|
|
Atividade
| 134199 - Data Mining |
| Período da turma: | 14/10/2025 a 20/05/2027
|
||||
|
|
|||||
| Descrição: | Data Mining
O curso de Mineração de Dados está dividido em duas etapas principais: coleta de dados e aplicação de algoritmos de machine learning clássicos. A primeira parte versa sobre os conceitos de raspagem de dados, como realizar a coleta de arquivos, API's e páginas Web externas, utilizando tanto técnicas de web scraping quanto de web crawling. A segunda parte versa sobre os conceitos de machine learning, como a aplicação de algoritmos de classificação, regressão e agrupamento, utilizando bibliotecas de machine learning como Scikit-Learn e ferramentas de AutoML, como o PyCaret. Bibliografia Bramer, Max. Principles of data mining. Vol. 180. London: Springer, 2007. "Data Mining: Conceitos, Técnicas, Ferramentas e Aplicações", de Alex A. Freitas. "Data Mining: Minerando Dados para Tomada de Decisões", de Marcos Guimarães e Juracy Brasileiro. "Data Mining: Prospecção de Dados", de Renato Archer e Maria Carolina Monard. FAWCETT, Tom; PROVOST, Foster. Data Science para Negócios: O que você precisa saber sobre mineração de dados e pensamento analítico de dados. Alta Books Editora, 2018. "Introdução ao Data Science: Data Mining, Big Data e Inteligência Artificial", de João Eduardo Ferreira. "Mineração de Dados: Conceitos, Ferramentas e Técnicas", de Adriano Veloso e Eduardo Ogasawara. Mohammed J.; Zaki, W. M. J. Data mining and analysis: fundamental concepts and algorithms. New York: Cambridge University Press, 2014 (e-book). |
||||
| Carga Horária: |
10 horas |
||||
| Tipo: | Obrigatória | ||||
| Vagas oferecidas: | 500 | ||||
| Ministrantes: |
Murilo Zanini de Carvalho |
 voltar |
|
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |