Extração de Conhecimento de Dados
20,90€ 18,81€
Disponível
Esta obra apresenta os temas clássicos e as tendências atuais nas áreas de aprendizagem automática, reconhecimento de padrões e análise de dados. Oferece uma perspetiva abrangente dos principais aspetos destas áreas. O conteúdo está organizado em três grandes tópicos: Análise Exploratória de Dados, Métodos Preditivos e Tópicos Avançados. O livro é orientado para estudantes de mestrado e doutoramento, introduzindo o leitor nos principaisLer mais
Esta obra apresenta os temas clássicos e as tendências atuais nas áreas de aprendizagem automática, reconhecimento de padrões e análise de dados. Oferece uma perspetiva abrangente dos principais aspetos destas áreas. O conteúdo está organizado em três grandes tópicos: Análise Exploratória de Dados, Métodos Preditivos e Tópicos Avançados. O livro é orientado para estudantes de mestrado e doutoramento, introduzindo o leitor nos principais conceitos e algoritmos de aprendizagem automática e apontando caminhos para a sua implementação prática. Com uma abordagem equilibrada entre tópicos básicos e avançados e com um forte caráter didático o livro preenche uma lacuna de obras abrangentes e atualizadas voltadas para o púbico de língua portuguesa.
Em Extração de Conhecimento de Dados, os autores combinam as suas experiências no ensino e na investigação para apresentar os principais conceitos bem como a sua utilização em problemas reais. Este livro pode ser adotado como livro-texto ou material de apoio para estudantes de mestrado e doutoramento nas áreas de inteligência artificial, aprendizagem automática, análise de dados e sistemas inteligentes. Os leitores terão acesso a uma obra abrangente sobre os principais temas numa das áreas da informática e ciências da computação com maior crescimento e impacto industrial nos últimos anos.Ler menos
Partilhar:
Dados técnicos
Coordenador(es) do Livro
Autor(es) do livro
Estudante de Doutoramento na Faculdade de Economia da Universidade do Porto e investigadora no LIAAD-INESC TEC, o laboratório de Inteligência Artificial e Análise de Dados da Universidade do Porto. É especialista em análise de redes sociais.
Professora Adjunta da Universidade Federal de São Carlos, Campus de Sorocaba. É doutorada em Ciências da Computação e Matemática Computacional pelo ICMC-USP-São. Publicou diversos trabalhos em periódicos e conferências internacionais nos temas de bioinformática, análise de agrupamento e sistemas inteligentes híbridos.
Full Professor at FEP, University of Porto, Portugal. He is also a senior researcher and member of the board of directors of the Laboratory of Artificial Intelligence and Decision Support (LIAAD), a group belonging to INESC Porto.
João Gama serves is serving as a member of the Editorial Board of Machine Learning Journal, Data Mining and Knowledge Discovery, Intelligent Data Analysis, KAIS, TKDE, and New Generation Computing. He served as Cochair of ECMLLer mais
Full Professor at FEP, University of Porto, Portugal. He is also a senior researcher and member of the board of directors of the Laboratory of Artificial Intelligence and Decision Support (LIAAD), a group belonging to INESC Porto.
João Gama serves is serving as a member of the Editorial Board of Machine Learning Journal, Data Mining and Knowledge Discovery, Intelligent Data Analysis, KAIS, TKDE, and New Generation Computing. He served as Cochair of ECML 2005, ECMLPKDD 2015, DS09, ADMA09, IDA2011, EPIA 2017, DSAA 2017 and a series of Workshops on KDDS and Knowledge Discovery from Sensor Data with ACM SIGKDD. His main research interest is in knowledge discovery from data streams, networked, and evolving data. He has an extensive list of publications in the area of data stream learning.Ler menos
Professor Titular da Universidade de São Paulo, possui Graduação e Mestrado em Ciência da Computação pela Universidade Federal de Pernambuco (1987), PhD em Electronics pela University of Kent (1994), Reino Unido. Os temas de investigação focam na área de aprendizagem automática, principalmente em computação bioinspirada e sistemas inteligentes híbridos, tendo orientado vários alunos de mestrado e doutoramento. Possui vários trabalhosLer mais
Professor Titular da Universidade de São Paulo, possui Graduação e Mestrado em Ciência da Computação pela Universidade Federal de Pernambuco (1987), PhD em Electronics pela University of Kent (1994), Reino Unido. Os temas de investigação focam na área de aprendizagem automática, principalmente em computação bioinspirada e sistemas inteligentes híbridos, tendo orientado vários alunos de mestrado e doutoramento. Possui vários trabalhos publicados em diversos periódicos e conferências, além de ter organizado conferências e números especiais de periódicos. É membro do CEPID – Centro de Matemática e Estatística Aplicada à Indústria do ICMC-USP e coordena o Núcleo de Aprendizado de Máquina em Análise de Dados da Universidade de São Paulo.Ler menos
Professora Adjunta do Instituto de Ciência e Tecnologia (ICT) da Universidade Federal de São Paulo (UNIFESP), em São José dos Campos-SP, Brasil. É doutorada em Ciências da Computação e Matemática Computacional pelo ICMC-USP-São Carlos. Publicou trabalhos em periódicos e conferências internacionais nos temas de classificação de dados e sistemas inteligentes híbridos.