Aplicações

• Descoberta de Associações. Esta tarefa compreende a busca por itens (produtos, sintomas de doenças, ações de gestão) que frequentemente ocorrem de forma simultânea em uma quantidade mínima de transações do conjunto de dados. Muito útil na determinação de layout de pontos de venda, pois após a descoberta de quem compra o produto X comprará também o produto Y caso estejam próximos num supermercado, por exemplo.

• Classificação. Considere uma financeira que possui o histórico de seus clientes e o comportamento destes em relação ao pagamento de empréstimos contraídos previamente. Uma aplicação da tarefa de Classificação, neste caso, consiste em descobrir uma função que classifique corretamente os clientes em bons ou maus pagadores. Tal função pode ser utilizada para prever o comportamento de novos clientes que desejem contrair empréstimos junto à financeira.

• Regressão: Similar à tarefa de Classificação, com a diferença de que o objetivo é determinar valores numéricos. Baseado no sistema anterior que classifica os clientes de uma financeira, na regressão é definido um valor até o qual o cliente seria bom pagador.

• Agrupamento (Clusterização): Consiste em segmentar os registros do conjunto de dados em subconjuntos ou clusters, possui muitas aplicações em Marketing, como, por exemplo, agrupar clientes com comportamento de compra similar, a fim de melhor recomendar novos produtos para esses clientes.

• Sumarização automática na área de marketing, Detecção de Desvios detectando compras fraudulentas no cartão de crédito, Descoberta de Sequências prováveis de compras e Previsão de Séries Temporais auxiliando na previsão e gestão de consumo de energia elétrica de uma empresa são outros exemplos práticos abordados nesta disciplina.

Ementa

Processo de descoberta de conhecimento em base de dados. Apresentação dos conceitos e aplicações relacionados à Mineração de Dados aplicada a Business Intelligence. Conceitos básicos de Bases de Dados e Data WareHouse.

Bibliografia

FAYYAD, Usana M. (Coord.). Advances in knowledge discovery and data mining.Cambridge: MIT, 1996. 611 p.

SANTOS, Manuel Filipe; AZEVEDO, Carla Sousa. Data mining: descoberta de conhecimento em bases de dados. Lisboa: FCA, 2005. 194 p.

WITTEN, Ian H; FRANK, Eibe; HALL, Mark A. Data Mining: Practical Machine Learning Tools and Techniques. 3rd Edition, Morgan Kaufmann, 2011.