Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 25/01/2016

Nº de créditos: 6

Carga horária:

Teórica
Por semana
Prática
Por semana
Estudos
Por semana
Duração Total
4 5 6 6 Semanas 90 Horas

Docentes responsáveis:

Alexandre Cláudio Botazzo Delbem
Alneu de Andrade Lopes


Objetivos:

Introduzir técnicas básicas e intermediárias de mineração de redes complexas, bem como a modelagem e resolução de problemas reais da ciência de computação envolvendo tais redes.


Justificativa:

Uma rede é a forma natural de representação de sistemas com um grande número de partes altamente interconectadas entre si. Rede de transmissão e distribuição de energia elétrica, rede viária, rede social, rede de computadores, rede de neurônios são alguns exemplos desses sistemas no mundo real. Além dessas redes naturais e tecnológicas, dados tabulares também podem ser modelados como redes. Nesse caso vértices representam as instancias e conexões entre os vértices podem ser criadas de acordo com algum critério de similaridade entre os vértices. Dessa forma uma enorme variedade de problemas podem ser modelados e minerados considerando uma representação relacional dos dados baseada em redes. Assim, as ciências e engenharias lidam cada vez mais com problemas modelados por redes complexas (grandes grafos esparsos com características topológicas não triviais). Nesse contexto, a mineração de redes complexas e descoberta de conhecimento em dados modelados em redes é relevate em várias linhas de pesquisa, tais como classificação supervisionada e semissupervisionada, agrupamento de dados, detecção de comunidades, processamento de imagens, recuperação de informação, reconhecimento de padrões, bioinformática, entre outros.


Conteúdo:

O objetivo desta disciplina é explorar os conceitos, técnicas e aplicações envolvidas na mineração de dados representados em rede. Principais tópicos: 1. Conceitos básicos de redes complexas; 2. Medidas de centralidade em redes complexas: centralidade, conectividade, transitividade, assortatividade, densidade local, betweenness, outras medidas avançadas; 3. Técnicas de mineração de redes complexas; 3.1 Pré-processamento: modelos e algoritmos de construção de redes complexas a partir de dados proposicionais; 3.2 Extração de padrões: detecção de Comunidades em redes complexas; aprendizado supervisionado baseado em redes; Aprendizado Semissupervisionado baseado em redes; aprendizado não supervisionado baseado em redes; 3.3 Pós-processamento: avaliação de técnicas baseadas em redes; 4. Aplicações: recuperação de informação; processamento de imagens e reconhecimento de padrões; bioinformática; outras aplicações de redes complexas; 3.1 Pré-processamento: modelos e algoritmos de construção de redes complexas a partir de dados proposicionais; 3.2 Extração de padrões: detecção de Comunidades em redes complexas; aprendizado supervisionado baseado em redes; Aprendizado Semissupervisionado baseado em redes; aprendizado não supervisionado baseado em redes; 3.3 Pós-processamento: avaliação de técnicas baseadas em redes; 4. Aplicações: recuperação de informação; processamento de imagens e reconhecimento de padrões; bioinformática; outras aplicações


Forma de avaliação:

Prova teórica e trabalhos práticos. A nota final é dada pela média ponderada das notas obtidas pelo aluno no decorrer do semestre.


Observação:

Nenhuma.


Bibliografia:

Fundamental:
NEWMAN, M.E.J., Networks: an introduction. Oxford University Press, New York, 2010. BUCKLEY, F., HARARY, F., Distance in Graphs, Addison-Wesley Publishing Company, Redwood City, 1989. CORMEN, T. H. et. al., Introduction to algorithms, 3nd edition, the MIT Press, Cambridge, Massachusetts, 2009. Ulrik Brandes Thomas Erlebach (Eds.), Network Analysis - Methodological Foundations, Springer Berlin Heidelberg NewYork, 2005.
Complementar
DOROGOVTSEV, S. N. and MENDES,
J. F. F., Evolution of Networks, Oxford University Press, Oxford (2003). CHUNG, F. and LU, L., Complex Graphs and Networks, American Mathematical Society, Providence, 2006, ISBN-10: 0-8218-3657-9. DIESTEL, R., Graph Theory, Springer-Verlag Heidelberg, New York, 2005. ZAFARANI, R. et al. Social media mining: an introduction. Cambridge University Press, NY, 2014. Artigos recentes dos periódicos Information Sciences Journal, Neural Networks, Neurocomputing, Machine Learning, Applied Intelligence, Journal of Machine Learning Research, Intelligent Data Analysis, Physical Review e outros, bem como de conferências importantes da área.

CONECTE-SE COM A GENTE
 

© 2024 Instituto de Ciências Matemáticas e de Computação