SlideShare una empresa de Scribd logo
1 de 34
Descargar para leer sin conexión
Análise de Redes Sociais
Unidade 0: Visão Geral sobre o Método Científico
Alexandre Duarte e Alisson Brito
CI/UFPB
Apresentação derivada dos slides originais de
Jussara Almeida.
O que significa ciência experimental?
• es, dados, experimentos
• Trabalho experimental rica
– Teorias podem ter incertezas.
– es.
– es.
– De forma oposta, teorias podem guiar a pesquisa experimental.
– o pode ser resolvida
teoricamente
•
o.”
Ciência da Computação Experimental
Experimentação em Sistemas
Computacionais
Por quê?:
“It doesn’t matter how beautiful your theory
is, it doesn’t matter how smart you are – if it
doesn’t agree with the experiment, it’s wrong.”
Richard Feynman, físico
Prêmio Nobel 1965
Alguns tipos de artigos em Ciência da
Computação
•
o de um algoritmo:
– o
o X”
– Artigo de “marketing”
um algoritmo novo e interessante”
– Artigo experimental
como o algoritmo comporta-se com dados
reais”
• todo experimental deve ser aplicado aos três
tipos de artigos.
O Processo Experimental em Ciência
da Computação e o Método
Científico
Método Científico: História
Sir Francis Bacon (1561-1626)
• fico:
– “limpe a mente” de pré-conceitos
– o ao acaso....)
– es iniciais podem estar incorretas.
– es
– “Obscuridade” de algumas partes faltantes pode
ocorrer.
Método Científico: História
• Rene Descartes (1595-1650)
– experimentação acoplada a análise matemática
– Experimentação permite a análise de detalhes
onde várias alternativas são possíveis.
Método científico: Passos Principais
1. Caracterização: quantificação, observação e medição
2. Hipóteses: uma explicação hipotética e teórica para as observações e
medições
3. Previsão: dedução lógica das hipóteses (algo desconhecido)
4. Experimentação: testar tudo acima
Ex: descoberta da estrutura do DNA
1. Imagens de raio X da estrutura do DNA (histórico: imagens de outras
moléculas já estavam sendo feitas)
2. Hipótese de Watson & Crick: molécula tem estrutura de hélice (duas
espirais entrelaçadas) Linus Pauling tinha hipótese conflitante: hélice
tripla
3. Crick: se DNA tem hélice dupla então imagem de raio X deveria mostrar
a forma de um X.
4. Difração de raio X mostrou forma de um X
Espaço das Questões de Pesquisa
Básica
Por que Ciência da Computação
Experimental?
• o: Modelo-teste da teoria
– Feynman: um experimento pode sempre identificar
falhas na teoria (ex.: tese/ es violadas
pela realidade)
• Sugestões de leitura:
– W. Tichy in “Should Computer Scientists Experiment
More?”
– P. Denning in “Is Computer Science a Science?”
– D. Feitelson in “Experimental Computer Science”
Ciclo de Vida Experimental
Prática usual em Ciência da
Computação
Maneiras questionáveis de atacar o
processo experimental
• fico, que se aplica somente ao “system
under test”.
• –
es baseadas apenas no passado.
•
vies, etc.
• o
independente de outros experimentos.
• veis.
Processo Experimental Sistemático
1. Entenda o problema, estabeleça as perguntas e defina os
objetivos
2. Selecione métricas
3. Identifique os parâmetros
4. Decida quais parâmetros serão estudados, i.e., serão
variados (fatores)
5. Selecione a técnica
6. Selecione a carga de trabalho (workload)
7. Execute experimentos
8. Analise e interprete os resultados
9. Apresente os resultados e dados do experimento
10. Apresente conclusões
Processo Experimental Sistemático
1. Entenda o problema, estabeleça as perguntas e
defina os objetivos: “A problem well-stated is
half-solved”.
– Deve-se ser objetivo
– Seja capaz de responder “por que”, e também “como”
– Delimite o escopo
– Defina as perguntas que pretende responder
2. Selecione métricas que ajudarão a analisar as
perguntas.
Processo Experimental Sistemático
3. Identifique os parâmetros que afetam o
comportamento
– Parâmetros do sistema (ex.: o de
hardware)
– Parâmetros da carga (ex.: es de chegada de
es)
4. Decida quais parâmetros o
estudados, i.e., o variados (fatores)
– o
– Comece com lista pequena
Processo Experimental Sistemático
cnica:
– tipo
•
o? Podemos medir o que desejamos?
• – o?
• Repetibilidade
