Plano departamental

1) Introdução
Apresentar os conceitos principais de Descoberta de Conhecimentos em Bases de Dados (KDD), de Mineração de Dados (DM) e de Sistemas Inteligentes, destacando a multidisciplinaridade da área.
2) Preparação dos Dados para Mineração.
Limpeza dos Dados. Integração de Dados. Transformação de Dados. Redução de Dados. Discretização.
3) Classificação e Predição
Construção do Classificador. Avaliação dos Métodos de Classificação. Preparação dos Dados para Classificação. Classificação por Indução de Árvore de Decisão: Exemplo Prático, Evolução dos Algoritmos de Árvore de Decisão, Critérios de Poda e Extração de Regras de Decisão. Classificação Bayesiana. Classificador Bayesiano Simples. Validação Cruzada.
4) Análise de Agrupamentos Conceitos e Aplicações. Similaridade / Dissimilaridade. Principais Métodos de Agrupamento.
Métodos de Partição. Métodos Hierárquicos.
5) Regras de Associação
Mineração de Regras de Associação. Algoritmo Apriori. Tipos de Regras de Associação. Custos Críticos do Método Apriori. Melhoria da Eficiência do Apriori. Formas de Apresentação de Regras de Associação

HAN, J., Kamber, M. and Pei, J. Data Mining - Concepts and Techniques. Morgan Kaufmann, 2011.
TAN, P. N., Steinbach, M. and Kumar, V. Introdução ao Data Mining - Mineração de Dados. Ciência Moderna, 2009.
WITTEN, I. H., Frank, E. and Hall, M. A. Data Mining - Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2011.

Não informado

HASTIE, T., Tibshirani, R and Friedman, J. The Elements of Statistical Learning - Data Mining, Inference and Prediction. Springer, 2008.
LIU, B. Web Data Mining. Springer, 2008.
MITCHELL, T. M. Machine Learning. McGraw-Hill Companies, Inc., 1997.
PYLE D. Data Preparation for Data Mining. Morgan Kaufmann, 1999.
REZENDE, S. O. Sistemas Inteligentes: Fundamentos e Aplicações. Manole, 2003.