O Laboratório de Humanidades Digitais da PUC-Rio irá oferecer, nos dias 19 e 20 de maio de 2023, a oficina Mineração de dados com Orange, oferecida pelo Prof. Armando Toda (USP).
O Orange é um pacote de software de programação visual baseado em componentes para visualização de dados, aprendizado de máquina, extração e análise de dados. A oficina apresentará conceitos básicos relacionados à mineração de dados, focando nas técnicas de associação (RA), agrupamento (clustering) e árvore de classificação.
A oficina terá duração de 06h, e ocorrerá por Zoom.
Modalidade: A distância
Duração: 6 horas
Pré-requisitos: Computador com acesso à internet, preferencialmente com o Orange pré-instalado e funcionando.
Estratégias de ensino utilizadas: Aula expositiva (aprox. 2-3h), atividades individuais (aprox. 2-3h), questionário de satisfação (aprox. 15 min).
Recursos utilizados:
Slides, webcam, compartilhamento de tela, lousa interativa, Orange
Inscrições
Inscrições encerradas
Apoio
Bibliografia utilizada
HUSSAIN, S. et al. Classification, clustering and association rule mining in educational datasets using data mining tools: A case study. Advances in Intelligent Systems and Computing. Anais…Springer, Cham, 25 abr. 2019. Disponível em: <http://link.springer.com/10.1007/978-3-319-91192-2_21>. Acesso em: 22 maio. 2019
MANIMARAN, J.; VELMURUGAN, T. Analysing the quality of association rules by computing an interestingness measures. Indian Journal of Science and Technology, v. 8, n. 15, p. 1–12, 2015.
HAHSLER, M.; GRÜN, B.; HORNIK, K. Introduction to arules–mining association rules and frequent item sets. SIGKDD Explor, v. 2, n. 4, p. 1–28, 2007.
AGRAWAL, R.; IMIELIŃSKI, T.; SWAMI, A. Mining association rules between sets of items in large databases. Disponível em: <http://portal.acm.org/citation.cfm?doid=170035.170072>. Acesso em: 22 out. 2018.
SHIH, M.; JHENG, J.; LAI, L. A Two-Step Method for Clustering Mixed Categroical and Numeric Data. v. 13, n. 1, p. 11–19, 2010.
NAFIE ALI, F. M.; MOHAMED HAMED, A. A. Usage Apriori and clustering algorithms in WEKA tools to mining dataset of traffic accidents. Journal of Information and Telecommunication, v. 2, n. 3, p. 231–245, 3 jul. 2018.
WU, X. et al. Top 10 algorithms in data mining. Knowledge and Information Systems, v. 14, n. 1, p. 1–37, 4 jan. 2008.