6. Selecione a carga de trabalho(workload)
– Representativa?
– fica?
– Disponibilidade de dados?
Processo Experimental Sistemático
7. Execute experimentos
– Quantos testes devem ser rodados?
– es dos parâmetros que
formam o ambiente experimental?
– lise da sensibilidade dos outros parâmetros.
8. Analise e interprete os resultados
– stica para analisar a
variabilidade, “outliers”, etc.
Processo Experimental Sistemático
9. Apresente adequadamente os resultados e
dados do experimento
–
sticas, etc.
10. es
– Para onde os resultados nos levam?
– ximos passos?
– es, outros
experimentos.
CENAS DOS PRÓXIMOS CAPÍTULOS
Caracterização de Cargas
• Como descrever a carga do sistema alvo
precisamente?
– Qual importância?
– Quais perguntas você deve tentar responder?
• o?
• o?
• Quais componentes de carga queremos
descrever?
Exemplo de um servidor Web
• Carga descrita por duplas (CPU time, I/O time)
• Dados disponíveis: logs de 10 requisições
HTTP
• 1 tamanho de documento (15KB)
– 10 execuções ---> (0.013 sec., 0.09 sec.)
• Caso 2 (mais realista):
– documentos têm tamanhos diferentes.
suficiente (representativo)?
Caracterização de Cargas
• Particionamento de cargas
em sub-classes
– Quando? Como?
• o de cargas
em workload models
–
ticas
Tempo entre chegadas de requisições
em um servidor de vídeo
Sumarização de Dados
• Revisão:
– probabilidade, independência, regra de Bayes
– população X amostra
– Média, variância, desvio padrão, CV, correlação, quantis
– Distribuições estatísticas
– Teorema Central do Limite:
• aproximadamente
Normal”
• Estimando uma população a partir de uma amostra:
tudo o que você̂ quer fazer
– Intervalo de Confiança : confiança X precisão
-
o da estimativa
Comparação de Serviço
•
tipos
– Como usar Intervalos de Confiança
– es pareadas
– o pareadas
– Teste-t
– es
– Escolha do tamanho da amostra
Exemplo 1
1. O tempo de processamento necessário para
executar uma tarefa foi medido em dois
sistemas.
– Os tempos no sistema A foram:
{5.36, 16.57, 0.62, 1.41, 0.64, 7.26}.
– Os tempos no sistema B foram:
{19.12, 3.52, 3.38, 2.50, 3.60, 1.74}.
• Os dois sistemas são significativamente
diferentes?
Projetos Fatoriais 2k
• Usados para determinar os efeitos de k fatores
– Cada um com duas alternativas ou níveis
– representado por seu nível máximo e
no mínimo.
• Em geral, são usados de maneira preliminar, antes de
estudos mais detalhados
– Responde a pergunta: qual(is) dos k fatores tem maior
impacto no sistema alvo?
– Pode oferecer algum “insight” sobre as interações entre os
vários fatores.
• Existem interações com impacto significativo?
• Se sim, qual a consequência para o projeto experimental?
Exemplo de Projeto Fatorial 22
• quina de busca, composta por
N servidores.
– 1o mero de servidores N (N = 8 ou 64)
• - o ou
escalonamento de queries para os servidores, por
exemplo, round-robin, gang, random, priority, etc
– 2o o escalonamento (random ou round-robin)
• completar as queries
o da query em microsegundos.
Exemplo de Projeto Fatorial 22
• nica de uma carga benchmark de queries
es resultou nos seguintes tempos de execucao:
• mero de servidores
• Fator B = escalonamento
Exemplo de Projeto Fatorial 22
• Objetivo: produzir um modelo (não linear) para estimativa do
tempo de execução de uma query
– y = 502.5 - 295.5 x A – 16 x B + 6 x A x B
q0 = 502.5 = tempo de execução médio
• Fator A - número de servidores
– faz uma diferença de ± 295,5 no tempo de resposta
– De fato A explica 97% da variação nos dados
• Fator B – escalonamento
– baixo impacto (3%)
– Interferência entre A e B também baixo impacto (0.4%)
• Proceder: refinar avaliação do impacto de A: fator único
Projetos Fatoriais
• Projetos Fatoriais 2k
– 2k experimentos
– Objetivo: selecionar parâmetros de maior impacto para
avaliação mais refinada a seguir
• Projetos Fatoriais com replicação
– Replicação de experimentos independentes para cada uma das
2k configurações
– Permite estimar erros de experimentação e avaliar qualidade do
modelo
• Projetos Fatoriais Fracionários
– E se for muito caro rodar todos os 2k (com/sem replicação)
experimentos?
• Projeto de Um Fator

