aprender mediante a varredura dessas informações.
Baseado em sistemas de redes neurais, esses dados são examinados e pensados, gerando uma nova informação associativa com outros dados. A formação de estatísticas também é uma de suas funções.
Números estatísticos são gerados