Sobre:

Curso: Pós-graduação em Ciências Florestais
Créditos: 4 créditos
Carga Horária: 60 Horas

Ementa:

• Descoberta de Conhecimento em Base de Dados (KDD)
• Conceitos Básicos
• Pré-processamento de dados
• Tarefas de KDD
• Métodos de Mineração de Dados
• Pós-processamento de dados
• Exemplos de Aplicação na Ciência Florestal

Bibliografia

• CHAKRABARTI, S. et al. Data mining: know it all. Burlington: Morgan Kaufmann, 2009.
• CIOS, K. J.; PEDRYCZ, W.; SWINIARSKI, R. W.; KURGAN, L. A. Data Mining - A Knowledge Discovery Approach. New York: Springer, 2007.
• LAROSE, D. T. Discovering knowledge in data: An Introduction to Data Mining. New Jersey: John Wiley & Sons, 2005.
• LAROSE, D. T. Data mining: methods and models. New Jersey: John Wiley & Sons, 2006.
• PASSOS, E.; GOLDSCHMIDT, R. Data mining: um guia prático. Rio de Janeiro: Elsevier, 2005.
• TAN, P.; STEINBACH, M.; KUMAR, V. Introdução ao Data Mining: Mineração de Dados. Rio de Janeiro: Editora Ciência Moderna Ltda., 2009.
• WILLIAMS, G. J.; SIMOFF, S. J. Data Mining: Theory, Methodology, Techniques, and Applications. Canberra: Springer, 2006.
• WITTEN, I. H.; FRANK, E. Data mining: p.