A mineração de dados no apoio de decisão
Gravado no evento X Semana de Sistemas para Internet · 1 h 10 min de gravação
Trechos em vídeo

Diferenças entre aprendizado supervisionado e não supervisionado
Trecho de a da gravação

Dados discretos versus contínuos na mineração de dados
Trecho de a da gravação

Regras de associação aplicadas à tomada de decisão no turismo
Trecho de a da gravação
Sobre o conteúdo
A palestra "A MINERAÇÃO DE DADOS NO APOIO DE DECISÃO", ministrada por Tung Chiun Wen durante a "X SEMANA DE SISTEMAS PARA INTERNET", explora o potencial do aprendizado de máquina e da mineração de dados como suporte prático para a tomada de decisões em diferentes setores do mercado. O palestrante inicia ressaltando que, embora a área envolva fundamentos matemáticos e estatísticos consolidados, iniciantes e profissionais de desenvolvimento de software não precisam dominar toda a complexidade teórica avançada para começarem a aplicar as ferramentas existentes em problemas reais de negócios.
Em seguida, são estabelecidos os principais conceitos do ecossistema de dados, situando a ciência de dados, inteligência analítica, mineração de dados e Big Data. O palestrante diferencia os paradigmas de aprendizado supervisionado — focado em tarefas de predição numérica (regressão) e classificação com classes discretas — e aprendizado não supervisionado, que engloba agrupamento e regras de associação. São também apresentadas ferramentas e linguagens do mercado, como Weka, R, MATLAB, SAS e ecossistemas em Python com TensorFlow e Keras, com ênfase na versatilidade do software Weka.
O conteúdo aprofunda métodos supervisionados clássicos, detalhando a regressão linear e o algoritmo J48 para geração de árvores de decisão e regras do tipo se-então aplicadas ao conforto térmico animal. Na sequência, discute-se o funcionamento de redes neurais artificiais (Multilayer Perceptron), elucidando a analogia com o neurônio biológico, pesos sinápticos, limiares de ativação e o algoritmo de retropropagação do erro (backpropagation). Para a vertente não supervisionada, são explicadas as etapas de geração de regras de associação e métricas como suporte, confiança e lift, exemplificando hábitos de consumo em varejo.
Na parte prática, o palestrante utiliza o software Weka para demonstrar a aplicação empírica das técnicas estudadas. Primeiramente, conduz um experimento supervisionado com uma base de dados meteorológicos para prever a ocorrência de chuva por meio de árvore J48 e rede neural perceptron multicamadas. Logo após, realiza um teste não supervisionado com dados simulados de turistas em São Roque, descobrindo associações entre visitas a adegas, restaurantes e pontos históricos, demonstrando como padrões implícitos revelados pela mineração servem como insumos estratégicos para tomadas de decisão mercadológicas.
O que é abordado
- Abertura e apresentação inicial
- Trajetória acadêmica e profissional do palestrante
- Conceitos de Ciência de Dados e Mineração
- Tipos de aprendizado: supervisionado e não supervisionadoTrecho de 2 min 1 sTrecho de 1 min 33 s
- Dados discretos versus contínuos: classificação e predição
- Principais pacotes e ferramentas de mineração
- Regressão linear e árvore de decisão J48
- Fundamentos de Redes Neurais Artificiais e Backpropagation
- Regras de associação: suporte, confiança e lift
- Demonstração no Weka: classificação meteorológica
- Demonstração no Weka: mineração de dados do turismoTrecho de 1 min 39 s
- Considerações finais e encerramento
Dúvidas que o conteúdo responde
É obrigatório ter conhecimento avançado de matemática e estatística para começar a minerar dados?
Não. Embora a base teórica venha da estatística e da matemática, existem diversos pacotes e ferramentas prontas que permitem iniciar na prática de mineração e aprendizado de máquina entendendo apenas o básico do funcionamento dos algoritmos e hiperparâmetros.
Qual é a principal diferença entre classificação e predição no aprendizado supervisionado?
A classificação lida com dados discretos e qualitativos, atribuindo registros a categorias ou classes predefinidas (por exemplo, faixas de risco ou conforto). Já a predição (regressão) busca estimar valores numéricos contínuos e quantitativos.
O que representam as métricas de suporte, confiança e lift nas regras de associação?
O suporte mede a frequência em que determinados itens aparecem no total de transações; a confiança calcula a proporção de vezes em que a ocorrência de um item acarreta na presença do outro; e o lift expressa o poder preditivo da regra, indicando quantas vezes mais provável é a ocorrência conjunta em relação ao acaso.
Por que o software Weka foi escolhido para as demonstrações práticas?
O Weka é um pacote gratuito, leve e de código aberto desenvolvido pela Universidade de Waikato, que conta com uma variedade de algoritmos pré-instalados para classificação, regressão e associação, sendo amplamente adotado em pesquisas acadêmicas e acessível para iniciantes.
Assuntos
Palestrantes

Tung Chiun Wen
Palestrante
Possui graduação em Engenharia Elétrica pela Universidade Federal de Itajubá (1989). Especialista em Redes de Computadores pelo LARC (Laboratorio de Arquitetura e Redes de Computadores PCS-USP).Especialista de Segurança da Informação pelo CEFET/RJ. Mestrado em Engenharia de Produção da Universidade Paulista, em Modelos e Ferramentas para Gestão da Informação. Doutorando em Sistemas Agricolas pela ESALQ/USP 30 anos de atuação na área de Tecnologia da Informação, profissional certificado pela Microsoft desde 1995 (Microsoft Certified Professional-MCP, Microsoft Certified Systems Engineer-MCSE…
Outros conteúdos deste evento
Gravados no evento X Semana de Sistemas para Internet
PESQUISA TECNOLÓGICA e TRÁFEGO NA INTERNET
Gravado no evento X Semana de Sistemas para Internet
Na palestra 'PESQUISA TECNOLÓGICA e TRÁFEGO NA INTERNET' durante a X SEMANA DE SISTEMAS PARA INTERNET da FATEC São Roque, o professor Joelson Alves do Nascimento analisa o…
Ver resumo e capítulosIntrodução a analise de dados com Power BI
Gravado no evento X Semana de Sistemas para Internet
A apresentação introduz a análise de dados com foco no Power BI aplicada a dados climáticos de queimadas no Brasil. O professor Pedro Antônio Galvão Jr. aborda a cadeia evolutiva…
Ver resumo e capítulos