Más contenido relacionado

Similar a Unidade 0: Visão geral sobre o método científico

Unidade 0: Projeto de Experimentos
Unidade 0: Projeto de ExperimentosUnidade 0: Projeto de Experimentos
Unidade 0: Projeto de ExperimentosAlexandre Duarte
 
Metodologia da Pesquisa Científica: Introdução
Metodologia da Pesquisa Científica:  IntroduçãoMetodologia da Pesquisa Científica:  Introdução
Metodologia da Pesquisa Científica: IntroduçãoAlexandre Duarte
 
Workflows científicos
Workflows científicosWorkflows científicos
Workflows científicosElaine Naomi
 
Aula introducao-redes-neurais
Aula introducao-redes-neuraisAula introducao-redes-neurais
Aula introducao-redes-neuraisLeo Laurett
 
Material - Questionário Simulação
Material - Questionário SimulaçãoMaterial - Questionário Simulação
Material - Questionário SimulaçãoAlbino Szesz Junior
 
Pesquisa com métodos quantitativos
Pesquisa com métodos quantitativosPesquisa com métodos quantitativos
Pesquisa com métodos quantitativosIvan Ricarte
 
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...Alexandre Duarte
 
Escolhendo um Projeto de Pesquisa
Escolhendo um Projeto de PesquisaEscolhendo um Projeto de Pesquisa
Escolhendo um Projeto de PesquisaAlexandre Duarte
 
Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01
Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01
Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01NeuroMat
 
Introdução à Análise de Dados - Aula 01
Introdução à Análise de Dados - Aula 01Introdução à Análise de Dados - Aula 01
Introdução à Análise de Dados - Aula 01Alexandre Duarte
 
Minicurso de mineração de dados
Minicurso de mineração de dadosMinicurso de mineração de dados
Minicurso de mineração de dadosRenato Fabbri
 
Resumo sobre Recovering from a decade: a systematic mapping of information re...
Resumo sobre Recovering from a decade: a systematic mapping of information re...Resumo sobre Recovering from a decade: a systematic mapping of information re...
Resumo sobre Recovering from a decade: a systematic mapping of information re...Avelino Ferreira Gomes Filho
 
Uma introdução à mineração de informações
Uma introdução à mineração de informaçõesUma introdução à mineração de informações
Uma introdução à mineração de informaçõesFabrício Barth
 
Seminário - Estudos Empíricos em Engenharia de Software - RE@Quixadá
Seminário - Estudos Empíricos em Engenharia de Software - RE@QuixadáSeminário - Estudos Empíricos em Engenharia de Software - RE@Quixadá
Seminário - Estudos Empíricos em Engenharia de Software - RE@QuixadáCamilo Almendra
 

Similar a Unidade 0: Visão geral sobre o método científico (20)

Unidade 0: Projeto de Experimentos
Unidade 0: Projeto de ExperimentosUnidade 0: Projeto de Experimentos
Unidade 0: Projeto de Experimentos
 
Metodologia da Pesquisa Científica: Introdução
Metodologia da Pesquisa Científica:  IntroduçãoMetodologia da Pesquisa Científica:  Introdução
Metodologia da Pesquisa Científica: Introdução
 
Workflows científicos
Workflows científicosWorkflows científicos
Workflows científicos
 
Projeto de Experimentos
Projeto de ExperimentosProjeto de Experimentos
Projeto de Experimentos
 
Aula introducao-redes-neurais
Aula introducao-redes-neuraisAula introducao-redes-neurais
Aula introducao-redes-neurais
 
Unidade5 parte1
Unidade5 parte1Unidade5 parte1
Unidade5 parte1
 
Material - Questionário Simulação
Material - Questionário SimulaçãoMaterial - Questionário Simulação
Material - Questionário Simulação
 
Apresentação da Dissertação
Apresentação da DissertaçãoApresentação da Dissertação
Apresentação da Dissertação
 
Pesquisa com métodos quantitativos
Pesquisa com métodos quantitativosPesquisa com métodos quantitativos
Pesquisa com métodos quantitativos
 
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
 
Escolhendo um Projeto de Pesquisa
Escolhendo um Projeto de PesquisaEscolhendo um Projeto de Pesquisa
Escolhendo um Projeto de Pesquisa
 
Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01
Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01
Introdução ao Armazenamento de Dados de Experimentos em Neurociência - Parte 01
 
Introdução à Análise de Dados - Aula 01
Introdução à Análise de Dados - Aula 01Introdução à Análise de Dados - Aula 01
Introdução à Análise de Dados - Aula 01
 
Minicurso de mineração de dados
Minicurso de mineração de dadosMinicurso de mineração de dados
Minicurso de mineração de dados
 
Resumo sobre Recovering from a decade: a systematic mapping of information re...
Resumo sobre Recovering from a decade: a systematic mapping of information re...Resumo sobre Recovering from a decade: a systematic mapping of information re...
Resumo sobre Recovering from a decade: a systematic mapping of information re...
 
Webshow - Automação Laboratorial I
Webshow - Automação Laboratorial IWebshow - Automação Laboratorial I
Webshow - Automação Laboratorial I
 
PO - aula 1.pptx
PO - aula 1.pptxPO - aula 1.pptx
PO - aula 1.pptx
 
Uma introdução à mineração de informações
Uma introdução à mineração de informaçõesUma introdução à mineração de informações
Uma introdução à mineração de informações
 
Seminário - Estudos Empíricos em Engenharia de Software - RE@Quixadá
Seminário - Estudos Empíricos em Engenharia de Software - RE@QuixadáSeminário - Estudos Empíricos em Engenharia de Software - RE@Quixadá
Seminário - Estudos Empíricos em Engenharia de Software - RE@Quixadá
 
estistica
estisticaestistica
estistica
 

Más de Alexandre Duarte

Fazer Ciência é Difícil!
Fazer Ciência é Difícil!Fazer Ciência é Difícil!
Fazer Ciência é Difícil!Alexandre Duarte
 
