Objetivos do Curso

O objetivo do curso é apresentar técnicas de Mineração de Dados em uma quantidade muito grande de informações, virtualmente infinita. O curso visa apresentar uma introdução às técnicas mais conhecidas de mineração de dados e aplica-las em uma infraestrutura de computação distribuída de alto desempenho baseado no Apache Spark. O curso não foca  em detalhes de implementação dos algoritmos de ciência de dados, mas em como utilizá-lo de forma distribuída. O curso ftambém aceita alunos matriculados em outros cursos de pós-graduação da UECE em áreas do conhecimento que necessitem realizar análise de grandes volumes de dados com ferramenta para suas pesquisas. Sendo uma disciplina aplicada, ela tem uma composição de 50% de aula teórica e 50% de aula prática. 

Como trabalho final da disciplina deverá ser escrito um texto, em formato de artigo, com uma experiência de mineração de dados na área de interesse do aluno. No curso é estimulado a interação entre alunos da computação  com alunos de áreas diferentes com o objetivo  de para despertar novos temas de pesquisa para ambos..

Conteúdo programático

1. Introdução à Mineração de Dados
2. Infraestrutura de computação e Map-reduce.
3. Revisão de Álgebra Linear e Estatística.
4. Regras de Associação e Clustering
5. Localizando Itens Semelhantes
6. Análise de Enlace
7. Sistemas de Recomendação
8. Análise de Comunidades
9. Redução de Dimensionalidade
10. Aprendizagem de Máquina
11. Tratamento de dados contínuos (Streaming)
12. Aplicações prática no sistema Apach Spark distribuído
13. Introdução ao Reconhecimento de Imagens

Material do curso

Livro Texto

Slides do curso

Slides do curso Mineração Massiva de Dados 

Vídeo Aulas

Aula 01 - Introdução: Parte 1a Parte 1b
Aula 02 - Infraestrutura MapReduce: Parte 2a Parte 2b Parte 2c
Aula 03 - Revisão Matemática Estatística e Programação: Parte 3a Parte 3b Parte 3c
Aula 04 - Agrupamento: Parte 4a Parte 4b
Aula 05 - Regras de Associação: Parte 5a Parte 5b
Aula 06 - Análise de Enlaces (Grafos): Parte 6a Parte 6b Parte 6c
Aula 07 - Análise de Dados Similares: Parte 7a Parte 7b Parte 7c Parte 7d
Aula 08 - Análise de Comunidades: Parte 8a Parte 8b Parte 8c
Aula 09 - Sistemas de Recomendação: Parte 9a Parte 9b Parte 9c
Aula 10 - Redução de Dimensionalidade: Parte 10a Parte 10b Parte 10c Parte 10d
Aula 11 - Aprendizado de Máquina: Parte 11a Parte 11b Parte 11c Parte 11d
Aula 12 - Processamento Distribuído no Spark: Parte 12a Parte 12b Parte 12c
Aula 13 - Dados Contínuos (Streaming): Parte 13a Parte 13b Parte 13c
Aula 14 - Reconhecimento de Imagens:

Leitura Complementar

Este curso é baseado no curso Mining of Massive Datasets dos professores Jure Leskovec, Anand Rajaraman e Jeff Ullman  da Universidade de Stanford. Os slides originais do curso, o material didático e videoaulas podem ser acessadas em MMDS.

Recursos computacionais

Guia de programação