fbpx
imagem do carregador

Mineração de dados e descoberta de conhecimento em bancos de dados: duas ferramentas-chave na análise de dados

equipo8

Por: Diana González-Bravo
MD, Epidemiologista
Pesquisador MBE
Neuroeconomix

Nós exploramos o termo mineração de dados e como é o processo de extração de informações para obter intuições útil a partir de uma massa de informações, mas, mineração de dados e Descoberta de conhecimento em bancos de dados Eles são os mesmos? O que é feito com as informações obtidas na mineração de dados?

¿Mineração de dados e Descoberta de conhecimento em bancos de dados (KDD), são iguais?

Podemos pensar que esses termos em inglês são complicados e intelectuais. A verdade é que a mineração de dados é um processo rigoroso, mas diário em pesquisas de qualquer tipo.

Durante a mineração de dados e Descoberta de Conhecimento  em bases de dados (KDD), são frequentemente tratados como sinónimos, são termos diferentes mas complementares.

O objetivo comum de mineração de dados e Descoberta de Conhecimento  é derivar expressões de características comuns, a partir de um conjunto de dados

A mineração de dados é o processo de busca de informações entre uma grande quantidade de dados e é nela que o etapa de identificação das variáveis que serão analisadas no processo KDD.

Por outro lado, a descoberta de conhecimento em bases de dados (KDD- Descoberta de conhecimento em bancos de dados) é o processo de extração e análise de informações, anteriormente desconhecidas e potencialmente úteis. 

 

Como você usa mineração de dados e KKD?

Diversos algoritmos e técnicas são utilizados para o processo de mineração de dados e sua posterior análise, entre eles:

classificação, cacho ou agrupamento, regressão, regras de associação, árvores de decisão, entre outros.

Com a enorme quantidade de dados armazenados em arquivos, bancos de dados e outros repositórios, é cada vez mais importante, senão necessário, desenvolver poderosos meios de análise e técnicas que facilitem a interpretação dessas informações e a extração de conhecimento. Aqui estão as mais relevantes: Essas técnicas são algoritmos sofisticados que são aplicados a um conjunto de dados para obter resultados úteis, que podem auxiliar na pesquisa e na tomada de decisões.

As técnicas mais representativas são:

arboles

 

- Árvores de decisão: é um modelo preditivo que serve para representar e categorizar condições que acontecem sucessivamente, a fim de resolver um problema

 

 

modelos data

 

- Modelos estatísticos: são equações que são usadas em projetos de pesquisa para indicar os diferentes fatores que modificam as variáveis de interesse

 

 

redes neuronales

 

- Redes neurais: seu nome é inspirado no funcionamento espetacular do sistema nervoso. Trata-se de um sistema de interconexões em rede, cujo objetivo é gerar uma saída robusta a partir de uma análise de alta complexidade.

 

 

Clique neste link para acessar um curso gratuito sobre o assunto, online, oferecido pelo Programa Nacional de Aprendizagem Aprimorada por Tecnologia (NPTEL), com certificado de formação.

https://alison.com/course/data-analytics-mining-and-analysis-of-big-data

Em nosso próximo blog ferramentas para análise Mostraremos formas aplicáveis e exemplos de como essas metodologias podem ser utilizadas no setor da saúde.

Referências

  1. Han Jiawei, Kamber Micheline, Pei Jian. Mineração de dados: conceitos e técnicas. Terceira edição. Morgan Kaufmann, Elsevier. 2012
  2. Altamiranda, L.; Peña, AM; Ospino, M.; Volpe, I.; Ortega, D. e Cantillo, E. Mineração de dados como ferramenta para o desenvolvimento de estratégias de marketing B2B em setores produtivos, relacionados aos colombianos: uma revisão de casos em Sotavento. 2013. 22: 126-136.
  3. Ramageri Bharati M. Técnicas e aplicações de mineração de dados. Indian Journal of Computer Science and Engineering. 2010. 4: 301-305
  4. Encyclopedia Birtannica. Mineração de dados, por Christopher Clifton. Data de acesso 13/03/2018. Disponível em: https://www.britannica.com/technology/data-mining
  5. Ohsuga. Diferença entre mineração de dados e descoberta de conhecimento - uma visão para descoberta de processamento de conhecimento. IEEE International Conference on Granular Computing. 2005. 1: 7-12
Compartilhe em facebook
Compartilhe em twitter
Compartilhe em linkedin
0 Comentários
Feedbacks em linha
Ver todos os comentários
Postagens em destaque
Tem um projeto semelhante

Agende uma videochamada e vamos conversar!

Inscreva-se no nosso blog