Início Institucional Pesquisa Membros Disciplinas Seleção Contato

Disciplinas



DISCIPLINAS POR LINHA

DISCIPLINAS POR SEMESTRE



Eventos


Calendário Acadêmico 2017/1


DISCIPLINAS POR LINHA DE PESQUISA
PIE00013 - Tópicos Especiais: Mineração de Dados Educacionais

A-   A  A+

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.

Objetivos:
Geral: Colocar o aluno em contato com o processo de descoberta de conhecimento em base de dados e apresentar as várias tarefas de mineração 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:

Bibliografia recomendada:

Bibliografia Básica:

•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.

Bibliografia Complementar:

•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/
•SUPERBY, J., VANDAMME, J.-P., and MESKENS, N. Determination of factors influencing the achievement of the first-year university students using data mining methods. In Proceedings of the Workshop on Educational Data Mining at the 8th International Conference on Intelligent Tutoring Systems (ITS 2006), pages 37–44.


Professor responsável: Sílvio Cesar Cazella

Linha de pesquisa: Ambientes Informatizados e Ensino a Distância

Natureza: Tópicos Especiais

Carga horária: 30

Créditos: 2




Início |  Institucional |  Pesquisa |  Membros |  Disciplinas |  Seleção |  Contato


Programa de Pós-Graduação em Informática na Educação
Universidade Federal do Rio Grande do Sul
Av. Paulo Gama, 110 - prédio 12105 - 3º andar sala 332
90040-060 - Porto Alegre (RS) - Brasil
Fone/Fax: (0xx51) 3308-3986
secretaria@pgie.ufrgs.br
Twitter: @pgieufrgs