Report
Backlog; categorias de aplicações de emissão de relatórios e
query; ferramentas de emissão de relatórios e suas características
mais relevantes.
DSS
e OLAP: Necessidade para o OLAP e sua evolução; Conceitos OLAP
- Síntese Flexível de
Informação, Múltiplas Dimensões de Dados / Caminhos de Consolidação;
Características do OLAP - Análise
Multidimensional dos Dados (MDA), Valor dos Dados Multidimensionais,
Termos mais Utilizados, Arquitecturas Multidimensionais, Modelos de
Dados Multidimensionais Características dos Dados Multidimensionais,
Tipos de Arquitecturas Multidimensionais, Visão
Multidimensional de Dados Relacionais Bases de Dados
Multidimensionais;
Análise
Comparativa das Aproximações (MOLAP x ROLAP) e Ferramentas para
Exploração de Informação com as suas características mais
salientes.
Capítulo
III
Introdução
ao Data Mining (DM):
Definição
de DM e fonte do seu poder; tecnologias de suporte ao DM; como
funciona o DM.
Descoberta
x predição; tipos de problemas do DM. Volume de dados e sua relevância
para o DM;
Exemplos
de utilização do DM
Técnicas
de DM
Classificação
(aprendizagem supervisionada), descoberta de associações e sequências
(aprendizagem não supervisionada), visualização, associação,
predição, estimação - conceitos e exemplos de utilização.
Processos
do Data Mining
Preparação
e selecção dos dados, transformação dos dados, redução de
dados, criação do modelo e predição, interpretação dos
resultados.
Capítulo
IV
Métodos
e Algoritmos de Data Mining
Indução,
árvores de decisão, algoritmos genéticos, redes neuronais, redes
de confiança Bayesian, métodos estatísticos avançados, soluções
distância (K-vizinhos ,mais próximos e associações).
Combinação
de múltiplos métodos de predição.
Capítulo
V
Considerações
Finais
Tendências
em DM; alguns prós e contras das tecnologias mais comuns;
ferramentas mais relevantes e suas características.
