exploração gsi base de conhecimento técnicas...

1

1

Exploração GSI:: captura e codificação de conhecimento individual e colectivo para estender a base de conhecimento da organização

� Baseada em tecnologias de BD– OLAP (análise de dados multidimensionais)– Data Mining– Data Warehouse

� Outras técnicas para consultar BDs– Hipermédia e Web– Disponibilizando DB pela Web

� Baseada em tecnologias de IA– Sistemas Especialistas (Periciais)– Redes Neuronais– Case-based Reasoning – CBR– Lógica Difusa (Fuzzy)– Algoritmos Genéticos– Agentes Inteligentes

� Técnicas Inteligentes Híbridas� Computação GRID

Operação

Proj.

Espec.

Admin.

RH

Admin.

TI

2

Técnicas Inteligentes baseadas em BD

� OLAP– Bases de dados multidimensionais

� Data mining– ajuda as organizações a capturar o conhecimento

“desconhecido” que está residente em grandes bases de dados

– fornece aos gestores novos instrumentos (insight) para melhorar a performance dos negócios

– importante ferramenta para gestão da tomada de decisão

� Data Warehouse– é um BD que armazenam dados actuais e históricos de

potencial interesse para gestores dispersos pela empresa

3


:: Análise de Dados Multidimensionais

� Como fazer as seguintes buscas? – Quantas unidades do produto X foi entregue em Novembro de

2005?– Compare as vendas do produto X por trimestre e por região de

Portugal nos últimos 2 anos?

usamos a técnica conhecida como OLAP - Online Analytical Processing

� OLAP analisa os dados de maneira que os modelos de BD tradicionais não conseguem representar..

� BD multi-dimensionais especializadas

� Ferramentas que criam visões multi-dimensionais de dados em relação à BD

4

i

parafusos, arruelas,parafusos e porcas

- com OLAP, os usuários devem ter uma boa idéia da informação que estão buscando! Já com Data Mining..

5


:: Data Mining

– fornece insights sobre os dados da empresa� que não podem ser obtidos por OLAP

– os modelos e regras podem ser usados para guiar a tomada de decisão� prevendo os efeitos destas decisões

– por exemplo:� analisando as facturas dum supermercado pode-se

descobrir que quando compramos polvo, em 45% dos casos também compramos azeite

� Mas, quando o polvo está em promoção, compramos azeite em 65% dos casos

– pensando em fazer polvo à lagareiro, talvez ;)

6


:: Data Mining

� Tipos de informações obtidas em um Data Mining:– Associação

� polvo ~ azeite– Sequência

� quem compra casa quer frigorífico (máximo um mês depois), etc– Classificação

� identificando características de clientes prestes a anular cartão de crédito

– Descoberta de Nichos (Clustering)

� descobrindo relações de clientes baseados na demografia e seus investimentos pessoais

– Previsão (Forecasting)� estimando o valor futuro de variáveis contínuas como as vendas

2

7


:: Data Mining – Casos de Sucesso

8


:: Data Warehouse

– sistemas legados (hierárquicos, etc.), DBMS OO ou relacionais, sistemas baseados em HTML ou XML, etc. � são copiados para dentro da BD de Data Warehouse

– a cada hora, dia, semana, mês, etc.

– são padronizados em um modelo de dados comum– e consolidados para que possam ser usados

� para análise de gestão� e tomadas de decisão

– os dados podem ser usados por qualquer pessoa� mas não podem ser modificados

9

o Data Warehouse deve ser cuidadosamente projectado tanto por especialistas técnicos como especialistas do negócio

10

Outras Técnicas de Análise

:: Hipermédia DB & Web

– Permite aos usuários aceder tópicos em um Web site em qualquer ordem que deseje

– É uma abordagem para gestão de informação que armazena pedaços de informação na forma de nós que o usuário especifica

– Os nós podem ser:� Textos � Gráficos� Sons� Vídeos� Programas executáveis, etc.

