Introdução à Mineração de Dados (Clusterização)


SOBRE O MINICURSO:

Neste minicurso você aprenderá os conceitos básicos sobre Mineração de Dados e irá implementar um algoritmo para realizar clusterização utilizando K-Means. Para tanto, você será apresentada/apresentado a conceitos básicos como Aprendizado Não Supervisionado, Agrupamento, Clusters, Centróides, Cálculo de Similaridade, Método Elbow, Gráfico de Dispersão, Diagrama de Voronoi, etc. As implementações serão feitas em Python no ambiente Anaconda/Spyder com as bibliotecas scikit-learn, pandas e matplotlib.

OBJETIVO DO MINICURSO:

Este minicurso tem por objetivo ministrar os principais conceitos sobre Mineração de Dados e apresentar os conhecimentos básicos para que cada aluna/aluno implemente um sistema simples de Clusterização com K-Means utilizando a linguagem de programação Python.

CONTEÚDO:

O minicurso possui carga horária total de 10 horas. Os assuntos abordados serão:

MÓDULO 1 - INTRODUÇÃO AOS CONCEITOS BÁSICOS:

Neste tópico serão apresentadas aulas teóricas sobre os conceitos básicos deste minicurso.

● Introdução teórica à Mineração de Dados

● Introdução teórica à Clusterização e K-Means

● Exemplos de Aplicação de Mineração de Dados

MÓDULO 2 - INSTALAÇÃO DO AMBIENTE DE DESENVOLVIMENTO:

Neste tópico será realizada a instalação do ambiente de desenvolvimento e atividades de programação em Python com o intuito de nivelar conhecimentos:

● Instalação do Ambiente de Programação nos Sistemas Operacionais Linux e Windows

● Introdução ao Python para Programadores

● Realização da Primeira Atividade Proposta

MÓDULO 3 - IMPLEMENTAÇÃO DE UMA FERRAMENTA PARA REALIZAR CLUSTERIZAÇÃO COM K-MEANS:

Neste tópico será realizada a parte prática do minicurso. Cada aluna/aluno irá implementar uma ferramenta para realizar clusterização de valores com K-Means utilizando diferentes datasets. Aqui também ocorrerá a realização da segunda e última atividade prática do minicurso.

METODOLOGIA:

O minicurso será ministrado no ambiente Moodle de estudos e fará uso das seguintes metodologias:

● Aulas teóricas ministradas em formato vídeoaula

● Aulas teóricas ministradas em formato apostila

● Aulas práticas ministradas em formato tutorial

● Realização de atividades práticas (cada aluna/aluno irá implementar um exemplo de Clusterização com K-Means)

● Esclarecimento de dúvidas e sugestões por meio de fóruns

PRÉ-REQUISITOS:

Para uma boa realização e conclusão deste minicurso, recomendamos os seguintes pré-requisitos:

● Ter um computador com acesso à Internet e disponível para a instalação de programas

● Conhecer alguma linguagem de programação

● Ter disciplina e motivação para estudar online

● Ter disponibilidade de 10 horas no mês para estudos

PÚBLICO ALVO:

Este minicurso é destinado a estudantes e profissionais das áreas de Tecnologia, Estatística, Ciência de Dados e a todos e todas que desejam conhecer as técnicas básicas de Coleta de Dados da Web por meio de uma abordagem prática.

CERTIFICADO DO MINICURSO:

O certificado será emitido para todos e todas que concluírem as atividades do minicurso com no mínimo de 70% de aproveitamento. Para este minicurso iremos emitir somente certificado digital (formato pdf).

INVESTIMENTO:

O investimento para este minicurso é de R$55,00.

FORMAS DE PAGAMENTO:

● Cartões de crédito em 3 parcelas sem juros ou em até 12 vezes com juros.

● Boleto Bancário.

INSCRIÇÕES ABERTAS:

Início das Aulas: 15/08/2018

Término: 17/09/2018

Faça a sua Inscrição

Banner PagSeguro

INTRODUÇÃO À MINERAÇÃO DE DADOS (CLUSTERIZAÇÃO)
SOBRE A INSTRUTORA DESTE CURSO

Alessandra Gomes é graduada em Ciência da Computação pela Universidade Federal do Pará (UFPA) e mestra em Ciência da Computação pela Universidade Estadual de Campinas (Unicamp). Possui mais de 10 anos de experiência entre os ensinos técnico, profissionalizante, superior e cursos livres. Já atuou no ensino privado (Colégio Politécnico Bento Quirino - Campinas - SP), público (Instituto Federal de Brasília - IFB e Projeto PARFOR - UFRA) e em projetos de cursos livres para qualificação profissional (Uptex - Campinas - SP e X25 - Brasília - DF).

Neste tempo, teve contato com a Manipulação de Dados durante projeto de pesquisa realizado no IFB. Além disso, participou de cursos de Ciência de Dados e Machine Learning na Universidade de São Paulo (USP) e Faculdade de Informática e Administração Paulista (FIAP). Também possui curso de elaboração de materiais didáticos com recursos tecnológicos pelo Senac-SP.

Faça a sua Inscrição

Banner PagSeguro