O objetivo geral desta pesquisa é explorar a possibilidade de usar uma metodologia capaz de identificar padrões de relacionamento úteis na previsão de vendas individual no varejo, com o uso do processo de mineração de dados. Essas previsões devem abordar grande parte das decisões de curto prazo enfrentadas no cotidiano do gestor da loja, num nível aprofundado – detalhado quanto a produtos – de decisões. O objetivo é explorar um modelo de previsão de demanda para os produtos visando identificar um composto de marketing adequado (preços, produtos e promoções).

Com a popularização do uso de recursos tecnológicos na educação, uma enorme quantidade de dados, relacionados às interações entre alunos e esses recursos, é armazenada. Analisar esses dados, visando caracterizar os alunos, é tarefa muito importante, uma vez que os resultados dessa análise podem auxiliar professores no processo de ensino e aprendizagem. Entretanto, devido ao fato de as ferramentas utilizadas para essa caracterização serem complexas e pouco intuitivas, os profissionais da área de ensino acabam por não utilizá-las, inviabilizando a implementação de tais ferramentas em ambientes educacionais. Dentro desse contexto, a dissertação de mestrado aqui apresentada teve como objetivo analisar os dados provenientes de um sistema tutor inteligente, o MathTutor, que disponibiliza exercícios específicos de matemática, para identificar padrões de comportamento dos alunos que interagiram com esse sistema durante um determinado período. Essa análise foi realizada por meio de um processo de Mineração de Dados Educacionais (EDM), utilizando a ferramenta DAMICORE, com o intuito de possibilitar que fossem geradas, de forma rápida e eficaz, informações úteis à caracterização dos alunos. Durante a realização dessa análise, seguiram-se algumas fases do processo de descobrimento de conhecimento em bases de dados, seleção, pré-processamento, mineração dos dados e avaliação e interpretação. Na fase de mineração de dados, foi utilizada a ferramenta DAMICORE, que encontrou padrões que foram estudados na fase de avaliação e interpretação. A partir dessa análise foram encontrados padrões comportamentais dos alunos, por exemplo, alunos do sexo masculino apresentam rendimento superior ou inferior ao de alunas do sexo feminino e quais alunos terão um bom ou mau rendimento nas etapas finais do processo de ensino. Como principal resultado temos que uma das hipóteses criadas, Alunos que obtiveram bom desempenho no pós-teste imediato apresentaram dois dos três seguintes comportamentos: poucas interações na intervenção, baixo tempo interagindo com o sistema na intervenção e poucos misconceptions no pré-teste, teve sua acurácia comprovada dentre os dados utilizados nessa pesquisa. Assim, por meio desta pesquisa concluiu-se que a utilização da DAMICORE em contexto educacional pode auxiliar o professor a inferir o desempenho dos seus alunos oferecendo a ele a oportunidade de realizar as intervenções pedagógicas que auxiliem alunos com possíveis dificuldades e apresente novos desafios para aqueles com facilidade no tema estudado / With the popularization of the use of technological resources in education, a huge amount of data, related to the interactions between students and these resources, is stored. Analyzing this data, due to characterize the students, is an important task, since the results of this analysis can help teachers on teaching and learning process. However, due to the fact that the tools used to this characterization are complex and non-intuitive, the educational professionals do not use it, invalidating the implementation of such tools at educational environments. Within this context, this master\'s dissertation aimed analyzing the prevenient data from an educational web system named MathTutor, which offers specific math exercises to identify behavioral patterns of students who interacted with this system during some period. This analysis was performed by a process known as Educational Data Mining, using the tool named DAMICORE, in order to enable quickly and effectively the construction of helpful information to the characterization of the students. During the course of this analysis, some phases of the process of knowledge discovery in databases were followed: \"selection\", \"preprocessing\", \"data mining\" and \"evaluation and interpretation\". In \"data mining\" phase, the tool DAMICORE was used to find behavioral patterns of students which were studied at the \"evaluation and interpretation\" phase. From this analysis, behavioral patterns of students were found, for example, male students have higher or lower yield against the female students and which students are going to have a good or bad yield on the final steps of the educational process. As the main result we have one of the made assumptions, \"Students who get good performance in the \"immediate posttest\" showed two of the following behaviors: few interactions in the \"intervention\", low time interacting with the system in the \"intervention\" and few misconceptions in \"pretest\"\", has proven its accuracy among the data used in this dissertation. Thus, through this research, it was concluded that the use of DAMICORE at educational context can help teacher to infer the performance of their students offering him the opportunity to perform the pedagogical interventions that help students who faces difficulties and show new challenges for those who have facilities in the subject studied.