Ciência da Computação como Ciência
Ciência da Computação como CiênciaCiência da Computação como Ciência
Ciência da Computação como CiênciaAlexandre Duarte
 
Gráficos: 10 dicas sobre o que fazer e sobre o que não fazer
Gráficos: 10 dicas sobre o que fazer e sobre o que não fazerGráficos: 10 dicas sobre o que fazer e sobre o que não fazer
Gráficos: 10 dicas sobre o que fazer e sobre o que não fazerAlexandre Duarte
 
Panorama de Pesquisas em Análise de Dados na UFPB
Panorama de Pesquisas em Análise de Dados na UFPBPanorama de Pesquisas em Análise de Dados na UFPB
Panorama de Pesquisas em Análise de Dados na UFPBAlexandre Duarte
 
Sumarização Estatística 2D: Variáveis Nominais
Sumarização Estatística 2D: Variáveis NominaisSumarização Estatística 2D: Variáveis Nominais
Sumarização Estatística 2D: Variáveis NominaisAlexandre Duarte
 
Correlação e Classificação
Correlação e ClassificaçãoCorrelação e Classificação
Correlação e ClassificaçãoAlexandre Duarte
 
Sumarização Estatística 2D
Sumarização Estatística 2DSumarização Estatística 2D
Sumarização Estatística 2DAlexandre Duarte
 
Sumarização Estatística 1D
Sumarização Estatística 1DSumarização Estatística 1D
Sumarização Estatística 1DAlexandre Duarte
 
Preparação e Limpeza de Dados
Preparação e Limpeza de DadosPreparação e Limpeza de Dados
Preparação e Limpeza de DadosAlexandre Duarte
 
Introdução ao Projeto de Experimentos
Introdução ao Projeto de ExperimentosIntrodução ao Projeto de Experimentos
Introdução ao Projeto de ExperimentosAlexandre Duarte
 
Introdução ao Projeto de Surveys
Introdução ao Projeto de SurveysIntrodução ao Projeto de Surveys
Introdução ao Projeto de SurveysAlexandre Duarte
 
Introdução à Analise de Dados - aula 3 - Agregação de Dados
Introdução à Analise de Dados - aula 3 - Agregação de DadosIntrodução à Analise de Dados - aula 3 - Agregação de Dados
Introdução à Analise de Dados - aula 3 - Agregação de DadosAlexandre Duarte
 
Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados
Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados
Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados Alexandre Duarte
 
Análise de Redes Sociais: Introdução aos Grafos Aleatórios
Análise de Redes Sociais: Introdução aos Grafos Aleatórios Análise de Redes Sociais: Introdução aos Grafos Aleatórios
Análise de Redes Sociais: Introdução aos Grafos Aleatórios Alexandre Duarte
 
Análise de Redes Sociais: Introdução
Análise de Redes Sociais: IntroduçãoAnálise de Redes Sociais: Introdução
Análise de Redes Sociais: IntroduçãoAlexandre Duarte
 
Dicas para calouros na Universidade
Dicas para calouros na UniversidadeDicas para calouros na Universidade
Dicas para calouros na UniversidadeAlexandre Duarte
 
Gerência de Armazenamento: Sistemas de Entrada e Saída
Gerência de Armazenamento: Sistemas de Entrada e SaídaGerência de Armazenamento: Sistemas de Entrada e Saída
Gerência de Armazenamento: Sistemas de Entrada e SaídaAlexandre Duarte
 
Gerência de Armazenamento: Sistemas de Armazenamento em Massa
Gerência de Armazenamento: Sistemas de Armazenamento em MassaGerência de Armazenamento: Sistemas de Armazenamento em Massa
Gerência de Armazenamento: Sistemas de Armazenamento em MassaAlexandre Duarte
 

Más de Alexandre Duarte (20)

Fazer Ciência é Difícil!
Fazer Ciência é Difícil!Fazer Ciência é Difícil!
Fazer Ciência é Difícil!
 
Ciência da Computação como Ciência
Ciência da Computação como CiênciaCiência da Computação como Ciência
Ciência da Computação como Ciência
 
Gráficos: 10 dicas sobre o que fazer e sobre o que não fazer
Gráficos: 10 dicas sobre o que fazer e sobre o que não fazerGráficos: 10 dicas sobre o que fazer e sobre o que não fazer
Gráficos: 10 dicas sobre o que fazer e sobre o que não fazer
 
Panorama de Pesquisas em Análise de Dados na UFPB
Panorama de Pesquisas em Análise de Dados na UFPBPanorama de Pesquisas em Análise de Dados na UFPB
Panorama de Pesquisas em Análise de Dados na UFPB
 
Agrupamento com K-Means
Agrupamento com K-MeansAgrupamento com K-Means
Agrupamento com K-Means
 
Sumarização Estatística 2D: Variáveis Nominais
Sumarização Estatística 2D: Variáveis NominaisSumarização Estatística 2D: Variáveis Nominais
Sumarização Estatística 2D: Variáveis Nominais
 
