- O documento discute Big Data e Mineração de Dados, abordando o que é Big Data, sua infraestrutura e aplicações, e a pós-graduação em Banco de Dados e Mineração de Dados oferecida pela UniSEB.
PROVA - ESTUDO CONTEMPORÂNEO E TRANSVERSAL: COMUNICAÇÃO ASSERTIVA E INTERPESS...
Big Data, Mineração de Dados e Pós-Graduação
1. Big Data e Mineração de
Dados
Prof. Paulo Cesar de Carvalho Dias
Paulo.dias@uniseb.com.br
2. Sumário Geral
• Parte 1 - Big Data e Mineração de
dados
• Parte 2 - Pós-Graduação em Banco
de Dados e Mineração de Dados
UniSEB
• Parte 4 - Exemplo de aplicação (Prof.
Reginaldo)
4. Parte 1 - Big Data: Sumário
• O fenômeno e as histórias que a mídia
apresenta
• O que é Big Data.
• Big Data: a infraestrutura
5. Big Data na Mídia
• Ultimamente há diversas histórias sobre
Big Data:
You Tube: http://youtu.be/LsMt5jp1a9k
6. Big Data na Mídia
http://www.forbes.com/sites/kashmirhill/2012/02/16/how-target-figured-out-a-teen-girl-was-pregnant-before-her-father-did/
http://youtu.be/XH1wQEgROg4
7. Big Data na Mídia
http://www.fivethirtyeight.com/
http://blogs.scientificamerican.com/cocktail-party-physics/2012/11/07/why-math-is-like-the-honey-badger-nate-silver-ascendant/
8. Big Data na Mídia
http://www.forbes.com/sites/kashmirhill/2012/02/16/how-target-figured-out-a-teen-girl-was-pregnant-before-her-father-did/
9. Os 3Vs do Big Data
• Big Data é qualquer fonte de dados
que possui no mínimo três
características comuns:
– Volume extremamente elevado;
– Velocidade extremamente elevada;
– Variedade extremamente elevada.
10. Os 3Vs do Big Data
Fonte: ibm
http://www.ibm.com/midmarket/br/pt/img/ssa_img_ibm_bigdata_110612.jpg
11. Volume maior de dados...
Fonte: ibm
http://www.ibm.com/midmarket/br/pt/img/ssa_img_ibm_bigdata_110612.jpg
http://monetate.com/infographic/the-
retailers-guide-to-big-
data/#axzz2HaZVK816
12. Volume maior de dados...
Fonte: ibm
http://www.ibm.com/midmarket/br/pt/img/ssa_img_ibm_bigdata_110612.jpg
13. Volume maior de dados...
• A quantidade dados aumentou muito
nos últimos anos:
http://monetate.com/infographic/the-retailers-guide-to-big-data/#axzz2HaZVK816
14. O que gera tanta
quantidade de dados?
• Computadores e dispositivos: informações
geradas por máquinas sem a intervenção
humana
• Humanos: através de sua interação com as
máquinas e computadores
15. Variedade dos dados:
•Dados com comprimento e tipo
definidos.
•Exemplos: números, datas, strings,
etc
Dados
estruturados
•Dados sem um formato
específico.
•Exemplos: imagens de satélite,
dados científicos, fotos, vídeos,
documentos, mídia social, Web,
etc
Dados não
estruturados
•Dados que não são aderentes a
um esquema fixo mas podem ser
auto-definídos.
•Exemplos: JSON, EDI, XML
Dados
semiestruturados
16. Velocidade dos dados
• A revolução das tecnologias de
comunicação aumentou muito a
velocidade de transmissão de dados.
17. Componentes Tecnológicos
do Big Data
Interfacesealimentadoresde/parainternet
Infraestrutura física redundante
Infraestrutura de segurança
Dispositivos (computadores, notebooks, tablets,
smarphones)
Banco de dados Operacional (estruturado, não
estruturado e semiestruturado)
“Organização” de banco de dados e ferramentas
Datawarehouses e Data Marts analiticos
Relatórios e visualização
Aplicações Big Data
Ferramentas analíticas
Interfacesealimentadoresde/paraaplicações
18. Infraestrutura física
• Requisitos:
– Desempenho: um parâmetro importante é a
latência e o tempo de resposta.
– Disponibilidade: uptime, tempo médio entre
falhas.
– Escalabilidade: quão fácil a infra estrutura pode
ser ampliada ou reduzida em função da
dinâmica do negócio.