O objetivo deste estudo foi realizar uma classificação do uso da terra e cobertura vegetal na sub-bacia do rio São Tomé, no sul do Estado de Minas Gerais, utilizando imagens multiespectrais geradas pelo sensor LISS III (Linear Imaging Self-Scanner) a bordo do satélite IRS (Indian Resource Satellite ) e técnicas de mineração de dados. A área de estudo localiza-se em uma região de grande tradição de cultivo de café cujas propriedades são predominantemente de pequeno e médio portes. Para realizar a classificação das imagens, foi utilizado o aplicativo GeoDMA (Geographic Data Mining Analyst) que possui algoritmos para segmentação, extração de atributos, seleção de feições e classificação. Os resultados mostraram o grande potencial das técnicas de mineração de dados na classificação de imagens de satélite. Algumas das vantagens da utilização de mineração de dados incluem: a possibilidade de incorporar no processo de classificação um grande número de variáveis, sejam espectrais, espaciais e atributos do terreno; a geração de classificações consistentes e a simplicidade para interpretar a suas estruturas de classificação. / The objective of this study was to perform a classification of land use and land cover of the São Tomé river watershed located in the south of the Minas Gerais State by using multispectral imagery collected by the Linear Imaging Self-Scanner onboard the Indian Resource Satellite and data mining techniques. The study area lies in a region with great tradition of coffee cultivation whose properties are predominantly of small and medium sizes. To carry out the image classification, we used the Geographic Data Mining Analyst (GeoDMA), a toolbox that has algorithms for segmentation, feature extraction, feature selection and classification. The results showed the great potential of the data mining techniques for remote sensing imagery classification. Some advantages encompass the possibility of incorporate in the classification process a great variety of informations that includes spectral, spatial and topographic attributes, the generation of high classification accuracy, and the simplicity to interpret their classification structure. / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

A cada dia, mais dados podem ser armazenados e, portanto, analisados. Em cada conjunto de dados, a tendência é haver uma quantidade cada vez maior de atributos. A obtenção de modelos de mineração de dados, que revelem alguma informação importante, depende da seleção dos atributos mais relevantes, mas determinar a relevância de um atributo em certo contexto não é uma tarefa fácil. Por isso mesmo, apenas pela análise dos dados, em geral, os métodos de seleção de atributos falham em identificar atributos relevantes, incluem atributos irrelevantes e não reconhecem quando há atributos redundantes entre si. Por outro lado, quando se leva em conta o domínio de conhecimento de onde os dados foram coletados, a análise do significado de cada atributo pode indicar sua importância, contudo, isso pode não ser facilmente compreendido por alguém que não esteja familiarizado com o domínio considerado. De qualquer forma, na prática, a análise da semântica dos atributos é feita de forma manual, o que pode ocasionar enganos, custos e desperdício de tempo. Assim, partindo da hipótese de que a incorporação de semântica na atividade de seleção de atributos leva à escolha de atributos mais relevantes e à geração de modelos de mineração mais significativos, para a tarefa de classificação em mineração de dados, um modelo semântico estatístico que propicia a incorporação de semântica à seleção feita pelos métodos tradicionais foi definido. O modelo emprega ontologia, base linguística e recuperação de informação. Com base neste modelo e utilizando conjuntos de dados reais, procedeu-se a um estudo de caso, a partir do qual se pôde observar seleção de atributos mais relevantes.