Correlação e Classificação
Correlação e ClassificaçãoCorrelação e Classificação
Correlação e Classificação
 
Sumarização Estatística 2D
Sumarização Estatística 2DSumarização Estatística 2D
Sumarização Estatística 2D
 
Sumarização Estatística 1D
Sumarização Estatística 1DSumarização Estatística 1D
Sumarização Estatística 1D
 
Transformação de Dados
Transformação de DadosTransformação de Dados
Transformação de Dados
 
Preparação e Limpeza de Dados
Preparação e Limpeza de DadosPreparação e Limpeza de Dados
Preparação e Limpeza de Dados
 
Introdução ao Projeto de Experimentos
Introdução ao Projeto de ExperimentosIntrodução ao Projeto de Experimentos
Introdução ao Projeto de Experimentos
 
Introdução ao Projeto de Surveys
Introdução ao Projeto de SurveysIntrodução ao Projeto de Surveys
Introdução ao Projeto de Surveys
 
Introdução à Analise de Dados - aula 3 - Agregação de Dados
Introdução à Analise de Dados - aula 3 - Agregação de DadosIntrodução à Analise de Dados - aula 3 - Agregação de Dados
Introdução à Analise de Dados - aula 3 - Agregação de Dados
 
Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados
Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados
Introdução à Análise de Dados - Aula 02 - Tipos Básicos de Dados
 
Análise de Redes Sociais: Introdução aos Grafos Aleatórios
Análise de Redes Sociais: Introdução aos Grafos Aleatórios Análise de Redes Sociais: Introdução aos Grafos Aleatórios
Análise de Redes Sociais: Introdução aos Grafos Aleatórios
 
Análise de Redes Sociais: Introdução
Análise de Redes Sociais: IntroduçãoAnálise de Redes Sociais: Introdução
Análise de Redes Sociais: Introdução
 
Dicas para calouros na Universidade
Dicas para calouros na UniversidadeDicas para calouros na Universidade
Dicas para calouros na Universidade
 
Gerência de Armazenamento: Sistemas de Entrada e Saída
Gerência de Armazenamento: Sistemas de Entrada e SaídaGerência de Armazenamento: Sistemas de Entrada e Saída
Gerência de Armazenamento: Sistemas de Entrada e Saída
 
Gerência de Armazenamento: Sistemas de Armazenamento em Massa
Gerência de Armazenamento: Sistemas de Armazenamento em MassaGerência de Armazenamento: Sistemas de Armazenamento em Massa
Gerência de Armazenamento: Sistemas de Armazenamento em Massa
 

Último

Texto sobre dengue, com atividades e caça palavras
Texto sobre dengue, com atividades e caça palavrasTexto sobre dengue, com atividades e caça palavras
Texto sobre dengue, com atividades e caça palavrasEdileneAlves18
 
Slides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptx
Slides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptxSlides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptx
Slides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptxLuizHenriquedeAlmeid6
 
Exercícios_Figuras_de_Linguagem para fundamental e medio
Exercícios_Figuras_de_Linguagem  para fundamental e medioExercícios_Figuras_de_Linguagem  para fundamental e medio
Exercícios_Figuras_de_Linguagem para fundamental e medioFernanda Mota
 
8_704__8o_ano_aula_N1_2024.pptx para aulas de artes
8_704__8o_ano_aula_N1_2024.pptx para aulas de artes8_704__8o_ano_aula_N1_2024.pptx para aulas de artes
8_704__8o_ano_aula_N1_2024.pptx para aulas de artesdouglasfronja07
 
Introdução à Cartografia e Geoprocessamento - Conceitos Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos  BásicosIntrodução à Cartografia e Geoprocessamento - Conceitos  Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos BásicosVitor Vieira Vasconcelos
 
2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...
2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...
2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...Unicesumar
 
Capitulo-3-Portas-Logicas-e-Algebra-Booleana.pdf
Capitulo-3-Portas-Logicas-e-Algebra-Booleana.pdfCapitulo-3-Portas-Logicas-e-Algebra-Booleana.pdf
Capitulo-3-Portas-Logicas-e-Algebra-Booleana.pdfEliakimArajo2
 
3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...
3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...
3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...azulassessoriaacadem3
 
MAPA - ADM - CIÊNCIAS SOCIAIS - 51/2024
MAPA - ADM - CIÊNCIAS SOCIAIS -  51/2024MAPA - ADM - CIÊNCIAS SOCIAIS -  51/2024
MAPA - ADM - CIÊNCIAS SOCIAIS - 51/2024excellenceeducaciona
 
Trabalho Faculdade AD1 Didática - 2024 P
Trabalho Faculdade AD1 Didática - 2024 PTrabalho Faculdade AD1 Didática - 2024 P
Trabalho Faculdade AD1 Didática - 2024 PWallasTmara
 
trabalho de didatica 09/03/2024 pedagogia
trabalho de didatica 09/03/2024 pedagogiatrabalho de didatica 09/03/2024 pedagogia
trabalho de didatica 09/03/2024 pedagogiakarinareserva924
 
