Capacitação em Introdução à Agrupamento de Dados com implementações em R

Introduzir conceitos de agrupamento de dados

Discutir os principais paradigmas de agrupamento
Apresentar algoritmos de agrupamento particionais e hierárquicos

Discutir algoritmos de agrupamento do paradigma baseado em densidades

Apresentar técnicas de validação de agrupamentos de dados

Realizar implementações e experimentos computacionais em R utilizando as técnicas

Qualquer pessoa com noções básicas de programação em alguma linguagem (não necessariamente R). As técnicas e métodos serão apresentadas em um contexto geral, com exemplos e podem ser aplicadas em diversas áreas.

A quantidade de dados coletados e armazenados em meios eletrônicos cresce constantemente. Analisar, explorar e extrair conhecimento de grandes volumes de dados é um dos grandes desafios correntes. Técnicas de agrupamento de dados permitem encontrar padrões inerentes aos dados, auxiliando na sua sumarização e compreensão. Ao longo do curso serão abordadas técnicas clássicas de agrupamento de dados e sua validação. Este conhecimento é fundamental para qualquer pessoa que deseja fazer ciência de dados. Após o curso o estudante será capaz de aplicar algoritmos de agrupamento e interpretar seus resultados utilizando recursos e pacotes da linguagem de programação R. 

Aprendizado de Máquina Supervisionado vs Aprendizado de Máquina não Supervisionado. Conceitos gerais de agrupamento de dados. Algoritmos de agrupamento particionais (k-means e k-medoids) e baseados em densidade (DBSCAN). Algoritmos de agrupamento hierárquicos aglomerativos (single, complete e average linkage) e divisivos. Construção e interpretação de dendrogramas. Medidas de (dis)similaridade e distância. Técnicas de validação de agrupamentos: critérios internos, relativos e externos. Determinação do número de grupos. Conceitos básicos da linguagem de programação R. Bibliotecas para agrupamento de dados em R. Utilização das técnicas e métodos em bases de dados sintéticas e reais.