Prof. Dr. Jarley Nóbrega [email protected]/dw/dw-00-programa.pdf · Plano de Ensino Maio...

24
Prof. Dr. Jarley Nóbrega – http://jarley.com [email protected]

Transcript of Prof. Dr. Jarley Nóbrega [email protected]/dw/dw-00-programa.pdf · Plano de Ensino Maio...

Prof. Dr. Jarley Nóbrega – http://jarley.com

[email protected]

Banco de Dados Avançado 2018.1

Programa da Disciplina 2018.1

Introdução

Data Warehouse

Mineração de Dados

• Motivação • Conceitos de Mineração de Dados • CRISP-DM • SQL avançado

Programa da Disciplina 2018.1

Introdução

Data Warehouse

Mineração de Dados

• Conceitos • OLAP • Pentaho BI Server • Pentaho Data Integration

• Tutorial do PDI

Programa da Disciplina 2018.1

Introdução

Data Warehouse

Mineração de Dados

• Principais algoritmos • Tutorial com o Weka • Projeto de DW e DM

Plano de Ensino

Fevereiro 06/02 - Apresentação da disciplina. Motivação.

20/02 - Conceitos de Mineração de Dados. CRISP-DM.

27/02 - Comandos avançados de SQL. Exercícios em laboratório.

Plano de Ensino

Março 06/03 - Exercícios em laboratório.

13/03 - Conceitos de Data Warehouse. OLAP. Introdução ao Pentaho BI Server.

20/03 - Pentaho Data Integration. Tutorial do PDI - Parte I

27/03 - Tutorial do PDI - Parte II

Plano de Ensino

Abril 03/04 - Tutorial do PDI - Parte III. Definição dos projetos

de DW.

10/04 - Acompanhamento do projeto de DW.

17/04 - P1 - Apresentação dos Projetos de DW.

24/04 - Introdução à Mineração de Dados. Principais algoritmos.

Plano de Ensino

Maio 08/05 - Tutorial com o Weka - Parte I.

15/05 - Tutorial com o Weka - Parte II.

22/05 - Definição dos projetos finais. Acompanhamento de projeto.

29/05 - Acompanhamento de projeto.

Plano de Ensino

Junho 05/06 - P2 - Apresentação dos Projetos.

12/06 - PS - Apresentação de Projeto + Entrega de relatório escrito.

Requisitos para a Disciplina

Conjunto mínimo de conhecimentos necessários para o acompanhamento e aprendizado na disciplina

Introdução a Banco de Dados

Relacionais

Linguagem de Programação OO

(Java, Scala )

Inteligência Artificial (desejável)

Bibliografia

Witten, Ian H., et al. Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann, 2016, 4ª edição.

Bibliografia

Han, Jiawei, Jian Pei, and Micheline Kamber. Data mining: concepts and techniques. Elsevier, 2011, 3ª edição.

Bibliografia

de Castro, L. N., e D. G. Ferrari. "Introdução à Mineração de Dados: Conceitos Básicos, Algoritmos e Aplicações." (2016).

Bibliografia

Bouman, Roland, and Jos Van Dongen. Pentaho solutions: business intelligence and data warehousing with Pentaho and MySQL. Wiley Publishing, 2009.

Recursos na Web

Apostila de DW http://slides.jarley.com

Tutorial do PDI https://pt.slideshare.net/

jarleynobrega

Recursos na Web

Slides da disciplina http://slides.jarley.com

Recursos na Web

Envio de Trabalhos http://trabalho.jarley.com

Avaliações

P1

Projeto de Data Warehouse

Válido apenas se apresentado em sala pela equipe

Vale 40% da média do semestre

Falta no dia da apresentação

Sem nota de P1

2ª Chamada: apresentação individual do projeto + relatório escrito.

Avaliações

P2

Projeto de mineração de dados

Válido apenas se apresentado em sala pela equipe

Vale 60% da média do semestre

Falta no dia da apresentação

Sem nota de P2

PS

Aumento de escopo do projeto de mineração de dados + entrega de relatório escrito do projeto

Avaliações

Média: P1 * 0.4 + P2 * 0.6

Média > 7.0 => Aprovação por média

Média < 4.0 => Reprovação por média

Média > 4.0 e Média < 7.0 => Prova Substitutiva

Falta da P1 ou P2

2ª chamada de P1 (entrada na secretaria)

Não haverá 2a chamada para a PS

Aprovação na PS: nota >= 5.0

Sistemática das Aulas

100% das aulas em laboratório

18:50 – 22:00 (noite)

Chamada ao final da aula

Frequência obrigatória (75%)

Ferramenta de controle de frequência

Somente o coordenador abona a falta

Celulares, comida, jogos, ...

Bases de dados – Projeto de DW e Mineração de Dados

Semestre 2017.2

IMDB 5000 Movie Dataset

European Soccer Database

Hong Kong Horse Racing Results 2014-16 Seasons

Votação de projetos – Congresso Nacional

London Crime Data, 2008-2016

Credit Card Fraud Detection

Ações da BMF/Bovespa

Bases de dados – Projeto de DW e Mineração de Dados

Semestre 2018.1

Santander Customer Satisfaction

Bike Sharing Demand

Rossmann Store Sales

San Francisco Crime Classification

Porto Seguro’s Safe Driver Prediction

House Prices: Advanced Regression Techniques