Regimento da ADUFC-Seção Sindical do ANDES-SN
Regimento da ADUFC-Seção Sindical do ANDES-SNRegimento da ADUFC-Seção Sindical do ANDES-SN
Regimento da ADUFC-Seção Sindical do ANDES-SNADUFC S.Sind
 
morfologia_formacaodepalavras_aula1.pptx
morfologia_formacaodepalavras_aula1.pptxmorfologia_formacaodepalavras_aula1.pptx
morfologia_formacaodepalavras_aula1.pptxCindiaAianaFLDantas
 
Como bem castigar os escravos - Jorge Benci 1700.pdf
Como bem castigar os escravos - Jorge Benci 1700.pdfComo bem castigar os escravos - Jorge Benci 1700.pdf
Como bem castigar os escravos - Jorge Benci 1700.pdfTiagoGarros
 
MATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptx
MATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptxMATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptx
MATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptxssuser3ec4ca
 
Slides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptx
Slides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptxSlides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptx
Slides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptxLuizHenriquedeAlmeid6
 
Dengue - Atividades números naturais.docx
Dengue - Atividades números naturais.docxDengue - Atividades números naturais.docx
Dengue - Atividades números naturais.docxAndré Morária
 
Projeto escolar dia da água educação infantil e fundamental
Projeto escolar dia da água educação infantil e fundamentalProjeto escolar dia da água educação infantil e fundamental
Projeto escolar dia da água educação infantil e fundamentalDiana328805
 

Último (20)

Texto sobre dengue, com atividades e caça palavras
Texto sobre dengue, com atividades e caça palavrasTexto sobre dengue, com atividades e caça palavras
Texto sobre dengue, com atividades e caça palavras
 
Slides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptx
Slides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptxSlides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptx
Slides Lição 12, BETEL, O verdadeiro sentido de serem dois em um, 1Tr24.pptx
 
Exercícios_Figuras_de_Linguagem para fundamental e medio
Exercícios_Figuras_de_Linguagem  para fundamental e medioExercícios_Figuras_de_Linguagem  para fundamental e medio
Exercícios_Figuras_de_Linguagem para fundamental e medio
 
8_704__8o_ano_aula_N1_2024.pptx para aulas de artes
8_704__8o_ano_aula_N1_2024.pptx para aulas de artes8_704__8o_ano_aula_N1_2024.pptx para aulas de artes
8_704__8o_ano_aula_N1_2024.pptx para aulas de artes
 
Introdução à Cartografia e Geoprocessamento - Conceitos Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos  BásicosIntrodução à Cartografia e Geoprocessamento - Conceitos  Básicos
Introdução à Cartografia e Geoprocessamento - Conceitos Básicos
 
2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...
2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...
2. É possível a denúncia do Estado agressor junto ao Tribunal Penal Internaci...
 
Capitulo-3-Portas-Logicas-e-Algebra-Booleana.pdf
Capitulo-3-Portas-Logicas-e-Algebra-Booleana.pdfCapitulo-3-Portas-Logicas-e-Algebra-Booleana.pdf
Capitulo-3-Portas-Logicas-e-Algebra-Booleana.pdf
 
3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...
3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...
3. Como será feita a apresentação do conteúdo destas abordagens? Serão debate...
 
Os textos contemporâneos na construção da opinião.
Os textos contemporâneos na construção  da opinião.Os textos contemporâneos na construção  da opinião.
Os textos contemporâneos na construção da opinião.
 
MAPA - ADM - CIÊNCIAS SOCIAIS - 51/2024
MAPA - ADM - CIÊNCIAS SOCIAIS -  51/2024MAPA - ADM - CIÊNCIAS SOCIAIS -  51/2024
MAPA - ADM - CIÊNCIAS SOCIAIS - 51/2024
 
Trabalho Faculdade AD1 Didática - 2024 P
Trabalho Faculdade AD1 Didática - 2024 PTrabalho Faculdade AD1 Didática - 2024 P
Trabalho Faculdade AD1 Didática - 2024 P
 
trabalho de didatica 09/03/2024 pedagogia
trabalho de didatica 09/03/2024 pedagogiatrabalho de didatica 09/03/2024 pedagogia
trabalho de didatica 09/03/2024 pedagogia
 
Regimento da ADUFC-Seção Sindical do ANDES-SN
Regimento da ADUFC-Seção Sindical do ANDES-SNRegimento da ADUFC-Seção Sindical do ANDES-SN
Regimento da ADUFC-Seção Sindical do ANDES-SN
 
morfologia_formacaodepalavras_aula1.pptx
morfologia_formacaodepalavras_aula1.pptxmorfologia_formacaodepalavras_aula1.pptx
morfologia_formacaodepalavras_aula1.pptx
 
Como bem castigar os escravos - Jorge Benci 1700.pdf
Como bem castigar os escravos - Jorge Benci 1700.pdfComo bem castigar os escravos - Jorge Benci 1700.pdf
Como bem castigar os escravos - Jorge Benci 1700.pdf
 
