As tarefas de mineração de dados referem-se ao processo de explorar grandes conjuntos de dados para encontrar padrões, relações e informações úteis. A mineração de dados envolve uma variedade de técnicas, algoritmos e abordagens para identificar informações ocultas e valiosas nos dados, que podem ser utilizadas para tomar decisões informadas em uma variedade de áreas, como negócios, ciência, saúde, governo, entre outros.
Algumas das principais tarefas de mineração de dados incluem:
- Classificação: é a tarefa de classificar objetos em categorias pré-definidas com base em suas características.
- Regressão: é a tarefa de prever um valor numérico com base em um conjunto de variáveis independentes.
- Clusterização: é a tarefa de agrupar objetos em grupos ou clusters com base em suas características.
- Associação: é a tarefa de identificar relações ou associações entre os diferentes atributos ou variáveis do conjunto de dados.
- Análise de anomalias: é a tarefa de identificar anomalias ou padrões incomuns nos dados, que podem ser indicativos de problemas ou oportunidades.
- Sumarização: é a tarefa de criar uma representação resumida dos dados para ajudar na sua compreensão e interpretação.
- Previsão de séries temporais: é a tarefa de prever valores futuros com base em padrões e tendências identificados nos dados históricos.
Em resumo, as "tarefas" de Mineração de Dados realizam a fase de descoberta de conhecimento em Bases de Dados, em inglês, KDD - Knowledge Discovery in Databases. O KDD é formado por diversas etapas para transformar os dados brutos em informações relevantes (conhecimento útil).
Note
Estarei deixando os notebooks de algumas aulas minhas na pasta!