A tecnologia da informação se consolidou como uma ferramenta estratégica capaz de potencializar os resultados das organizações. Atualmente, em virtude do desenvolvimento tecnológico e das novas tendências neste segmento, os processos de negócios se tornaram altamente dependentes dos recursos da Tecnologia da Informação (TI). A busca por estes recursos fez com que a terceirização de serviços de TI se expandisse significativamente nos últimos anos. Com isso, a responsabilidade pela execução de uma série de serviços importantes para a organização foi transferida para entidades externas, através do estabelecimento de contratos de fornecimento. Este cenário engloba a área de Tecnologia da Informação, que gerencia o atendimento das demandas do negócio, quanto aos recursos tecnológicos requeridos por todas as áreas internas, a área de Compras, responsável pelo estabelecimento dos contratos de prestação de serviços de TI, e os fornecedores, que prestam os serviços mediante contrato. O objetivo deste trabalho foi estudar e propor recomendações relacionadas ao processo de aquisição de serviços de TI, em uma organização multinacional com expressivos investimentos neste segmento, bem como propor medidas visando reduzir as ocorrências de alterações contratuais. Foram analisadas 546 alterações implementadas em 163 contratos. As alterações foram classificadas em 03 grupos: extensão da validade dos contratos, suplementação de verba nos contratos e eventos não previstos. Para isso, foram empregadas técnicas de mineração de textos. Visando reduzir as ocorrências de alterações contratuais, foram propostas medidas de mitigação para 87,7% das alterações identificadas. / Information technology has consolidated itself as a strategic tool capable of leveraging the results of organizations. Nowadays, due to technological development and new trends in this segment, business processes have become highly dependent on IT resources. The search for these resources, has made outsourcing of IT services expand significantly in recent years. As a result, the responsibility for carrying out a number of important services to the organization has been transferred to external entities through the establishment of supply contracts. This scenario encompasses the area of Information Technology, which manages the fulfillment of business demands regarding the technological resources required by all internal areas, the Procurement area, which is responsible for the establishment of IT service contracts, and suppliers, which provide the services by contract. The objective of this research was to study and propose recommendations related to the process of acquisition of IT services in a multinational organization with significant investments in this segment, as well as to propose measures to reduce the occurrence of contractual changes. For this, 546 changes implemented in 163 contracts were analyzed. The changes were classified into 03 groups: extension of the validity of contracts, supplementation of funds in contracts and unforeseen events. Text mining techniques were employed. In order to reduce the occurrence of contractual changes, mitigation measures were proposed for 87.7% of identified changes

O presente trabalho de doutorado visa estudar o diagnóstico de leucemias por meio de processamento das imagens de microscópio óptico de transmissão, em colaboração com médicos hematologistas do HC-FMRP-USP e sob supervisão do Prof. Dr. Marco Zago. Como nem todas as leucemias podem ser diagnosticadas por meio de parâmetros visuais, apenas os casos de leucemia linfóide serão considerados, uma vez que esses são casos onde as células podem ser classificadas visualmente com precisão. A análise citológica é feita por especialistas humanos, cotidianamente em casos de contagem do número de leucócitos e se limitam à avaliação de um número reduzido de amostras pois é uma tarefa repetitiva, minuciosa e especializada. Com a automação desse processo, há possibilidade de maior número de análises de imagens, com geração de informações estatísticas a respeito das células presentes em amostras de sangue. O reconhecimento automático da célula envolve três etapas básicas: a segmentação da imagem, a extração de características e a classificação. A técnica de reconhecimento de padrões adotada para segmentação das imagens de esfregaços de sangue utiliza aprendizagem supervisionada por cor no espaço RGB, gerando imagens binárias contendo as