NBR 14724.2011. Trabalhos acadêmicos. 1s24.pdf
NBR 14724.2011. Trabalhos acadêmicos. 1s24.pdfNBR 14724.2011. Trabalhos acadêmicos. 1s24.pdf
NBR 14724.2011. Trabalhos acadêmicos. 1s24.pdf
 
MATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptx
MATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptxMATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptx
MATERNAL PLANEJAMENTO SEMANAL( TRABALHANDO A DENGUE).pptx
 
Slides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptx
Slides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptxSlides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptx
Slides Lição 13, CPAD, O Poder de Deus na Missão da Igreja.pptx
 
Dengue - Atividades números naturais.docx
Dengue - Atividades números naturais.docxDengue - Atividades números naturais.docx
Dengue - Atividades números naturais.docx
 
Projeto escolar dia da água educação infantil e fundamental
Projeto escolar dia da água educação infantil e fundamentalProjeto escolar dia da água educação infantil e fundamental
Projeto escolar dia da água educação infantil e fundamental
 

Unidade 0: Visão geral sobre o método científico

  • 1. Análise de Redes Sociais Unidade 0: Visão Geral sobre o Método Científico Alexandre Duarte e Alisson Brito CI/UFPB Apresentação derivada dos slides originais de Jussara Almeida.
  • 2. O que significa ciência experimental? • es, dados, experimentos • Trabalho experimental rica – Teorias podem ter incertezas. – es. – es. – De forma oposta, teorias podem guiar a pesquisa experimental. – o pode ser resolvida teoricamente • o.”
  • 4. Experimentação em Sistemas Computacionais Por quê?: “It doesn’t matter how beautiful your theory is, it doesn’t matter how smart you are – if it doesn’t agree with the experiment, it’s wrong.” Richard Feynman, físico Prêmio Nobel 1965
  • 5. Alguns tipos de artigos em Ciência da Computação • o de um algoritmo: – o o X” – Artigo de “marketing” um algoritmo novo e interessante” – Artigo experimental como o algoritmo comporta-se com dados reais” • todo experimental deve ser aplicado aos três tipos de artigos.
  • 6. O Processo Experimental em Ciência da Computação e o Método Científico
  • 7. Método Científico: História Sir Francis Bacon (1561-1626) • fico: – “limpe a mente” de pré-conceitos – o ao acaso....) – es iniciais podem estar incorretas. – es – “Obscuridade” de algumas partes faltantes pode ocorrer.
  • 8. Método Científico: História • Rene Descartes (1595-1650) – experimentação acoplada a análise matemática – Experimentação permite a análise de detalhes onde várias alternativas são possíveis.
  • 9. Método científico: Passos Principais 1. Caracterização: quantificação, observação e medição 2. Hipóteses: uma explicação hipotética e teórica para as observações e medições 3. Previsão: dedução lógica das hipóteses (algo desconhecido) 4. Experimentação: testar tudo acima Ex: descoberta da estrutura do DNA 1. Imagens de raio X da estrutura do DNA (histórico: imagens de outras moléculas já estavam sendo feitas) 2. Hipótese de Watson & Crick: molécula tem estrutura de hélice (duas espirais entrelaçadas) Linus Pauling tinha hipótese conflitante: hélice tripla 3. Crick: se DNA tem hélice dupla então imagem de raio X deveria mostrar a forma de um X. 4. Difração de raio X mostrou forma de um X
  • 10. Espaço das Questões de Pesquisa Básica
  • 11. Por que Ciência da Computação Experimental? • o: Modelo-teste da teoria – Feynman: um experimento pode sempre identificar falhas na teoria (ex.: tese/ es violadas pela realidade) • Sugestões de leitura: – W. Tichy in “Should Computer Scientists Experiment More?” – P. Denning in “Is Computer Science a Science?” – D. Feitelson in “Experimental Computer Science”
  • 12. Ciclo de Vida Experimental
  • 13. Prática usual em Ciência da Computação
  • 14. Maneiras questionáveis de atacar o processo experimental • fico, que se aplica somente ao “system under test”. • – es baseadas apenas no passado. • vies, etc. • o independente de outros experimentos. • veis.
  • 15. Processo Experimental Sistemático 1. Entenda o problema, estabeleça as perguntas e defina os objetivos 2. Selecione métricas 3. Identifique os parâmetros 4. Decida quais parâmetros serão estudados, i.e., serão variados (fatores) 5. Selecione a técnica 6. Selecione a carga de trabalho (workload) 7. Execute experimentos 8. Analise e interprete os resultados 9. Apresente os resultados e dados do experimento 10. Apresente conclusões
  • 16. Processo Experimental Sistemático 1. Entenda o problema, estabeleça as perguntas e defina os objetivos: “A problem well-stated is half-solved”. – Deve-se ser objetivo – Seja capaz de responder “por que”, e também “como” – Delimite o escopo – Defina as perguntas que pretende responder 2. Selecione métricas que ajudarão a analisar as perguntas.
  • 17. Processo Experimental Sistemático 3. Identifique os parâmetros que afetam o comportamento – Parâmetros do sistema (ex.: o de hardware) – Parâmetros da carga (ex.: es de chegada de es) 4. Decida quais parâmetros o estudados, i.e., o variados (fatores) – o – Comece com lista pequena
  • 18. Processo Experimental Sistemático cnica: – tipo • o? Podemos medir o que desejamos? • – o? • Repetibilidade 6. Selecione a carga de trabalho(workload) – Representativa? – fica? – Disponibilidade de dados?
  • 19. Processo Experimental Sistemático 7. Execute experimentos – Quantos testes devem ser rodados? – es dos parâmetros que formam o ambiente experimental? – lise da sensibilidade dos outros parâmetros. 8. Analise e interprete os resultados – stica para analisar a variabilidade, “outliers”, etc.
  • 20. Processo Experimental Sistemático 9. Apresente adequadamente os resultados e dados do experimento – sticas, etc. 10. es – Para onde os resultados nos levam? – ximos passos? – es, outros experimentos.
  • 21. CENAS DOS PRÓXIMOS CAPÍTULOS
  • 22. Caracterização de Cargas • Como descrever a carga do sistema alvo precisamente? – Qual importância? – Quais perguntas você deve tentar responder? • o? • o? • Quais componentes de carga queremos descrever?
  • 23. Exemplo de um servidor Web • Carga descrita por duplas (CPU time, I/O time) • Dados disponíveis: logs de 10 requisições HTTP • 1 tamanho de documento (15KB) – 10 execuções ---> (0.013 sec., 0.09 sec.) • Caso 2 (mais realista): – documentos têm tamanhos diferentes.
  • 25. Caracterização de Cargas • Particionamento de cargas em sub-classes – Quando? Como? • o de cargas em workload models – ticas Tempo entre chegadas de requisições em um servidor de vídeo
  • 26. Sumarização de Dados • Revisão: – probabilidade, independência, regra de Bayes – população X amostra – Média, variância, desvio padrão, CV, correlação, quantis – Distribuições estatísticas – Teorema Central do Limite: • aproximadamente Normal” • Estimando uma população a partir de uma amostra: tudo o que você̂ quer fazer – Intervalo de Confiança : confiança X precisão
  • 28. Comparação de Serviço • tipos – Como usar Intervalos de Confiança – es pareadas – o pareadas – Teste-t – es – Escolha do tamanho da amostra
  • 29. Exemplo 1 1. O tempo de processamento necessário para executar uma tarefa foi medido em dois sistemas. – Os tempos no sistema A foram: {5.36, 16.57, 0.62, 1.41, 0.64, 7.26}. – Os tempos no sistema B foram: {19.12, 3.52, 3.38, 2.50, 3.60, 1.74}. • Os dois sistemas são significativamente diferentes?
  • 30. Projetos Fatoriais 2k • Usados para determinar os efeitos de k fatores – Cada um com duas alternativas ou níveis – representado por seu nível máximo e no mínimo. • Em geral, são usados de maneira preliminar, antes de estudos mais detalhados – Responde a pergunta: qual(is) dos k fatores tem maior impacto no sistema alvo? – Pode oferecer algum “insight” sobre as interações entre os vários fatores. • Existem interações com impacto significativo? • Se sim, qual a consequência para o projeto experimental?
  • 31. Exemplo de Projeto Fatorial 22 • quina de busca, composta por N servidores. – 1o mero de servidores N (N = 8 ou 64) • - o ou escalonamento de queries para os servidores, por exemplo, round-robin, gang, random, priority, etc – 2o o escalonamento (random ou round-robin) • completar as queries o da query em microsegundos.
  • 32. Exemplo de Projeto Fatorial 22 • nica de uma carga benchmark de queries es resultou nos seguintes tempos de execucao: • mero de servidores • Fator B = escalonamento
  • 33. Exemplo de Projeto Fatorial 22 • Objetivo: produzir um modelo (não linear) para estimativa do tempo de execução de uma query – y = 502.5 - 295.5 x A – 16 x B + 6 x A x B q0 = 502.5 = tempo de execução médio • Fator A - número de servidores – faz uma diferença de ± 295,5 no tempo de resposta – De fato A explica 97% da variação nos dados • Fator B – escalonamento – baixo impacto (3%) – Interferência entre A e B também baixo impacto (0.4%) • Proceder: refinar avaliação do impacto de A: fator único
  • 34. Projetos Fatoriais • Projetos Fatoriais 2k – 2k experimentos – Objetivo: selecionar parâmetros de maior impacto para avaliação mais refinada a seguir • Projetos Fatoriais com replicação – Replicação de experimentos independentes para cada uma das 2k configurações – Permite estimar erros de experimentação e avaliar qualidade do modelo • Projetos Fatoriais Fracionários – E se for muito caro rodar todos os 2k (com/sem replicação) experimentos? • Projeto de Um Fator