Conjuntos de dados:

Breast Tissue        Car Sale            Cells            Cork-Stoppers        Fatigue                    Fetal Weight

FHR                    Heart Valve        Meteo            Rocks                   Stock Exchange        Wines

                                                                                                                                        FEUP, Abril 2001

Programa

• A exposição teórica decorre em paralelo com experiências aplicadas a dados reais, usando o Statistica.

• O programa procura abranger os principais temas de Análise de Dados com relevância prática.

0 - Objectivos da Análise de Dados

1 - Tipos e Descritores de Dados

    1.1 Tipos de Dados

    1.2 População, Amostra e Dados Estatísticos

    1.3 Descritores de Dados

        1.3.1    Tabelas de Frequência

        1.3.2    Representações Gráficas

        1.3.3    Medidas de Localização

        1.3.4    Medidas de Dispersão

        1.3.5    Correlação e Regressão

2 -  Estimação de Parâmetros

    2.1 Modelos Paramétricos

        2.1.1    Teorema do Limite Central

        2.1.2    Noção de Intervalo de Confiança

        2.1.3    Estimação de Amostra Larga e Pequena

        2.1.4    Estimação de Média e de Proporção

        2.1.5    Estimação de Variância

        2.1.6    Estimação de Regressão

3 - Teste de Hipóteses

    3.1 Testes Estatísticos e Tipos de Erros

    3.2 Testes Paramétricos. Inferência em Uma População

    3.3 Testes Paramétricos. Inferência em Duas ou Mais Populações

    3.4 Testes Não-Paramétricos

4 - Análise Discriminante

    4.1 Classificação Bayesiana

    4.2 Funções Discriminantes

    4.3 Selecção de Características

    4.4 Projecto e Avaliação de Classificadores

5 - Aglomeração de Dados

    5.1 Medidas de Semelhança

    5.2 Aglomeração Hierárquica

    5.3 Algoritmo das k-Médias

Avaliação

• A avaliação é feita com base num Trabalho Prático que foca os vários temas leccionados.

• O mestrando pode usar dados do site http://www.ics.uci.edu/~mlearn/MLSummary.html para o trabalho prático. Pode também usar dados próprios relacionados com a sua área de interesse ou de actividade.

• Recomenda-se que os dados compreendam várias categorias de objectos, caracterizados por vários atributos e correspondam a um número de casos suficientemente grande para ser possível obter estimativas e resultados fiáveis.

O Relatório do Trabalho deve estar organizado como se segue:

1 - Descrição dos Dados

        Tipo de dados? Fonte? Condições de recolha? Importância?

2 - Estudo das Características dos Objectos/Casos

        Modelo? Estimativas? Capacidade discriminante?

        2.1 - Objectivo do Estudo

        2.2 - Métodos

        2.3 - Resultados e Conclusões

3 - Ensaios de Análise Discriminante

        3.1 - Objectivo do Estudo

        3.2 - Métodos

        3.3 - Resultados (Estimativas de Erros) e Conclusões

4 - Ensaios de Aglomeração

        3.1 - Objectivo do Estudo

        3.2 - Métodos

        3.3 - Resultados (Caracterização e Validação dos Aglomerados) e Conclusões