diferentes regiões de interesse: núcleo, citoplasma, fundo e hemácia. O usuário pode treinar o classificador para uma imagem de esfregaço de sangue periférico, segmentar, filtrar e processar várias medidas das ROIs, particularmente do núcleo e citoplasma, considerando parâmetros de forma, textura e cor. A contribuição desse projeto está na elaboração de programas de interface amigável tanto para reconhecimento de padrões quanto para seleção de característica e mineração de dados. O programa de reconhecimento de padrões é baseado em casos de leucócitos normais, de leucemia linfóide crônica, prolinfocítica e tricoleucemia. Para desenvolvimento do programa de reconhecimento de padrões foi necessária uma grande base de dados, que hoje conta com aproximadamente 1.439 imagens, onde cerca de 1.058 são de leucócitos normais e cerca de 381 de leucêmicos / The current PhD project deals with the leukemia diagnosis using optical microscope image processing, in collaboration with hematologists from HC-FMRP-USP and under supervision of Prof. Dr. Marco Zago. Only specific leukemia cases can be diagnosed through visual parameter, therefore only lymphoid leukemias have been considered since these are the cases in which the cells can be classified visually with accuracy. Expert humans have dedicated to leukocyte differential count daily, limiting the analysis to a reduced number of samples since this task is time-consuming and painstaking. The automation of this process would allow to analyze many more images with wide statistical information about each blood smear slide. The cell recognition can be divided in three steps: the image segmentation, the feature extraction and the classification. The pattern recognition technique to color segment the images utilizes supervised learning in the RGB color space, generating binary images containing the different regions of interest: nucleus, cytoplasm, background and red blood cells. The user can train the classifier to segment a particular image, to filter the resulted image, to process and to extract several cell attributes. Particularly, we are interested in the nucleus and the cytoplasm in terms of the shape, size, color and texture. We have developed softwares with user-friendly interface both to pattern recognition and feature selection/datamining. The pattern recognition system is dedicated to recognize normal leukocytes and lymphoid leukemias as chronic lymphocitic, prolymphocitic and Hairy cells. For developing the pattern recognition system, we collected a large database, which contains approximately 1,439 images nowadays, being around 1,058 normal leukocytes and around 381 abnormal lymphocytes

A massificação dos estudos da medicina translacional permite aos pesquisadores que usufruam de fontes de dados das mais diversas áreas. Uma área de suma importância e a bioinformatica, que agrega o alta capacidade de processamento computacional disponível atualmente, com a infindável quantidade de dados gerada por métodos de sequenciamento de ultima geração, para entregar aos pesquisadores uma quantidade rica de dados para serem analisados. Apesar da disponibilidade desses dados, a expertise necessária para analisa-los dificulta que profissionais com pouco conhecimento em bioinformatica, estatística e ciência da computação possam realizar pesquisas e analises com estes dados. Dada esta situação, este trabalho consistiu em criar uma ferramenta que tira proveito da integração de múltiplas bases de dados proporcionada pelo framework IPTrans, permitindo que usuários da área biomédica realizem analises com os dados contidos nessas bases. Com base em outras ferramentas existentes e em um levantamento de requisitos junto a potenciais usuários, foram identificadas as funcionalidades mais importantes e assim foi projetada e implementada a IPTrans Advanced Analysis Tool (IPTrans A2Tool). Esta ferramenta permite que usuários façam analises de expressão diferencial mais comuns como heatmaps, volcano plots, consenso de agrupamentos e blox-plot. Além disso, a ferramenta proporciona um algoritmo de mineração de dados baseado na extração de regras de associação entre dados clínicos e biomoleculares, que permite ao usuário descobrir novas associações entre a expressão dos genes dados clínicos e fenotípicos. Adicionalmente a este trabalho, foi criado também o BioBank Warden, um sistema de controle de dados clínicos e amostras biomoleculares, que foi utilizado como uma das