Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DCC - Departamento de Ciência da Computação >
DCC - Graduação >
DCC - Bacharelado em Ciência da Computação (Monografias) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/5425

Título: Descoberta de conhecimento sobre o processo seletivo da ufla
Autor(es): Coelho, Éden de Oliveira Pinto
Orientador: Oliveira, Marcelo Silva de
Coorientador(es): Esmin, Ahmed Ali Abdalla
Membro da banca: Bermejo, Paulo Henrique de Souza
Lacerda, Wilian Soares
Área de concentração: Banco de dados
Assunto: Descoberta de conhecimento em banco de dados
Mineração de dados
Knowledge discovery in databeses
Data mining
Data de Defesa: 8-Ago-2007
Data de publicação: 23-Abr-2015
Referência: COELHO, E. de O. P. Descoberta de conhecimento sobre o processo seletivo da ufla. 2007. 46 p. Monografia (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2007.
Resumo: A informação vem desempenhando um papel fundamental no desenvolvimento e sucesso das grandes organizações. Os sistemas de suporte a decisão tornam mais confiáveis as tarefas de coletar, tratar, interpretar e utilizar informações. As empresas tendem, com o passar do tempo, a aumentar consideravelmente seu volume de dados. Entretanto, há uma relação inversa entre o volume de dados existentes e a necessidade de conhecimento estratégico, ou seja, apesar das informações resumidas e significativas para tomada de decisão seja de volume menor, geralmente elas não estão disponíveis e exigem que sejam extraídas a partir de grande quantidade de dados. Descoberta de Conhecimento em Banco de Dados (KDD – Knowledge Discovery in Databases) refere-se ao processo de extração de conhecimento a partir de grande base de dados. Mineração de Dados (ou Data Mining), refere-se a uma determinada etapa deste processo. Este trabalho apresenta uma aplicação prática do processo de KDD na base de dados sobre os candidatos ao processo seletivo dos vestibulares ocorridos no ano de 2006 da UFLA. Neste trabalho, utilizando-se de uma ferramenta chamada WEKA (Weikato Enviroment for Knowledge Analysis), foram aplicadas as técnicas de Mineração Visual de Dados, Árvore de Decisão, Regras de Associação e Redes Neurais. Os resultados obtidos poderão ser usados para traçar perfis dos candidatos ao processo seletivo do vestibular da UFLA, a fim de levantar informações relevantes que tragam subsídios para as instituições de ensino em geral na tomada de decisões.
Abstract: The information has been having a fundamental role on companies' growth, development and sucess. The making-decision supporting systems, available at these companies, make the work of collecting, treating and analyzing. There is also a tendency in these companies to increase their data amount. However, there is an inverse relation between the data amount and the need of a strategic knowledge, that is, although the resumed and meaningful information to making- decision are fewer, generally they are not available and demand to be extracted from big data amounts. KDD - Knowledge Discovery in Databases refers to the extration of knowledge from a big database amounts. Data Mining refers to a especific phase of this process. This study demostrates a practical application of KDD Process to the database of 2006 UFLA's Entrance Examination or Selective Process. Coherently to WEKA research tool - Weikato Enviroment for Knowledge Analysis, the Data Visual Mining, Decision Tree, Association Rules and Neural Networks were applied. The results can be used to biuld up the candidates profile, in order to extract important information that offer support to this institution on the making-decision process.
URI: http://repositorio.ufla.br/jspui/handle/1/5425
Idioma: pt_BR
Aparece nas coleções: DCC - Bacharelado em Ciência da Computação (Monografias)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
MONOGRAFIA_Descoberta_de_conhecimento_sobre_o_processo_seletivo_da_UFLA.pdf813,7 kBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback