A Análise Inteligente de Dados (AID) aborda a aplicação de todo um conjunto de algoritmos computacionais que permitem analisar dados em bruto (e.g. de bases de dados relacionais), de modo a extrair informação útil previamente desconhecida. Este campo está intimamente ligado às áreas da Extracção de Conhecimento de Bases de Dados, da Mineração de Dados e da Aprendizagem Automática.

Este livro aborda, essencialmente, técnicas supervisionadas de aprendizagem ou mineração de dados. Assim, é dada uma descrição detalhada de diversos tipos de modelos como as Árvores de Decisão e Regressão, as Regras de Classificação e Regressão, Modelos Lineares e Redes Neuronais Artificiais, bem como de algoritmos para a sua construção a partir de dados. São apresentadas implementações de todos os algoritmos em Java, bem como diversos exemplos de aplicação. Por fim, explica-se como se podem avaliar e comparar algoritmos de AID, dando-se sugestões para a escolha do melhor algoritmo para cada problema.

• Introdução e conceitos básicos sobre a Análise Inteligente de Dados (AID);
• Algoritmos de aprendizagem supervisionada: Árvores de Decisão e Regressão, Regras de Classificação e Regressão, Modelos Lineares, Redes Neuronais Artificiais e Máquinas de Vectores de Suporte;
• Aplicações da AID em problemas do mundo real;
• Avaliação e comparação de Algoritmos de AID;
• Tópicos avançados: Conjuntos de Modelos, Sistemas Híbridos, Selecção de Modelos, Meta-Aprendizagem e Aprendizagem Dinâmica;
• Implementação em Java dos algoritmos apresentados.

• Alunos e profissionais das áreas das Tecnologias de Informação e Comunicação.

Miguel Rocha
Professor Auxiliar no Departamento de Informática da Universidade do Minho. Desenvolve actividades de ensino e investigação nas áreas de Bioinformática, Computação Natural e Inteligência Artificial.

Paulo Cortez
Professor Auxiliar no Departamento de Sistemas de Informação da Universidade do Minho. Desenvolve actividades de ensino e investigação nas áreas de Business Intelligence/Data Mining, Redes Neuronais e Previsão.

José Maia Neves
Professor Catedrático no Departamento de Informática da Universidade do Minho. É líder do grupo de Inteligência Artificial, desenvolvendo actividades de ensino e investigação nas áreas da Representação de Conhecimento, Computação Lógica e Aprendizagem Máquina.

1 - Introdução
1.1 Descoberta de Conhecimento em Bases de Dados
1.2 Mineração de Dados
1.3 Aprendizagem Automática
1.4 Aplicações
1.5 Organização do Texto
Resumo
Exercícios

2 – Conceitos Básicos
2.1 Conjuntos de Dados
2.2 Modelos e Algoritmos de Aprendizagem
2.3 Medidas de Erro
2.4 Tendência de Indução
2.5 Sobre-ajustamento e Generalização
Resumo
Exercícios

3 – Árvores de Decisão
3.1 Representação Baseada em Árvores
3.2 Descrição do Algoritmo
3.3 Melhorias ao Algoritmo ID3
Resumo
Exercícios

4 – Regras de Classificação
4.1 Estrutura de Representação
4.2 Medidas do Desempenho de uma Regra
4.3 Algoritmo 1R
4.4 Algoritmos de Cobertura: o Prism
4.5 Tópicos Avançados
Resumo
Exercícios

5 – Modelos Funcionais
5.1 Introdução
5.2 Modelos de Regressão
5.3 Estimação dos Parâmetros
5.4 Preparação dos Dados
5.5 Implementação
5.6 Exemplo
5.7 Máquinas de Vectores de Suporte
Resumo
Exercícios

6 – Redes Neuronais Artificiais
6.1 Introdução
6.2 Benefícios e Limitações
6.3 Inspiração Biológica
6.4 Neurónio Artificial
6.5 Topologia
6.6 Treino
6.7 Preparação dos Dados
6.8 Selecção da Topologia
6.9 Implementação
6.10 Exemplo
Resumo
Exercícios

7 – Outros Algoritmos de Aprendizagem
7.1 Modelos Probabilísticos
7.2 Aprendizagem Baseada em Instâncias
7.3 Árvores para Regressão
Resumo
Exercícios

8 – Avaliação e Comparação de Modelos
8.1 Métodos de Estimação
8.2 Validação cruzada
8.3 Bootstrap
8.4 Selecção de modelos
8.5 Avaliação e Comparação
8.6 Experiências
Resumo
Exercícios

9 – Tópicos Avançados
9.1Conjuntos de Modelos
9.2 Sistemas Híbridos
9.3 Selecção de Modelos via Heurísticas
9.4 Selecção de Atributos
9.5 Meta-aprendizagem
9.6 Aprendizagem Dinâmica
Resumo
Exercícios

Apêndice

Bibliografia

Índice Remissivo

Obtenha aqui material complementar do livro.

Use como "Username" a última palavra a verde do texto da contracapa do seu livro.
Use como "Password" a primeira palavra de texto da página 108 do seu livro.

Nota : As palavras deverão ser inseridas em minúsculas e sem acentos, excluindo-se para a sua selecção o título da obra, os logótipos (da colecção e outros), endereços web e o nome dos autores.