TCC
Descoberta de conhecimento sobre o processo seletivo da ufla
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
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.
Descrição
Área de concentração
Banco de dados
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
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.