O documento introduz os conceitos de descoberta de conhecimento em bancos de dados, mineração de dados e suas aplicações, abordando tópicos como previsão, classificação e tratamento de dados.

1. Introdução à Mineração de Dados Luis Paulo Vieira Braga braga@dme.ufrj.br lpbraga@geologia.ufrj.br II Semana da ABE no Rio de Janeiro ENCE14, 15, 16 de setembro de 2009

2. ROTEIRO

3. INTRODUÇÃO

4. INTRODUÇÃO

5. INTRODUÇÃO

6. INTRODUÇÃO

7. INTRODUÇÃO

8. INTRODUÇÃO

9. DESCOBERTA DE CONHECIMENTO EM BANCOS DE DADOS (KDD) E MINERAÇÃO DE DADOS (DM)

10. DESCOBERTA DE CONHECIMENTO EM BANCOS DE DADOS (KDD) E MINERAÇÃO DE DADOS (DM) Previsão Classificação Dados Dados Dados Pré- Transformados Processados

11. DESCOBERTA DE CONHECIMENTO EM BANCOS DE DADOS (KDD) E MINERAÇÃO DE DADOS (DM)

12. DESCOBERTA DE CONHECIMENTO EM BANCOS DE DADOS (KDD) E MINERAÇÃO DE DADOS (DM) Exemplo das sete etapas em uma aplicação destinada a uma campanha de vendas de CDB´s de um Banco que tem 1.400.000 clientes pessoas físicas.

13. BANCOS DE DADOS PARA DM, DATA WARE HOUSE(

14. BANCOS DE DADOS PARA DM, DATA WARE HOUSE www.jeunesse.com.br

15. BANCOS DE DADOS PARA DM, DATA WARE HOUSE

16. BANCOS DE DADOS PARA DM, DATA WARE HOUSE

17. BANCOS DE DADOS PARA DM, DATA WARE HOUSE

18. BANCOS DE DADOS PARA DM, DATA WARE HOUSE

19. TRATAMENTO DE DADOS PARA DM

20. TRATAMENTO DE DADOS PARA DM

21. TRATAMENTO DE DADOS PARA DM

22. TRATAMENTO DE DADOS PARA DM

23. TRATAMENTO DE DADOS PARA DM

24. TÉCNICAS PARA DM

25. TÉCNICAS PARA DM

26. TÉCNICAS PARA DM

27. VALIDAÇÃO DO MODELO

28. VALIDAÇÃO DO MODELO

29. VALIDAÇÃO DO MODELO

30. VALIDAÇÃO DO MODELO

31. VALIDAÇÃO DO MODELO

32. VALIDAÇÃO DO MODELO

33. VALIDAÇÃO DO MODELO

34. VALIDAÇÃO DO MODELO

35. VALIDAÇÃO DO MODELO

36. VALIDAÇÃO DO MODELO

37. VALIDAÇÃO DO MODELO *Número de classificação de corretas/ Número total de observações Caso seja necessário, pode-se estabelecer pesos diferentes para as freqüências obtidas em cada uma das células.

38. VALIDAÇÃO

39. LANÇAMENTO FUTURO