Apresentação da Monografia
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

Apresentação da Monografia

on

  • 1,311 views

Apresentação do TCC com o tema de mineração visual de dados

Apresentação do TCC com o tema de mineração visual de dados

Statistics

Views

Total Views
1,311
Views on SlideShare
1,307
Embed Views
4

Actions

Likes
0
Downloads
2
Comments
0

2 Embeds 4

http://www.linkedin.com 3
https://www.linkedin.com 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • IGOR -
  • IGOR -
  • IGOR - Uso para o auxilio na gerência hospitalar. Como plantões e férias dos médicos, controle do almoxarifado.
  • IGOR - CID – Código Internacional de Doênças
  • IGOR - A ferramenta atuará na etapa da mineração de dados. Pré-Processamento: Limpeza dos Dados Mineração de Dados: Processamento Pró-Processamento: Analista
  • IGOR - Mineração de Dados é um conjunto de técnicas que visam buscar conhecimento pratico a partir de bases de dados. Associação: Utilizada quando o objetivo da mineração consistem em descobrir relacionamentos entre os dados Classificação: Utilizada para classificar os dados em grupo. Diagnósticos médicos podem usar esse modelo.
  • IGOR - Mineração Visual de Dados consiste na união da técnica de mineração de dados com a técnica de visualização de dados da computação gráfica.
  • JFreeChart: Não foi usado essa API, devido ao Prefuse já ter integrada uma metáfora visual com a técnica do TreeMap,facilitando assim o desenvolvimento da nova forma de visualização dos dados. Metáfora Disponíveis: TreeView, Congress,TreeMap, a do correio. GenePlot e o JfreeChart são mais usados para amostragem de dados matemáticos, gráficos de pizza entre outros. A API OntoCover separa os dados em formato de arvore dividindo os dados em ontologias para que seja possível a visualização de cada um dos dados
  • Opinião do Prof. Nestor: Concordava que a ferramenta tinha aplicabilidade prática, sobre a interface da ferramenta o mesmo informou que ela era intuitiva depois de realizados os agrupamentos,informou que ficaria melhor se ao inves de digitasse a data fosse possível digitar o mês ou ano. Opinião do Prof. Gama: Em reunião com o especialista do domínio da ferramenta o Prof. Jaime Gama, foi questionada a maneira em que os dados estavam sendo visualizados e o porquê de um XML único para a visualização do LifeMiner Extends utilizando o LifeLines e para a visualização do LifeMiner Extends utilizando o TreeMap. E o mesmo informou que a maneira em que o XML foi construído estava confusa e sem seguir a estrutura dos dados disponibilizados.
  • Marcos -> LifeMiner Jamile -> Ampliação do LifeMiner
  • Ao longo desse projeto podemos adquirir um pouco da gama de conhecimento da área de mineração de dados. A ferramenta pode ser aplicada a área médica, para o gerenciamento hospitalar. Trabalhos futuros: Adequar a ferramenta a ler os dados diretamente do BD, visando possibilitar a utilização de uma quantidade maior de dados. Integrar as duas versões do LifeMiner durante esse semestre.

Apresentação da Monografia Presentation Transcript

  • 1. DETECÇÃO DE PADRÕES DE SAZONALIDADE DO CID UTILIZANDO A MINERAÇÃO VISUAL DE DADOS ORIENTANDOS : Camila Chagas Igor Alves ORIENTADOR : Manoel Neto BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO
  • 2. Roteiro
    • Objetivo do Projeto
    • CID
    • KDD
    • Mineração de Dados
    • Mineração Visual de Dados
    • Técnicas e Tecnologias Utilizadas
    • O que é o LifeMiner
    • O que é o LifeMiner Extends
    • Testes
    • Trabalhos Correlatos
    • Conclusão
  • 3. Objetivo do Projeto
    • Detectar padrões de sazonalidade dentro da base de dados do CID em grandes
    • hospitais.
  • 4. CID
    • O que significa a sigla CID?
    • Por que foi criado?
    • Como deve ser usada?
    Receita com CID
  • 5. KDD(Knowledge Discovery in Databases)
    • O que é KDD?
    • Quais as suas etapas?
  • 6. Mineração de Dados
    • O Que é a Mineração de Dados?
    • Técnicas Existentes
      • Associação
      • Classificação
      • Entre Outras
  • 7. Mineração Visual de Dados
    • Mineração de Dados x Mineração Visual de Dados
    • Técnica Utilizada
      • Hierárquica
  • 8. Técnicas e Tecnologias Utilizadas
    • API de Desenho Prefuse
    • Metáfora Visual do TreeMap
  • 9. O que é o LifeMiner
    • JFreeChart
    • LifeLines
    • Entrada de Dados
  • 10. O que é o LifeMiner Extends
    • Como foi Construído?
    • Por que usar o Prefuse em vez do JFreeChart?
    • Quais as metáforas de visualização disponíveis?
    LifeMiner Extends
  • 11. Testes do LifeMiner
    • Testes de Funcionalidades
    • A Ferramenta foi apresentada para 2 especialistas do domínio da aplicação.
  • 12. Trabalhos Correlatos
    • Marcos Almeida e Iulo Gurgel
    • André Almeida, Jamile Lebre e Micheel Pedreira
  • 13. Conclusão