Disciplinas

Análise Preditiva de Dados


Disciplina: EAD5754-10

Área de Concentração: 12139

Número de Créditos: 8

Carga do curso:

Teórico
(Por semana)
Prática
(Por semana)
Estudos
(Por semana)
DuraçãoTotal
42215120
Objetivos:
O objetivo da disciplina é estudar e compreender as possibilidades de transformar dados brutos em informações e conhecimentos úteis para o planejamento das organizações. Para alcançar este objetivo são estudadas as principais técnicas estatísticas e computacionais aplicadas à mineração e análise de dados objetivando a geração de informações preditivas.
Este estudo enfatizará a crescente disponibilidade de dados, novos modelos de negócios, a troca de informações na sociedade moderna, metodologias e técnicas para coleta, tratamento, armazenamento, análise de dados e as técnicas para transformar os dados disponíveis em informações relevantes ao negócio.
A crescente abundância de dados e as constantes inovações das tecnologias de informação trazem novos paradigmas e perspectivas para estudar a transformação de dados em informações para a sociedade e para os negócios, forçando a revisão de conceitos e técnicas já conhecidos, como Data Warehouse, Data Mart, Data Mining e Business Intelligence, e o estudo e entendimento de novos conceitos, como Data Analytics, Social Data, Big Data, Open Data e Data Science. Estes estudos permitem discutir as fronteiras da pesquisa acadêmica em análise de dados, análise de informações e inteligência de negócios


Justificativa:
A disponibilização de inovações tecnológicas em larga escala, a convergência digital e a disponibilidade sem precedentes de dados na sociedade abre novas possibilidades e impõem a revisão de conceitos e técnicas estabelecidas para análise de dados e obtenção de informações preditivas. Este contexto favorece a adoção de novas formas de coleta e tratamento e organização de dados, além de novos métodos e técnicas de análise associadas a ferramentas de software poderosas, que precisam ser aplicadas em pesquisas acadêmicas e na condução dos negócios das organizações.


Conteúdo:
1. Dados, Informação e Conhecimento (1 aula)
2. Data Base, Data Warehouse, Data Mart e Big Data (1 aula)
3. Integração e Tratamento de Dados (ETL) (1 aula)
4. Metodologia de Pesquisa para Análise de Dados (1 aula)
5. Técnicas e Ferramentas para Análise Multidimensional de Dados (1 aula)
6. Laboratório de Análise de Dados – Banco de Dados Multidimensional (1 aula)
7. Técnicas e Ferramentas para Análise de Dados (2 aulas)
8. Laboratório Básico de Análise de Dados – Técnicas de Mineração de Dados (2 aulas)
9. Aprendizagem de Máquina e Redes Neurais (2 aulas)
10. Laboratório Avançado de Análise de Dados (2 aulas)
11. Apresentação de Seminários dos Alunos (1 aula)


Avaliation methods:
• Elaboração e apresentação de projeto de pesquisa com base nos conceitos e técnicas estudados na disciplina e aplicação das ferramentas de análise de dados apr

Notas:
Durante o curso serão utilizadas as seguintes ferramentas em laboratório para análise de dados:
• Microsoft SQL Server Database Engine
• Microsoft SQL Server Analysis Services
• Microsoft Visual Studio
• Dell Statistica 13
• R Foundation for Statistical Computing Plataform
• R Studio

Bibliografia:
• Tecnologia da Informação para Gestão - Efraim Turban, Dorothy Leidner, Ephraim McLean, James Wetherbe - Bookman, 2010
• Business Intelligence - Um Enfoque Gerencial para a Inteligência do Negócio - Efraim Turban, Ramesh Sharda, Jay E. Aronson, David King - Bookman, 2009
• Data Warehouse - Como Construir o Data Warehouse - W.H. Inmon - Campus, 1997
• Introdução ao Data Mining (Mineração de Dados) - Pang-Ning Tan, Michael Steinbach e Vipin Kumar – Editora Ciência Moderna, 2009
• The Elements of Statistical Learning – Data Mining, Inference and Prediction – Trevor Hastie, Robert Tibshirani, Joreme Friedmanj – Springer, 2008.
• Data Mining Concepts and Techniques – 3rd Edition - Jiawei Han, Micheline Kamber e Jian Pei – Morgan Kaufmann / Elsevier, 2012
• Handbook of Statistical Analysis and Data Mining Applications – Nisbet, Robert, Elden, John, Miner, Gary – Elsevier, 2009.
• R in action: Data analysis and graphics with R. Second Edition, Kabacoff RI., 2015
• Mastering Data Mining – Berry, Michael, Linoff, Gordon – Wiley, 2000