Curso de Data Mining

Aula 1 • Qualidade de Dados e Desafios

Examina ruído, valores ausentes, outliers e redundância como barreiras para uma mineração precisa. Os alunos aprendem a diagnosticar problemas de qualidade antes do início da modelagem.

Aula 2 • Considerações Éticas e de Privacidade

Aborda consentimento, viés, justiça e divulgação responsável em projetos de mineração de dados. Estabelece uma lente ética aplicada ao longo de todo o curso.

Aula 3 • Tipos de Dados e Atributos

Aborda escalas nominal, ordinal, intervalar e de razão, além de dados estruturados vs. não estruturados. O tipo de atributo determina quais algoritmos são aplicáveis.

Aula 4 • O que é Mineração de Dados

Define mineração de dados, seus objetivos e sua posição dentro do processo mais amplo de descoberta de conhecimento. Fundamenta todas as técnicas subsequentes em um quadro conceitual unificado.

Aula 1 • Técnicas de Limpeza de Dados

Aborda estratégias de imputação, suavização de ruído e remoção de duplicatas. Dados limpos são o pré-requisito para a descoberta confiável de padrões nos capítulos posteriores.

Aula 2 • Fundamentos de Engenharia de Características

Ensina a construção de novas características a partir de atributos brutos para expor padrões ocultos. Características robustas amplificam o desempenho de cada algoritmo de mineração abordado posteriormente.

Aula 3 • Integração e Fusão de Dados

Explica correspondência de esquemas, resolução de entidades e resolução de conflitos ao mesclar múltiplas fontes. Conjuntos de dados integrados permitem modelos mais ricos e generalizáveis.

Aula 4 • Métodos de Redução de Dados

Apresenta redução de dimensionalidade, redução de numerosidade e compressão de dados. Conjuntos de dados menores e representativos reduzem a computação sem sacrificar o insight.

Aula 1 • Visualização de Outliers e Anomalias

Usa métodos visuais para revelar anomalias antes da aplicação de algoritmos formais de detecção. A detecção visual precoce evita que outliers distorçam modelos posteriores.

Aula 2 • Análise Univariada e Bivariada

Examina distribuições de variável única e relações pareadas usando histogramas, box plots e gráficos de dispersão. Revela padrões marginais e conjuntos nos dados.

Aula 3 • Comunicando Descobertas da AED

Ensina seleção de gráficos, anotação e estrutura narrativa para apresentar resultados exploratórios. A comunicação clara alinha as partes interessadas antes do investimento na modelagem.

Aula 4 • Técnicas de Visualização Multivariada

Apresenta coordenadas paralelas, mapas de calor e gráficos de dimensionalidade reduzida para dados de alta dimensão. Permite a inspeção simultânea de muitas variáveis.

Aula 1 • Métricas de Avaliação de Classificadores

Aborda acurácia, precisão, recall, F1, ROC-AUC e matrizes de confusão. A seleção de métricas depende do desbalanceamento de classes e do custo de cada tipo de erro.

Aula 2 • Máquinas de Vetores de Suporte

Explica hiperplanos de margem máxima, funções de kernel e SVMs de margem suave. SVMs se destacam em espaços de alta dimensão comuns em dados de texto e genômicos.

Aula 3 • Árvores de Decisão e Indução de Regras

Aborda os algoritmos ID3, C4.5 e CART, incluindo critérios de divisão e poda. As árvores de decisão fornecem modelos interpretáveis adequados para as partes interessadas do negócio.

Aula 4 • Conceitos e Fluxo de Trabalho de Classificação

Define aprendizado supervisionado, divisão treino/teste e o trade-off viés-variância. Estabelece a mentalidade de avaliação usada em todos os algoritmos de classificação.

Aula 1 • Métodos de Regressão Regularizada

Aborda Ridge, Lasso e Elastic Net para controlar o overfitting e realizar seleção de características. A regularização é essencial quando as características superam o número de observações.

Aula 2 • Regressão Linear para Previsão

Revisa mínimos quadrados ordinários, suposições e gráficos de diagnóstico para modelos lineares. A regressão linear fornece uma linha de base interpretável para tarefas de previsão numérica.

Aula 3 • Avaliação de Modelo de Regressão

Aplica MAE, RMSE, R-quadrado e análise de resíduos para comparar modelos de regressão. A avaliação adequada evita a implantação de modelos que falham em dados não vistos.

Aula 4 • Regressão Não Linear e Polinomial

Estende modelos lineares com termos polinomiais, splines e modelos aditivos generalizados. Métodos não lineares capturam relações curvas que as abordagens lineares perdem.

Aula 1 • Validação e Interpretação de Clusters

Aplica pontuação de silhueta, índice Davies-Bouldin e conhecimento de domínio para avaliar a qualidade dos clusters. A validação evita a confiança excessiva em agrupamentos arbitrários.

Aula 2 • Clusterização Hierárquica

Explica abordagens aglomerativas e divisivas com critérios de ligação e dendrogramas. Métodos hierárquicos revelam estrutura em múltiplas escalas sem especificar k antecipadamente.

Aula 3 • Métodos de Particionamento

Aborda os algoritmos k-means, k-medoids e k-modes com estratégias de inicialização. Métodos de particionamento escalam bem e são adequados para clusters grandes e de forma globular.

Aula 4 • Clusterização Baseada em Densidade

Apresenta DBSCAN e OPTICS para descobrir clusters de forma arbitrária e pontos de ruído. Métodos de densidade lidam com geometrias irregulares que o k-means não consegue capturar.

Aula 1 • Algoritmo Apriori

Explica a propriedade Apriori, a geração de candidatos e a poda para a descoberta eficiente de itemsets. Os alunos implementam o Apriori em conjuntos de dados de transações de varejo.

Aula 2 • Algoritmo FP-Growth

Apresenta a estrutura FP-tree e a base de padrões condicionais para mineração mais rápida sem geração de candidatos. O FP-Growth supera o Apriori em conjuntos de dados densos.

Aula 3 • Conceitos de Itemsets Frequentes

Define suporte, confiança, lift e convicção como medidas de qualidade de regras. Essas métricas determinam quais padrões são estatística e praticamente significativos.

Aula 4 • Aplicações da Mineração de Associação

Aplica regras de associação à análise de cesta de compras, clickstream da web e co-ocorrência médica. O contexto do domínio determina quais regras se traduzem em valor de negócio.

Aula 1 • Monitoramento e Manutenção de Modelos

Ensina detecção de drift, gatilhos de retreinamento e dashboards de desempenho para modelos implantados. O monitoramento contínuo evita a degradação silenciosa do modelo em produção.

Aula 2 • Métodos Ensemble e de Meta-aprendizado

Aborda boosting, stacking e blending para combinar aprendizes fracos em preditores fortes. Estratégias de meta-aprendizado maximizam a acurácia em benchmarks competitivos.

Aula 3 • Implantação e Serviço de Modelos

Aborda serialização, serviço via API REST, scoring em lote e conteinerização para modelos de produção. A implantação preenche a lacuna entre notebooks experimentais e sistemas ao vivo.

Aula 4 • Detecção de Anomalias e Outliers

Aplica métodos estatísticos, de proximidade e baseados em isolamento para detectar eventos raros. A detecção de anomalias sustenta a detecção de fraudes, o monitoramento de falhas e a segurança.