Uma breve introdução à Mineração de Dados
Bases para a ciência de dados, com exemplos em R
Descrição do livro
Obter conhecimento em meio a grandes volumes de dados deixou de ser um diferencial estratégico e passou a ser uma necessidade para qualquer setor que queira se manter competitivo. Enquanto tecnologias mudam e novas nomenclaturas nascem, a essência da análise e mineração de dados se mantém. Tal essência está por trás de diversas tecnologias dos mais variados setores. Entender os conceitos centrais e exemplos significa se tornar apto e preparado para usar o que a ciência e a tecnologia nos proveem para obter conhecimento oculto em meio a um mar de dados e informações difusas.
Minerar dados exige habilidades multidisciplinares que devem ser usadas em harmonia. Esta obra explica e exemplifica, por meio da linguagem R, conceitos provenientes de diversas áreas da estatística, matemática e computação. De maneira minimamente formal, através de exemplos e analogias, o leitor será capaz de aprender, gradualmente, os principais conceitos e técnicas da mineração de dados.
Ver menos ▲Sumário
- 1.1 Aprendizagem de máquina
- 1.2 Mineração de dados
- 1.3 Considerações do capítulo
- 1.4 Exercícios
- 2.1 Decisão por dados
- 2.2 Tipos de dados
- 2.3 Tipos de atributos
- 2.4 Análise de dados
- 2.5 Considerações do capítulo
- 2.6 Exercícios
- 3.1 Extração/seleção
- 3.2 Pré-processamento
- 3.3 Integração e transformação
- 3.4 Exercícios
- 4.1 Algoritmo Apriori
- 4.2 FP-Growth
- 4.3 Outras medidas
- 4.4 Notas do capítulo
- 4.5 Exercícios
- 5.1 Matriz de confusão e métricas de avaliação
- 5.2 Treino, teste e validação cruzada
- 5.3 k-vizinhos mais próximos
- 5.4 Naive Bayes
- 5.5 Árvores de decisão
- 5.6 Floresta aleatória
- 5.7 Boosting
- 5.8 Redes neurais
- 5.9 Hyperparameters
- 5.10 Resumo dos tipos de redes neurais
- 5.11 Notas do capítulo
- 5.12 Exercícios
- 6.1 Regressão linear
- 6.2 Correlação e regressão linear com centro fixo
- 6.3 Regressão múltipla ou polinomial
- 6.4 Avaliação de modelos
- 6.5 Exercícios
- 7.1 Classificação dos agrupamentos
- 7.2 Classificação dos tipos de grupos
- 7.3 K-means
- 7.4 DBSCAN
- 7.5 Agrupamento hierárquico
- 7.6 Exercícios
- 8.1 Decomposição de séries temporais
- 8.2 Representação de dados
- 8.3 Medidas de distância
- 8.4 Mineração e forecasting em séries temporais
- A 1 Brevíssimo Histórico do R
- A 2 Instalação do R e R Studio
- A 3 Usando o R
- A 4 Tipos primitivos
- A 5 Vetores
- A 6 Estruturas de seleção e repetição
- A 7 Matrizes e Data Frames
- A 8 Listas e Factors
- A 9 Valores faltantes e nomes
- A 10Funções comuns (geral)
- A 11Pacotes
Sobre o autor
Joaquim Vinicius Carvalho Assunção
Doutor e Mestre em Ciência da Computação, e Bacharel em Sistemas de Informação, ambos pela PUCRS. Parte do doutorado foi realizado em parceria com a Universidade Grenoble-Alpes e o instituto francês de pesquisa em ciência e tecnologias numéricas (Inria), na França. Atualmente é Professor adjunto no departamento de computação aplicada da… Ver perfil completo ▶
Livros relacionados
Recursos
Opinião dos leitores
Rafael V B
Ótimo para um ponta pé inicial na área. Descomplica a leitura focando no que é importante. Os exemplos de código ajudam a fixar os conceitos.
Angel A G M
O Livro é bom, e o autor parece ter bom dominio. Percebe-se que é acadêmico. Porém poderia ser mais profundo mesmo para uma introdução. Creio que futuros livros do autor serão mais completos
Roberto C
Direto e objetivo, excelente introdução a mineração de dados, recomendo.
Títulos relacionados