Mineração de dados

by Vitor Ramos

Overview

A Série Universitária foi desenvolvida pelo Senac São Paulo com o intuito de preparar profissionais para o mercado de trabalho. Os títulos abrangem diversas áreas, abordando desde conhecimentos teóricos e práticos adequados às exigências profissionais até a formação ética e sólida. 

Este livro explora o campo emergente da mineração de dados, abordando técnicas e tendências recentes. Entre os tópicos discutidos estão o pré-processamento, a análise descritiva e a classificação de dados, a estimação, a detecção de anomalias e os modelos de aprendizado de máquina. As muitas aplicações práticas da mineração de dados, presente em diversos setores, também são abordadas, mostrando como transformar grandes volumes de dados brutos em insights valiosos. O objetivo é apresentar ao leitor os fundamentos da mineração de dados e as estratégias essenciais para sua aplicação eficaz em vários contextos.

Product Details

ISBN-13:	9788539648658
Publisher:	Editora Senac São Paulo
Publication date:	07/19/2024
Series:	Série Universitária
Sold by:	Bookwire
Format:	eBook
Pages:	128
File size:	6 MB
Language:	Portuguese

About the Author

Vitor Ramos é pós-graduado em gestão de negócios pela Unimetrocamp (grupo Wyden) e graduado em engenharia de produção pela mesma instituição. Entre suas competências técnicas, destacam-se a engenharia de dados e computação em nuvem, as habilidades com plataformas de dados e o desenvolvimento de projetos de ciência de dados. Tem experiência com Python e SQL para processos massivos de ETL e ferramentas de business intelligence. Atuou por quinze anos como gestor no mercado de telecomunicações nas áreas de desenvolvimento de negócios, vendas e operações, e desde 2022 atua no meio acadêmico como professor nas áreas de dados, computação na nuvem e programação. Coordena programas de treinamentos técnicos em ciência de dados e computação na nuvem. É palestrante e atua como voluntário em iniciativas sociais de capacitação em tecnologia.

Table of Contents

Capítulo 1 - Introdução à mineração de dados 1 Definição de mineração de dados 2 Aplicações da mineração de dados 3 Importância da mineração de dados 4 Amazon SageMaker: uma solução abrangente Considerações finais Referências Capítulo 2 - Processo de mineração e pré-processamento de dados 1 Etapas do processo de mineração de dados 2 Pré-processamento de dados: limpeza, integração, redução, transformação e discretização Considerações finais Referências Capítulo 3 - Principais aspectos de um conjunto de dados 1 Processo de análise descritiva de dados 2 Distribuições de frequência 3 Técnicas de visualização de dados e medidas-resumo 4 Exemplo de análise descritiva de dados Considerações finais Referências Capítulo 4 - Análise de clusters (grupos) 1 Processo de agrupamento de dados 2 Principais medidas de similaridade 3 Formas de representação dos grupos 4 Algoritmos de agrupamento 5 Exemplo de análise de grupos Considerações finais Referências Capítulo 5 - Classificação de dados: construção de modelos preditivos 1 Aprendizagem supervisionada como um problema de aproximação de funções 2 Principais erros em aprendizagem supervisionada 3 Validação cruzada como estimativa de desempenho de classificadores 4 Medidas de avaliação para problemas de classificação 5 Algoritmos de classificação: K-NN, árvore de decisão, regras de classificação e naive Bayes Considerações finais Referências Capítulo 6 - Estimação: previsão de valores futuros e tomada de decisões 1 Medidas de avaliação de desempenho de estimadores 2 Algoritmos de estimação 3 Otimização de hiperparâmetros 4 Estimação com regressão linear: previsão de consumo de energia elétrica Considerações finais Referências Capítulo 7 - Regras de associação: a descoberta de padrões 1 Problema de mineração de regras de associação e a complexidade computacional dessa tarefa 2 Mineração de regras de associação e medidas para avaliar essas regras 3 Algoritmos de mineração de regras de associação 4 Exemplo de mineração de regras de associação Considerações finais Referências Capítulo 8 - Detecção de anomalias 1 Processo de detecção de anomalias 2 Métodos estatísticos paramétricos e não paramétricos 3 Métodos algorítmicos baseados em proximidade, redes neurais e técnicas de aprendizagem de máquina 4 Exemplo de processo de detecção de anomalias Considerações finais Referências Sobre o autor