Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/3937
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | GUIMARÃES, Allane Régis Pinheiro | - |
dc.date.accessioned | 2019-10-11T18:57:59Z | - |
dc.date.available | 2019-10-11T18:57:59Z | - |
dc.date.issued | 2019-07-08 | - |
dc.identifier.uri | http://hdl.handle.net/123456789/3937 | - |
dc.description | ABSTRACT With the high volume of information that is stored in corporate databases on products, customers and suppliers, alied to the increasingly competitive market and the most demanding consumers, the application of knowledge discovery techniques in corporate databases has become a powerful weapon for business strategy. This work presents the technique of data clustering, which discovers groups of similar objects in a data set from, only, information contained in the data itself. Three clustering techniques are discussed: the agglomerative hierarchical clustering method, the K-means Algorithm and Genetic Algorithm. Next, three case studies are presented in the context of business with application of the techniques studied with the objective of tracing customer profiles and classifying suppliers to find useful knowledge to support business strategies. Finally, and a discussion is made on the characteristics of each problem that motivated the choice of each technique adopted and results achieved. | pt_BR |
dc.description.abstract | Com o grande volume de informações que são armazenadas em base de dados corporativas sobre produtos, clientes e fornecedores, o mercado cada vez mais competitivo e consumidores mais exigentes, a aplicação de técnicas de descoberta de conhecimento em base de dados corporativas se tornou uma arma poderosa para a estratégia de negócios. Este trabalho apresenta a técnica de agrupamento de dados, que descobre grupos de objetos semelhantes em um conjunto de dados a partir, somente, de informações contidas nos próprios dados. E apresenta também três técnicas de agrupamento, o método de agrupamento hierárquico aglomerativo, o Algoritmo K-means e Algoritmo Genético. Em seguida, são apresentados três estudos de caso no contexto de negócios com aplicação das técnicas estudadas com o objetivo de traçar perfis de clientes e classificar fornecedores para descoberta de conhecimentos úteis que sirvam de apoio a estratégias de negócios, e é feita uma discussão sobre as características de cada problema que motivaram a escolha de cada técnica adotada e resultados alcançados. | pt_BR |
dc.language.iso | other | pt_BR |
dc.publisher | Universidade Federal do Maranhão | pt_BR |
dc.subject | Mineração de dados | pt_BR |
dc.subject | Agrupamento de dados | pt_BR |
dc.subject | Método de ward | pt_BR |
dc.subject | Algoritmo K-means | pt_BR |
dc.subject | Algoritmo genético | pt_BR |
dc.subject | Data mining | pt_BR |
dc.subject | Data clustering | pt_BR |
dc.subject | Ward's method | pt_BR |
dc.subject | K-means algorithm | pt_BR |
dc.subject | Genetic algorithm | pt_BR |
dc.title | Agrupamento de dados como instrumento de apoio a estratégias de negócio | pt_BR |
dc.title.alternative | Data grouping as a business strategy support tool | pt_BR |
dc.type | Other | pt_BR |
Aparece nas coleções: | TCCs de Graduação em Ciência da Computação do Campus do Bacanga |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
ALLANE-GUIMARÃES.pdf | Trabalho de Conclusão de Curso | 755,81 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.