Mineração de Dados

Por onde começar

Na página de Mineração de Dados, comece pelo mapa mental “Mineração de Dados”. Ele apresenta a motivação, as aplicações e o funcionamento da área, além de introduzir o processo de descoberta de conhecimento em bases de dados, ou KDD. O material descreve esse processo como interativo, iterativo, cognitivo e exploratório.

Em seguida, consulte “Mineração de dados”, que aborda o uso de análise matemática para identificar padrões e tendências em grandes volumes de dados. Esses mapas ajudam a formar uma visão inicial antes de passar aos detalhes das etapas e técnicas.

Do pré-processamento às técnicas

O mapa “Mineração de Dados: Pré-Processamento de Dados” trata de dados quantitativos e qualitativos, limpeza, transformação, tratamento de dados desconhecidos e normalização. Use esses tópicos para organizar uma revisão do que acontece antes da análise.

Depois, explore “Técnica de mineração de dados” e “Data Mining: tarefas de mineração”. O primeiro relaciona a mineração à descoberta de relações ocultas em grandes bases; o segundo oferece um ponto de partida para revisar as tarefas. Há também materiais sobre associação, análise de cestas e mineração de texto.

Processos e recursos para revisar

Para comparar formas de organizar o trabalho, procure “Knowledge Discovery in Databases (KDD)” e “Modelo de Referência do CRISP-DM”. Os flashcards “TI - Fases modelo CRISP-DM” podem complementar essa leitura. A página também traz mapas sobre fundamentos estatísticos, visualização de dados e introdução ao aprendizado de máquina.

Depois de consultar os mapas, faça o quiz “Machine Learning, Deep Learning e Bigdata”. Ele aborda a identificação de estruturas interessantes em dados, como padrões estatísticos, modelos preditivos e relacionamentos escondidos. Volte aos mapas para rever os conceitos que quiser explorar com mais cuidado.

Como a unidade se encaixa

Esta unidade integra a disciplina Bancos de dados e ciência de dados, na vertente Ciência de Dados e Inteligência Artificial. Seus recursos permitem relacionar a preparação dos dados à descoberta de padrões e ao aprendizado de máquina, usando formatos diferentes para estudar o mesmo campo.

Escolha um dos mapas da página e combine sua leitura com os flashcards para montar sua revisão.