Explorar e analisar grandes quantidades de dados biológicos, por meios automáticos ou semiautomáticos que promovam a descoberta de padrões, a interpretação do conhecimento extraído e a visualização científica.
Mineração de dados e seus desafios atuais; As origens da mineração de dados; Tarefas de mineração de dados. Tipos de Dados; Qualidade dos dados; Pré-processamento de dados; Medidas de Similaridade e Dissimilaridade; Aprendizagem de máquina. Mineração de dados complexos; Mineração de dados espaciais; Mineração de dados multimídia; Mineração de texto; Mineração na web. Análise de outliers. Aplicações de mineração de dados; Impacto social da mineração de dados; Tendências em mineração de dados. Data warehouse. Processo de Descoberta de Conhecimento em Bases de Dados (KDD).
Mineração de dados e seus desafios atuais; As origens da mineração de dados; Tarefas de mineração de dados. Tipos de Dados; Qualidade dos dados; Pré-processamento de dados; Medidas de Similaridade e Dissimilaridade; Aprendizagem de máquina. Classificação: Preliminares; Abordagem geral para a resolução de um problema de classificação; Árvores de decisão; Classificador de vizinho mais próximo; Máquinas de Vetores Suporte; Redes Neurais Artificiais. Regras de associação: Definição do problema; Geração de conjuntos de itens frequentes; Geração de regras; Representação compacta de conjuntos de itens frequentes; Métodos alternativos para gerar conjuntos de itens frequentes. Análise de agrupamentos: Visão Geral, algoritmo k-médias, agrupamento hierárquico; avaliação de agrupamentos. Mineração de dados complexos; Mineração de dados espaciais; Mineração de dados multimídia; Mineração de texto; Mineração na web. Análise de outliers. Aplicações de mineração de dados; Impacto social da mineração de dados; Tendências em mineração de dados. Data warehouse. Processo de Descoberta de Conhecimento em Bases de Dados (KDD): Limpeza dos dados; integração; transformação; redução de dimensionalidade.
1) Alpaydin, E. (2004). Introduction to Machine Learning. MIT Press. 2) Flach, P. (2012). Machine Learning:The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press. 3) Mitchell, T. M. (1997). Machine Learning. McGraw-Hill. 4) Tan, P., Steinbach; M. E., Kumar, V. (2006). Introduction to Data Mining, Addison Wesley. 5) Witten, I. H.; Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition. Morgan Kaufmann.
