| Processo: | 11/21816-3 |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |
| Data de Início da vigência: | 01 de março de 2012 |
| Data de Término da vigência: | 28 de fevereiro de 2014 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Pesquisador responsável: | Leandro Nunes de Castro Silva |
| Beneficiário: | Daniel Gomes Ferrari |
| Instituição Sede: | Escola de Engenharia (EE). Universidade Presbiteriana Mackenzie (UPM). Instituto Presbiteriano Mackenzie. São Paulo , SP, Brasil |
| Assunto(s): | Computação natural Agrupamento de dados Inteligência artificial Mineração de dados |
| Palavra(s)-Chave do Pesquisador: | Agrupamento de Dados | Algoritmos Bioinspirados | Computação Natural | Meta-aprendizagem | Mineração de Dados | Sistemas Inteligentes |
Resumo Todos os dias pessoas encontram uma grande quantidade de informação que é representada e armazenada como dados para posterior análise. Pesquisadores passaram a se dedicar ao desenvolvimento de métodos para a extração de conhecimento a partir dos dados; estes métodos compõem hoje a chamada mineração de dados. As duas principais tarefas na mineração de dados são classificação e agrupamento; tendo como principais objetivos a previsão de classes e a segmentação das bases de dados em grupos, respectivamente.Atualmente, ferramentas de mineração de dados são caracterizadas por uma infinidade de algoritmos capazes de resolver cada uma das possíveis tarefas, porém sofre com a falta de diretrizes gerais para selecionar o algoritmo mais adequado para resolver cada problema em questão. A área de meta-aprendizagem tem como objetivo descobrir quais características de um problema contribuem para um melhor desempenho de um algoritmo sobre outro e, a partir dessa descoberta, recomendar o algoritmo mais adequado para solucionar um dado problema.Embora haja muita literatura discursando sobre meta-aprendizagem em problemas de classificação, a pesquisa envolvendo meta-aprendizagem em tarefas de agrupamento de dados ainda é insipiente. Somado ao fato da importância da tarefa de agrupamento no contexto da mineração de dados e aplicações práticas, o presente projeto visa aprofundar esse estudo de forma a promover um melhor entendimento de quais técnicas de agrupamento devem ser usadas, quando e como para cada classe de problemas a serem tratados.Desta forma, o presente projeto visa contribuir substancialmente para a pesquisa científica nas áreas de agrupamento e mineração de dados, além de ser relevante para a formação de um pesquisador em Meta-Aprendizagem e Mineração de Dados, com especialidade na tarefa de Agrupamento de Dados. Cabe ressaltar que este projeto possui grande relevância teórica e prática, uma vez que aborda temas bastante atuais dentro da mineração de dados e prevê aplicações em bases numéricas complexas. Problemas desta natureza incluem aplicações na área financeira, detecção de anomalias, processamento de imagens, visualização de dados, bioinformática, dados da web, análise de séries temporais e muitas outras. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |