PIE00013 - Tópicos Especiais: Mineração de Dados Educacionais (turma SI)

Súmula:

Capacitar o aluno na área de Informática Aplicada à Educação focando em Mineração de Dados Educacionais e técnicas de aprendizagem de máquina para análise de dados educacionais. Orientar o aluno a utilizar ferramentas free de Mineração de Dados. Construir novos conhecimentos e utilizar tecnologias inovadoras em Inteligência Artificial. Modelar, simular sistemas inteligentes dotados de aquisição/extração automática de conhecimentos. Esta disciplina tem caráter teórico-prático, e os alunos devem ter competência para lidar com softwares aplicativos e conhecimento mínimo de conceito de algoritmos. 

Objetivos:

Colocar o aluno em contato com o processo de descoberta de conhecimento em base de dados e apresentar as várias tarefas de mineração Esta disciplina tem caráter teórico-prático, e os alunos devem ter competência para lidar com softwares aplicativos e conhecimento mínimo de conceito de algoritmos.de dados focando em análise de dados educacionais. Específicos: Ao final desta disciplina, o estudante deverá ser capaz de: • Compreender a terminologia relacionada a área de mineração de dados e mineração de dados educacionais.
• Selecionar a mais adequada tarefa de mineração de dados conforme o objetivo da mineração.
• Compreender técnicas básicas de Aprendizagem de máquina e suas aplicações.
• Compreender e analisar o conhecimento extraído frente ao processo de Descoberta de Conhecimento em base de dados.

Programa (conteúdo):

1) Processo de Descoberta de conhecimento em bases de dados (Knowledge Database Discovery).
2) Conceitos de Mineração de dados e Mineração de Dados Educacionais (Educational Data Mining).
3) Aprendizado de Máquina: Aprendizado supervisionado e não supervisionado.
4)Tarefas de Mineração de dados: 
- Regras de classificação; - Regras de Associação; - Clusterização (Agrupamento). 5) Algoritmos de mineração de dados e métricas de análise.
6) Ferramenta e técnicas de mineração de dados educacionais.
7) Introdução a repositório de dados para área de aprendizado de máquina.
8) Education Analytics e aplicações. 

Método de trabalho (principais atividades):

• Seminários de discussão;
• Apresentação de artigos científicos;
• Aulas expositivas e dialogadas;
• Aulas práticas em laboratório. 

Procedimentos e/ou critérios de avaliação:

• Participação em aula e no ambiente virtual;
• Apresentação de artigos científicos relacionados com mineração de dados educacionais;
• Desenvolvimento de trabalho experimental de pesquisa com mineração de dados educacionais.

Bibliografia sugerida:

BAKER, R. Data Mining for Education. In McGaw, B., Peterson, P., Baker, E. (Eds.) International Encyclopedia of Education (3rd edition), Elsevier, Oxford, UK, 2010.
MITCHELL, T. M. Machine learning. Boston : McGraw-Hill, 1997. 414 p.
REZENDE, S. O. Sistemas Inteligentes: Fundamentos e Aplicações. Barueri: Editora Manole, 2003. 525 p.
WITTEN, Ian H.; FRANK, E. Data mining: practical machine learning tools and techniques with java implementations. San Francisco: Morgan Kaufmann, 2000. 369 p.
QUINLAN, J; R. C4.5: Programs for Machine Learning. San Mateo, CA: Morgan Kaufmann Publishers, 1993. 302 p.
WINSTON, P. H. Artificial intelligence. 3. ed. Reading: Addison-Wesley, 1993. 737 p.
FAYYAD, U. M.; SHAPIRO, G. P.; SMYTH, Pa.; UTHURUSAMY, R. (eds.) AdvanceS in knowledge discovery and data mining. Menlo Park: MIT, 1996. 611 p.
EBERGART, R.; SIMPSON, P. K.; DOBBINS, R. Computational intelligence PC tools. Reading: Academic Press Professional, 1990. 464p.
RIGO, SANDRO JOSÉ ; CAMBRUZZI, WAGNER ; BARBOSA, JORGE L. V. ; CAZELLA, SÍLVIO C. . Minerando Dados Educacionais com foco na evasão escolar: oportunidades, desafios e necessidades. Revista Brasileira de Informática na Educação, v. 22, p. 132-145, 2014.
Repositório de dados para aplicações de Aprendizagem de Máquina: http://archive.ics.uci.edu/ml/

Professor responsável: Silvio Cesar Cazella

Horário: Terça-feira - 15h às 18h

Semestre: 2017/1

Carga horária: 30

Créditos: 2

Local: Sala 331 - Laboratório do CINTED

Vagas: 20 (Alunos Regulares do PPGIE: 10, Outros PPGs da UFRGS: 5, Orientandos: 5) 

ATENÇÃO: alunos especiais (PEC) devem solicitar a matrícula para o professor desta disciplina no e-mail: silvio.cazella@gmail.com