Mineração de
Dados - 99.1
Descrição geral desta (classe
de) disciplina, incluindo ementa, avaliação e material
bibliográfico encontram-se em: www.di.ufpe.br/~compint/datamining.html
Informações Gerais
Professores: Jacques
Robin e Paulo
Adeodato
Monitores: Ricardo Bezerra, Natasha Lino e Robson Fidalgo
(Esta) Homepage: www.di.ufpe.br/~compint/aulas-IAS/prolog-991/Welcome.html
Newsgroup: depto.cursos.posgrad.taci3
Horários: aulas: 4a 16h-18h e 6a
14h-16h
Local: M2
Turma:
- Bernadette
Farias Loscio (bfl)
- Domingos ??
(??, ouvinte)
- Eduardo
Massao Arakaki (ema)
- Estefane George
M. de Laceroa (egml, ouvinte)
- George
Darmiton da Cunha Cavalcanti (gdcc)
- Natasha
Correia Queiroz Lino (ncql, ouvinte)
- Vicente
Rabello Beltrão (vpcrb)
Calendário:
Aula 1: Apresentação da
disciplina (24/03)
- Jacques e Paulo
- Plano:
- Objetivo da
disciplina
- Metodologia didática
e de avaliação
- Ementa
- Material
bibliográfica
Aula 2: Data Warehouses e OLAP
(26/03)
Aula 3: Descoberta de
conhecimento e sistemas de apoio a decisão (31/03)
- Jacques
- Leitura devida:
- Plano:
- O que é
descobrimento de conhecimento em banco de dados?
- A
plurisiciplinaridade de KDD
- O processo iterativo
e interativo de KDD
- Transparências: kdd.ppt
- Paulo
- Leitura devida:
- Capítulo 1 do
Mitchell
- An overview of
machine learning
- Paradigms for
machine learning
- Toward a unified
theory of learning: multistrategy task-adaptative
learning
- pp. 436-447, 525-531,
563-573, do AIMA
-
- Plano:
- Tarefas de
aprendizagem
- Tipos de aprendizagem
- Paradigmas de
aprendizagem
- Aplicações
práticas de aprendizagem
- Transparências: learning.ppt
Aula 4: Indução de árvores de
decisão (09/04)
- Geber
- Leitura devida:
- Plano:
- Transparências: ver Aula 5
Aula 5: Aprender no espaço de
hipóteses (version-space) (14/04)
- Geber
- Leitura devida:
- Leitura devida: pp.
544-558 do AIMA
- Plano:
- Transparências: id3/versionSpace.ppt
Aula 6: Agrupamento conceitual
(23/04)
- Chico
- Leitura devida:
- Models of
incremental concept formation
- Plano:
- Transparências: clustering.ppt
Aula 7: Introdução a redes
neurais (28/04)
- Paulo
- Leitura devida:
- Capítulo 4 do
Mitchell
- pp. 563-584 do AIMA
- Plano:
- Transparências: neuralNets1.ppt
Aula 8: Usar redes neurais para
mineração de dados (30/04)
- Paulo
- Leitura devida: pp. ??-?? do
Bigus
- Plano:
- Transparências:
Aulas 9 & 10: Revisão de
probabilidades e estatística (05 & 07/05)
- Paulo
- Leitura devida:
- Capítulo 14 do AIMA
- Capítulo 4 do
Mitchell
- Plano:
- O que é
probabilidade?
- variaveis aleatórias
e função de densidade
- valor esperado,
variancia, desvio padrão, mediana e moda
- distribuições
binomial e normal
- teorema central do
limite
- probabilidade
condicional e teorema de Bayes
- estimação de
parametro, tendência e intervalo de confiância
- teste de hipótese
Aulas 11 e 12: Aprendizagem
estatística (14 & 21/05)
- Paulo
- Leitura devida:
- Capítulo 5 do
Mitchell
- Capítulo 4 do Fayyad
- Plano:
- Transparências: statLearning.ppt
Aula 13: Redes bayesianas (12/05)
- George
- Leitura devida:
- pp. 436-456, 588-593
do AIMA
- Capítulo 6 do
Mitchell
- Capítulo 11 do
Fayyad
- Plano:
- Transparências: bayesNets.ppt
Aulas 14, 15 e 16: Programação
em lógica indutiva (19/05)
- Jacques
- Leitura devida:
- pp. 636-644 do AIMA
- pp. 283-306 do
Mitchell
- Capítulo 5 do Fayyad
- Inductive Logic
Programming: Theory and Methods
- Plano:
- Revisão de
programação em lógica dedutiva
- Lógica dos
predicados da 1a ordem
- Programação
em lógica
- Unificação
- Resolução
- Princípios básicos
de PL indutiva
- IPL x outros
tipos de aprendizagem
- Vários tipos
de IPL
- Operadores de
indução
- Bias
declarativo
- Bernadette
- Leituras devidas:
- Plano:
- OLTP x OLAP: BD
dimensionais, BD temporais, data warehouses e
data marts
- BD x aplicações: BD
ativos, BD orientado a objetos e BD API
- BD x base de
conhecimento: BD dedutivas e DOOD
- BD x web: BD
multimídia e criação de BD a partir de
informação semi-estruturada
- BD x agentes: BD
federadas, heterogeneidade e interoperabilidade
- Transparências: posRelDB.ppt
Aula 17: BD dimensionais e
processamento on-line analítico (OLAP) (28/05)
Aula 18: BD dedutivos e BD ativos
(02/06)
- Jacques
- Leituras devidas:
- Plano:
Aula 19: BD orientado a objetos
(BDOO) e BD dedutivos orientados a objetos (BDDOO) (04/06)
- Jacques
- Leituras devidas:
Aula 20: Revisão dos conceitos
téoricos (??)
Aula 21: Prova (??)
- Paulo
- Leitura devida:
- Plano:
- Transparências: qnet.ppt
Aula 24: MLC++ e BNPC:
ferramentas de aprendizagem simbólica, estatística e bayesiana
(16/06)
Aula 25: Intelligent Miner for
DB/2: a ferramenta integrada da IBM para data warehousing, OLAP e
data mining (18/06)
- Natasha e Ricardo
- Leitura devida:
- Plano:
- Transparências: intelMiner.ppt
Aula 26: Orientação de projetos
I (23/06)
Aula 27: Ferramentas para minerar
a Web (25/06)
Aula 28: Orientação de projetos
II (30/06)
Aula 29: Visão geral das
ferramentas de mineração de dados (02/07)
Aula 30: Orientação de projetos
III (07/07)
Aula 31: Catálogo das
aplicações práticas de descobrimento de conhecimento em BD
(09/07)
- Vicente
- Leitura devida:
- Plano:
- Transparências:
Aula 32: Orientação de projetos
IV (14/07)
Aula 33: Apresentação de
projeto I (18/07)
- Seminário de
apresentação de projeto
- Plano:
- Transparências:
Aula 34: Apresentação de
projeto II (21/07)
- Seminário de
apresentação de projeto
- Plano:
- Transparências: