Mineracao de Regras de Associacao com Weka Apriori e Java

Aprenda a descobrir padrões escondidos em bases de dados comerciais utilizando regras de associação com o Weka!
Mineracao de Regras de Associacao com Weka Apriori e Java
File Size :
5.37 GB
Total length :
9h 30m

Category

Instructor

Jones Granatyr

Language

Last update

Última atualização em 1/2021

Ratings

4.5/5

Mineracao de Regras de Associacao com Weka Apriori e Java

What you’ll learn

Entenda as aplicações que podem ser desenvolvidas utilizando regras de associação
Aprenda os conceitos teóricos sobre o algoritmo Apriori, bem como a configuração de seus parâmetros (suporte, confiança e lift)
Aprenda como importar bases de dados reais para o formato para aplicação de regras de associação
Entenda como configurar os parâmetros do algoritmo Apriori para obter melhores resultados em diversos cenários
Entenda como utilizar as técnicas de regras de associação para descoberta de padrões em bases de dados comerciais
Aprenda como pré-processar uma base de dados comercial utilizando o Weka e o MySql
Aprenda como seguir as etapas do processo KDD (Knowledge Discovery in Databases) para extrair conhecimento de bases de dados

Mineracao de Regras de Associacao com Weka Apriori e Java

Requirements

É recomendado conhecimentos básicos sobre lógica de programação, embora não seja um pré-requisito e é possível acompanhar o curso sem essas habilidades
Não são necessários conhecimentos prévios sobre a linguagem Java ou sobre Inteligência Artificial
É necessário saber ter um conhecimento básico sobre banco de dados, bem como comandos SQL básicos

Description

A descoberta de regras de associação é uma das subáreas da Mineração de Dados mais populares e que apresenta uma diversidade muito grande de aplicações práticas e comerciais! Se você estuda Inteligência Artificial, talvez já tenha ouvido falar daquele clássico exemplo das fraudas e cervejas! Caso não, há vários anos um mercado muito famoso descobriu um padrão bem interessante em seus dados: em certos dias da semana existiam muitas vendas em conjunto tanto de fraudas quanto de cervejas. De posse desse conhecimento, eles decidiram alterar a disposição das prateleiras do mercado e conseguiram otimizar as vendas desses dois produtos em conjunto (o que aumentou significativamente as receitas). O segredo disso é que eles usaram a técnica de regras de associação, que tem como objetivo a descoberta de padrões nos dados que não podem ser facilmente encontrados somente “batendo o olho” nos registros. Essa técnica utiliza um algoritmo (o mais famoso é o Apriori) que é capaz de descobrir esse tipo de associação, podendo ser aplicado nos mais variados cenários!

E neste curso você verá passo a passo o funcionamento do algoritmo Apriori, ou seja, dada uma base de dados você vai aprender como ele consegue gerar as regras de associação, bem como compreender como são feitos os cálculos de suporte, confiança e lift; que são as métricas mais utilizadas neste tipo de cenário. Utilizaremos a ferramenta Weka, a linguagem Java e também o banco de dados MySql para o desenvolvimento dos exemplos. Inicialmente trabalharemos com duas bases de dados prontas de mercado e o objetivo será analisar as associações que podem ser encontradas entre os produtos que são vendidos em conjunto, processo conhecido como Market Basket Analysis (análise de cestas de mercado).
Logo depois, utilizaremos duas bases de dados reais: a primeira de uma pizzaria (inclusive a pizzaria era minha!) e a segunda de uma pesquisa sócio-econômica de alunos que fizerem o vestibular em uma universidade! A ideia é realizar o processo KDD completo (Knowledge Discovery in Databases – Descoberta de Conhecimento em Bases de Dados) nessas duas bases de dados, passando pelos processos de seleção de atributos, pré-processamento e transformação dos dados antes de realizar as análises com o algoritmo Apriori. O objetivo dessas seções é que você tenha uma visão prática e comercial de como funciona esse processo em bases de dados comerciais, visto que a maioria dos materiais sobre o assunto abordam somente a aplicação do algoritmo e deixa de lado todo o processo de preparação das bases de dados!
Por fim, ainda teremos mais um módulo adicional que mostrará como importar uma base de dados fictícia de mercado para um padrão na qual as análises possam ser realizadas. Nessas aulas, é mostrado passo a passo como realizar a conexão do Java com o MySql e realizar as consultas para obter os dados no padrão requerido para aplicação do Apriori. Esse módulo é útil caso você tenha uma base de dados no modelo Entidade Relacionamento e deseja aprender os processos básicos para conversão dos dados. Ao final do curso, você será capaz de implementar suas próprias análises e em suas próprias bases de dados, o que pode abrir diversas oportunidades de negócio e de renda extra para você! É importante enfatizar que este curso é para todos os níveis, seja para você que está iniciando nessa área ou para você que já possui conhecimentos sobre regras de associação e deseja conhecer mais sobre o assunto.
Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! 🙂