11


:: DB Hipermédia & Web

12


:: Disponibilizando DB pela Web

3

13

o filme..

14

Técnicas Inteligentes baseadas em IA

� Sistemas Especialistas, CBR e Lógica Difusa– Usados para captar conhecimento tácito (não falado, arcaico)

� Redes Neuronais – como o Data Mining > “descoberta” de conhecimento– Podem descobrir modelos subliminares, categorias e

comportamentos em grandes quantidades de dados

� Algoritmos Genéticos – Geram soluções a problemas muito grandes e complexos aos

seres humanos

� Agentes Inteligentes– Automatizam tarefas rotineiras para ajudar organizações a

pesquisar e filtrar informações

15


:: Sistemas Especialistas

� Captam o conhecimento tácito num domínio bastante específico e limitado de uma especialidade humana

� Capturam o conhecimento de empregados habilidosos na forma de um conjunto de regras

� Executam tarefas que podem ser feitas em poucos minutos, tais como

– Diagnósticos de erros em máquinas (motores, alinhamento de pneus, etc.)

– Determinação de crédito para um empréstimo

– Tomadas de Decisão altamente estruturadas

problemas que não podem ser resolvidos por especialistas humanos em um período curto de tempo, também serão demasiado difíceis a um SE 16

17


:: CBR – Case-Based Reasoning (raciocínio)

– CBR capturam conhecimento organizacional� enquanto os SE capturam o conhecimento individual

– Descrições de experiências individuais passadas representadas como casos são armazenadas em uma BD para uma recuperação futura� para quando o usuário encontrar um caso com parâmetros

similares� soluções sem sucesso também são adicionadas à BD de casos

– encontramos CBR em � Sistemas de Diagnósticos em Medicina

� Sistemas de Suporte a Clientes18

4

19


:: Sistemas de Lógica Difusa (Fuzzy)

– a maioria das pessoas não pensam em termos das regras IF-THEN ou números precisos

– nós tendemos a categorizar coisas imprecisamente� Homem forte, mulher inteligente, empresa grande, dia frio..

– Lógica Fuzzy é uma tecnologia baseada em regra� que pode representar tais imprecisões criando regras

– que usa aproximações ou valores subjectivos

assim, usando Lógica Difusa,

as organizações podem criar SI que capturam o conhecimento tácito onde existe ambiguidades linguística 20

u

21


:: Redes Neuronais

– Descobrem o conhecimento usando hw e sw para emular os modelos de processamento do cérebro

– “aprendem” modelos em grandes quantidades de dados� Buscando por relacionamentos

� Separando o “joio” do trigo

� Construindo modelos– e corrigindo os erros do modelo ciclicamente

– Possui uma rede de nós de processamento e detecção� que interagem continuamente entre uns e outros

Nós “treinamos” a rede alimentando-a com um conjunto de dados nos quais os inputs produzem um conjunto de resultados ou conclusões conhecidas 22

– O computador aprende a solução correcta através dos exemplos� Renda – 4000, Débitos – 800, Idade 33, Pagamentos - em dia

� Então, a rede neuronal aprende que > bom risco de crédito!

– Quando o computador é alimentado com mais dados� cada caso será comparado com a saída conhecida..

– Se difere, uma correção é calculada e aplicada aos nós na camada escondida até uma condição (correção < x, por exemplo) ser alcançada

23


:: Redes Neuronais

– Existem aplicações de RN emergentes em� Medicina, Ciência e Negócios

– para resolver problemas de classificação de modelos, previsões, análise financeira, controle e optimização

� Exemplo– VISA Internacional usa redes neurais para detectar fraudes

� monitoriza todas transacções para detectar mudanças repentinas nos modelos de compras dos donos de cartões

Diferente de Sistemas Especialistas (que possui explicações para suas soluções), as RN nem sempre podem explicar porque chegaram a uma solução!

Também não pode garantir chegar à mesma solução com a entrada dos mesmos dados | ou garantir que encontrou a melhor solução!

Na maioria das aplicações, as RN são usadas para auxiliar as decisões humanas ao invés de substitui-las!

24


:: Algoritmos Genéticos (ou Computação Adaptativa) (é da família de algoritmos evolutivos)

– são usados para encontrar a solução óptima para um problema específico examinando-se uma grande quantidade de soluções possíveis� as técnicas de solução dos problemas são conceptualmente

baseadas nos métodos que os organismos vivos usam para adaptarem-se em seus ambientes

– promove a evolução de soluções para problemas particulares� controlando a > geração > variação > adaptação e seleção

– de possíveis soluções usando processos baseados em genética

� Aptidão > Seleção > Reprodução > Mutação

técnica de programação que imita a evolução biológica como estratégia para resolver problemas

5

25

– A população inicial é gerada� Atribuindo-se aleatoriamente

valores aos genes de cada cromossomo

– A aptidão bruta de um indivíduo da população é medida por uma função de erro

– Critérios de parada do algoritmo� Aptidão do melhor indivíduo +

limitação do número de gerações

� Erro abaixo de um valor especificado pelo projetista para um determinado parâmetro

Custo computacional elevado devido ao grande número de variáveis (populações elevadas) e ao alto número de gerações para a cobertura do espaço de soluções

26

� representa informações como strings de 0s e 1s

� uma possível solução pode ser representada por uma grande string destes dígitos

� Os algoritmos genéticos fornecem métodos para pesquisar todas possíveis combinações de dígitos para identificar a string certa que representa a melhor estrutura possível para a solução do problema

27


:: Algoritmos Genéticos (ou Computação Adaptativa)

– Indicado para problemas de � Minimização de custos, maximização de lucros, agendas

eficientes, uso eficiente de recursos, etc.

– Em problemas muito dinâmicos e complexos, envolvendo cetenas ou milhares de variáveis ou fórmulas� os AG podem expedir uma solução porque eles podem avaliar

muitas soluções diferentes rapidamente para encontrar a melhor– Melhor caminho, aplicações de GPS, etc..

– Exemplos� General Electric – em motores a jacto, cada mudança no projecto

requer mudança em 100 variáveis28


:: Agentes Inteligentes

– são programas de sw que trabalham em background sem a intervenção humana

– Trata de tarefas específicas, repetitivas e previsíveis para� um usuário individual

� um processo de negócio

� ou uma aplicação de sw

– Utilizam uma base de conhecimento limitada– Podem ser usados para tomar decisões baseadas

nas preferencias dos usuários

Exemplos: deletar junk mail, agendar apontamentos, encontrar vôo + barato entre várias companhias, encontrar conferencias, etc.

29

� Economiza $300 milhões por ano– Com um investimento total de menos de $3 milhões

� Descobriu que– Podia despachar caminhões sem estarem cheios

� Menos gastos com combustíveis e com o tempo dos motoristas– entre outros..

30


:: Sistemas Híbridos

– Podemos integrar numa única aplicação� Algoritmos Genéticos

� Lógica Fuzzy

� Redes Neuronais� e Sistemas Especialistas

– para colher vantagens das melhores características destas tecnologias

– Japão� Electrodomésticos Mitsubishi, Sanyo, etc.

� Matsushita (Panasonic) – Máquina de lavar “Neurofuzzy”, etc…

6

31

Técnicas Inteligentes baseadas em SD

:: Computação GRID

– Envolve a conexão de computadores remotos geograficamente� em uma única rede para criar um super-computador virtual

– Combinando o poder computacional de todos o computadores no GRID (grade)

– Usamos um computador apenas 25% do tempo– Podemos utilizar o tempo “morto” em projectos

humanitários transnacionais, Colmeia, etc.– conexões com alta largura de banda tornaram

possíveis a Computação GRID

www.globus.org

exploração gsi base de conhecimento técnicas...

Documents