Autor

Guilherme Vaz Pereira e Roger Sá da Silva

Título para publicação

Uma abordagem baseada em mineração de dados para aquisição automática de conhecimento sobre o processo seletivo da Universidade Federal do Rio Grande

Nota de acesso eletrônico

Baixe o Texto completo

 

 

Atualmente, há um crescimento constante do volume de dados produzidos e armazenados, amparado pelo avanço dos recursos computacionais com cada vez mais capacidade de armazenamento e processamento de dados. Com isto, é inevitável que informações fundamentais para que empresas, corporações, e governos tenham suporte à tomada de decisão e obtenham vantagem competitiva, fiquem implícitas. Em resposta à necessidade de analisar de forma inteligente e automática os imensos repositórios de dados surgiu o campo da Descoberta de Conhecimento em Bases de Dados (Knowlege Discovery in Data Bases - KDD) que se refere ao processo de extração de conhecimento a partir de uma grande base de dados. Data Mining, também chamado de Mineração de dados é a principal etapa, que forma o núcleo do processo de KDD. Neste contexto, este trabalho visa fazer um estudo detalhado sobre Data Mining através da análise de conceitos e técnicas, e realizar aplicações práticas utilizando a ferramenta WEKA (Weikato Enviroment for Knowledge Analysis) na base de dados do vestibular da FURG (Universidade Federal do Rio Grande) dos anos 2007, 2008 e 2009. Espera-se obter domínio sobre a base de dados e os algoritmos que serão executados sobre ela, assim como dos processos de KDD e Data Mining como um todo. Além disso, é esperada a identificação dos principais atributos e a extração de regras para as diferentes populações existente nos dados.