Overview

Section 1: Conteúdo do curso

Lecture 1 Conteúdo do curso

Lecture 2 Mais sobre Inteligência Artificial

Section 2: Mineração de regras de associação

Lecture 3 Introdução ao módulo

Lecture 4 Dado, informação e conhecimento

Lecture 5 Regras de associação

Lecture 6 Material complementar

Lecture 7 Algoritmo Apriori I – introdução

Lecture 8 Algoritmo Apriori II – cálculo do suporte

Lecture 9 Algoritmo Apriori III – cálculo do suporte

Lecture 10 Algoritmo Apriori IV – cálculo da confiança

Lecture 11 Algoritmo Apriori V – cálculo da confiança

Lecture 12 Algoritmo Apriori VI – cálculo do lift

Section 3: Introdução ao Weka

Lecture 13 Introdução ao módulo

Lecture 14 Instalação do Weka

Lecture 15 Introdução ao Weka

Lecture 16 Entendendo os valores da janela inicial do Weka

Lecture 17 Instalação das outras ferramentas

Section 4: Análise de cestas de compras

Lecture 18 Introdução ao módulo

Lecture 19 Base de dados mercado I

Lecture 20 Base de dados mercado II

Lecture 21 Base de dados mercado III

Lecture 22 Base de dados mercado IV

Lecture 23 Base de dados mercado V

Lecture 24 Base de dados mercado VI

Section 5: Base de dados da pizzaria

Lecture 25 Introdução ao módulo

Lecture 26 Importação da base de dados da pizzaria

Lecture 27 Geração do arquivo ARFF

Lecture 28 Seleção dos atributos

Lecture 29 Transformação na data do pedido

Lecture 30 Transformação na hora do pedido

Lecture 31 Correção no tipo da entrega

Lecture 32 Transformação do valor da borda

Lecture 33 Transformação do valor do refrigerante

Lecture 34 Distribuição de frequência

Lecture 35 Transformação do valor total

Lecture 36 Transformação do tempo do pedido

Lecture 37 Mineração de regras na base da pizzaria I

Lecture 38 Mineração de regras na base da pizzaria II

Lecture 39 Mineração de regras na base da pizzaria III

Section 6: Base de dados do vestibular

Lecture 40 Introdução ao módulo

Lecture 41 Importação da base de dados do vestibular

Lecture 42 Pré-processamento da idade

Lecture 43 Transformação da idade

Lecture 44 Transformação do total de pontos

Lecture 45 Transformação no nome do curso

Lecture 46 Transformação no período do curso

Lecture 47 Transformação no grau do curso

Lecture 48 Visualização dos dados agrupados

Lecture 49 Geração do arquivo ARFF

Lecture 50 Mineração de regras na base do vestibular I

Lecture 51 Mineração de regras na base do vestibular II

Lecture 52 Mineração de regras na base do vestibular III

Section 7: Conversão do modelo entidade relacionamento

Lecture 53 Introdução ao módulo

Lecture 54 Importação da base de dados

Lecture 55 Conexão do Java com o MySql

Lecture 56 Geração do arquivo ARFF I

Lecture 57 Geração do arquivo ARFF II

Lecture 58 Geração do arquivo ARFF III

Lecture 59 Interface gráfica para regras de associação

Lecture 60 Obtenção dos dados via SQL

Section 8: Considerações finais

Lecture 61 Considerações finais

Lecture 62 AULA BÔNUS

Pessoas interessadas em Inteligência Artificial e Mineração de Dados,Pessoas que queiram fazer análise de dados em bases de dados comerciais,Alunos que desejam utilizar regras de associação para encontrar padrões em bases de dados

Course Information:

Udemy | Português | 9h 30m | 5.37 GB
Created by: Jones Granatyr

You Can See More Courses in the IT & Software >> Greetings from CourseDown.com

New Courses

Scroll to Top