Aprenda mineração de dados: Teoria e prática, de Amaral, Fernando. Starling Alta Editora E Consultoria Eireli, capa mole em português, 2016

Descrição

Normalmente livros de Mineração de Dados são gigantescos, carregados de muita teoria e fórmulas mirabolantes. Se o leitor conseguir chegar ao final da leitura, pouco terá entendido sobre as fórmulas ou mesmo como associar a teoria com a prática, a final, como isso tudo se aplica no meu dia a dia? Aprenda Mineração de Dados é um livro escrito pensando em outra abordagem: primeiro: a teoria é vista nos seus fundamentos, sem a necessidade de discutir funções matemáticas, que na prática, não terão nenhuma utilidade. Toda a teoria é detalhadamente explicada e bem ilustrada, sempre que possível. Depois, o leitor vê na prática como funciona aquilo que aprendeu no capitulo passado, sempre com dados de casos reais e usando uma ferramenta simples e didática: o Weka. Esta abordagem o autor tem usado com sucesso para ensinar Mineração de Dados a dezenas de alunos. Ainda, a obra acompanha uma série de exercícios, que são respondidos ao final do livro. Dados produzidos em grande escala, com velocidade e variedade nunca antes imaginados e que a tecnologia atual tem dificuldade para armazenar e processar. Você houve falar de Big Data todos os dias! Mas do que adianta uma montanha de dados se não formos capazes de extrair valor? Como saber se uma transação é fraudulenta? Como avaliar qual o melhor tipo de lente de contato para uma pessoa? Como saber se um paciente tem tendência a diabetes? Qual doença afeta uma plantação? Que produtos vendem mais juntos? Quem vai vencer a eleição? Quais alunos irão reprovar? Quanto investir em uma campanha eleitoral para ser eleito? Que campanhas de marketing serão mais efetivas? Mineração de Dados é uma área de conhecimento da Inteligência Artificial, uma ciência moderna, mas anterior ao que chamamos de Big Data, que pode responder estas e outras centenas de perguntas. Tudo o que você precisa é de dados, de uma ferramenta e do conhecimento em minerar dados!