fontes de dados para o IPTrans A2Tool. Este sistema permite que usuários adicionem informações clinicas de pacientes e também das amostras extraídas para a realização de estudos. Uma avaliação preliminar de usabilidade, realizada junto a profissionais da área biomédica, mostrou que as ferramentas possuem potencial para serem utilizadas no contexto da medicina translacional. / The great number of translational medicine studies allows researchers to make benefit of data sources from various fields. An area of great importance is bioinformatics, which combines the high computational processing capabilities found nowadays with the endless amount of data generated by next-generation sequencing methods, to give researchers a rich amount of data to be analyzed. Despite the availability of such data, the expertise required to analyze it makes difficult for professionals with little knowledge in bioinformatics, statistics or computer science, to conduct research and analysis on this data. Given this situation, this work was intended to create a tool that takes advantage of multiple databases integration capabilities provided by IPTrans and that allows users to perform analysis on the data contained in these databases. To accomplish that other tools were studied in order to observe which features our framework should aggregate and thus was created the IPTrans A2Tool (IPTrans Advanced Analysis Tool). This tool allows users to perform differential expression analysis and generate output as heatmaps, volcano plots, consensus clustering and blox-plots. In addition, the tool provides an association rule extraction algorithm between clinical and biomolecular data, allowing the user to discover hidden associations between the expression of analyzed genes and clinical data. As a by-product of this work was also created the BioBank Warden a clinical data and biomolecular samples management system that was used as one of the data sources for IPTrans A2Tool. This system allows users to add patients clinical information and also of samples taken for carrying out studies. In addition, the system provides a strong research group and project permission management that ensures only authorized people to have access to patients data.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2018. / Um banco brasileiro disponibilizou a abertura de conta bancária por meio de um aplicativo móvel, o que geralmente exige muito pouca informação do usuário. Essa falta de dados prejudica os atuais modelos preditivos aplicados na seleção de clientes para campanhas de marketing. Com o intuito de atenuar isso, este trabalho investiga o uso da Mineração de Dados a fim de criar um modelo preditivo capaz de identificar a renda desses clientes. Para tanto, como treinamento, usa os dados de um grupo de clientes, os quais, de forma semelhante, utilizam o aplicativo móvel do banco. Todavia, abriram suas contas indo às agências, local onde comprovaram suas rendas. Os dados utilizados incluem informações cadastrais, demográficas e características dos smartphones dos clientes. O processo CRISP-DM foi aplicado para comparar várias abordagens, tais como: Regressão Logística, Random Forest, Redes Neurais Artificiais, Gradient Boosting Machine e Hillclimbing Ensemble Selection with Bootstrap Sampling. Os resultados mostraram que o Gradient Boosting Machine obteve o melhor resultado com Acurácia de 92 % e F-Measure de 62 %. / Digital bank accounts require little information from customers to enable simple banking services, and the absence of income data hampers a focused targeting of customers for additional products/services. This study presents a comparison of predictive models to identify a customer’s income bracket, by mining digital account data. The information available to build the models includes customers’ registered data, demographics, house prices, and smartphone features. The models are applied to a set of customers with regular accounts, who have income data and features similar to those with digital accounts. The models’ performances are compared to the model currently in use in a private bank. Several approaches were used, in a CRISP-DM process: Logistic Regression, Random Forest, Artificial Neural Networks, Gradient Boosting Machine, and Hill-Climbing Ensemble with Bootstrap Sampling. Experimental results indicate the Gradient Boosting Machine model achieved the best results, with a 92% Accuracy and a 62% F-Measure.

Orientador: Luis Paulo Barbour Scott / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Engenharia da Informação, 2013

Made available in DSpace on 2013-08-07T18:42:18Z (GMT). No. of bitstreams: 1 000406064-Texto+Completo-0.pdf: 2136241 bytes, checksum: 1ec360a68cfe28f759f1832832dffb38 (MD5) Previous issue date: 2006 / The Web Usage Mining (WUM) applies data mining techniques to discover web usage patterns from Web server logs. The WUM process is composed by three major phases: pre-processing (where data is collected, cleaned and transformed), pattern discovery (in which mining algorithms are applied), and pattern analysis (where resulting patterns are analyzed). The categorization of visitor’s behavior based on their interaction in the web site is a key issue in WUM. In the E-learning area this topic becomes more relevant due to the lack of face-to-face contact between students and professors, given the physical distance, as well as the semantical gap between URLs and corresponding application events. Clustering, which subject of this research, is a mining technique that aims at grouping objects on basis of high inter-group similarity and low inter-group similarity. Several works leverage clustering techniques with the purpose of characterizing web user behavior during navigation. However, most of the works do not consider the meaning of visited URLs in the application domain, when measuring similarity between web sessions. Page semantics is frequently considered in the pre-processing phase, in data enrichment tasks, in which URLs are mapped into domain concepts. This approach is static in the sense that a new perspective of a URL (e. g. more generalized concept), to obtain better clustering results, often implies re-processing data. In addition to that, the correct clustering technique execution is a complex task which includes data preparation and transformation according to the mining objectives in such way interesting patterns can be found. Considering these problems, this research proposes a clustering mechanism and an interpretation mechanism as a way to characterize student’s behavior in a Web course. These mechanisms aim make the clustering technique execution and group analysis easy to a non data mining expert person. The proposed mechanisms are based in a domain taxonomy representing the domain events for addressing the semantic gap between URLs and application events. The clustering mechanism considers the similarity between visited pages as a way to improve the quality of clustering results. The proposed interpretation mechanism allows visualize the characteristics for each group, according to the clustering objective, as well as inspects groups dynamically considering the different levels of abstraction for application events in the domain taxonomy. These mechanisms establish the basis for categorization of web user behavior, for which a prototype was developed. / Um dos principais problemas evidenciados no domínio da Educação a Distância (EAD) é a falta de percepção que os instrutores de cursos Web têm quanto à interação dos alunos durante o processo de aprendizado. Este problema é mais fortemente evidenciado no ambiente da EAD devido ao pouco contato entre os instrutores e os alunos, dadas as limitações dos ca°nais de comunicação, e à falta de semântica no registro das páginas acessadas, em relação ao seu significado no domínio da aplicação. A Mineração do Uso da Web (MUW) oferece técnicas de mineração de dados que permitem descobrir padrões de utilização da Web para melhor entender e servir as necessidades das aplicações. O processo de MUW é composto de etapas, a saber: préprocessamento, descoberta de padrões e análise de padrões. Várias técnicas podem ser aplicadas na etapa de descoberta de padrões. A técnica de agrupamento, foco deste trabalho, destaca-se por agregar valor nesta questão, pois tende a estabelecer grupos de usuários que mostram padrões de comportamento semelhantes. O agrupamento de sessões Web tem impulsionado uma grande área de pesquisa que visa caracterizar os usuários com base na navegação na Web. Porém, nenhum trabalho foi encontrado que aborde a similaridade entre as páginas considerando a semântica dos eventos da aplicação quando computando a similaridade entre as sessões Web. Além disso, a correta aplicação da técnica de agrupamento é uma tarefa complexa que envolve desde a preparação dos dados até a escolha do algoritmo de agrupamento, além de estar fortemente associada à complexidade do processo de descoberta de conhecimento. Dados os problemas identificados, este trabalho propõe mecanismos de agrupamento e de interpretação de padrões que facilitem, respectivamente, a aplicação da técnica de agrupamento e a análise dos grupos por pessoas leigas, visando auxiliar na caracterização das sessões de aprendizado em um ambiente de EAD. Estes mecanismos fazem uso de uma taxonomia como forma de agregar semântica aos eventos do domínio, reduzindo assim a necessidade de retorno à etapa de pré-processamento. O mecanismo de agrupamento proposto visa facilitar a aplicação da técnica de agrupamento e aumentar a qualidade dos grupos, considerando para isso a similaridade entre as páginas com base na semântica dos eventos do domínio. O mecanismo de interpretação proposto permite representar os grupos visualmente, de modo condizente com o objetivo do agrupamento, bem como inspecionar dinamicamente os grupos formados considerando os diferentes níveis de abstração das páginas no domínio da aplicação. Foi desenvolvido um ambiente de apoio para auxiliar o intrutor durante a execução das etapas da MUW visando a facilitar a aplicação do agrupamento e a análise das sessões de aprendizado.