– Flexibilidade: quão rapidamente a infraestrutura
pode ser alterada e recuperar-se de falhas.
– Custo: quer pagar quanto??
19. Infraestrutura física
• Computação em nuvem pode ser uma boa
alternativa
– Definição de computação em nuvem: é um
método de fornecer um conjunto de recursos
computacionais incluindo aplicativos,
armazenamento, rede, ambientes de
desenvolvimento, plataformas de implantação e
processos de negócio.
20. Infraestrutura física
• Modelos de computação em nuvem
– Infrastructure as a Service (IaaS): fornecimento
de serviços computacionais incluindo hardware,
rede, armazenamento e espaço em
datacenters por aluguel de recursos.
– Platform as a Service (PaaS): combina IaaS com
um conjunto abstrato de serviços de
middleware, ferramentas de desenvolvimento
de software, ferramentas de implantação as
quais permitem à organização ter um modo
consistente de criar implantar aplicações na
nuvem.
21. Infraestrutura física
• Modelos de computação em nuvem
– Software as a Service (SaaS): aplicações criadas
e hospedadas por um provedor. O cliente paga
por serviço por usuário em contratos mensais ou
anuais.
– Data as a Service (DaaS): serviço independente
da plataforma que conecta o cliente com a
nuvem para armazenar e recuperar dados.
23. Componentes Tecnológicos
do Big Data
Interfacesealimentadoresde/parainternet
Infraestrutura física redundante
Infraestrutura de segurança
Dispositivos (computadores, notebooks, tablets,
smarphones)
Banco de dados operacional (estruturado, não
estruturado e semiestruturado)
“Organização” de banco de dados e ferramentas
Datawarehouses e Data Marts analiticos
Relatórios e visualização
Aplicações Big Data
Ferramentas analíticas
Interfacesealimentadoresde/paraaplicações
24. Infraestrutura de segurança
• A segurança envolve diversos
aspectos:
– Acesso aos dados
– Acesso aos aplicativos
– Criptografia de dados
– Detecção de ameaças
25. Infraestrutura de segurança
• A segurança envolve diversos
aspectos:
– Acesso aos dados
– Acesso aos aplicativos
– Criptografia de dados
– Detecção de ameaças
27. Bancos de dados
operacionais
• Bancos de dados relacionais
– Dados estruturados
– ACID (Atomicidade, Consistência,
Isolamento e Durabilidade)
28. Bancos de dados
operacionais
• Bancos de dados Not Only SQL
(NoSQL)
– Não são baseados no modelo tradicional
de tabelas e chaves dos RDBMs.
– Escaláveis
– Modelos próprios de dados e queries
– Alguns possuem consistência eventual:
em vez de ACID e alguns são BASE
(Basically Available, Soft state, and
Eventual Consistency)
29. Bancos de dados
operacionais
• Bancos de dados Not Only SQL
(NoSQL)
– Banco de dados chave-valor (key-value)
– Banco de dados de documentos
30. Bancos de dados
operacionais
• Bancos de dados Not Only SQL
(NoSQL)
– Banco de dados de grafos:
– Banco de dados espaciais
31. Bancos de dados
operacionais
• Bancos de dados Not Only SQL
(NoSQL)
– Banco de dados em colunas:
HBase é um banco de dados distribuido open-source orientado
a coluna, modelado a partir do Google BigTable e escrito
em Java.
O Hbase tem fácil integração com o Hadoop, sendo assim,
pode utilizar o MapReduce para distribuir o processamento dos
dados, podendo processar facilmente vários terabytes de
dados.
32. Organização de banco de
dados e ferramentas
• Esta parte da infraestrutura captura,
valida e monta vários elementos de
big data em coleções relevantes.
• Tecnologias envolvidas:
– Sistemas de arquivos distribuídos.
– Serviços de serialização para persistência de
dados e chamadas remota de procedimentos
– Serviços de coordenação: para possibilitar
aplicações distribuídas.
33. Organização de banco de
dados e ferramentas
• A tecnologia mais conhecida desta
parte do framework é o MapReduce
• MapReduce é um modelo de
programação para o processamento
de grandes conjuntos de dados com
um algoritmo distribuído paralelo em
um cluster.
34. Organização de banco de
dados e ferramentas
• Um programa de MapReduce
compreende:
– um map () procedimento que realiza a filtragem
e ordenação (como classificação os alunos pelo
primeiro nome em filas, uma fila para cada
nome) e
– Reduce () procedimento que executa uma
operação de resumo (como a contagem do
número de alunos em cada fila, produzindo
freqüências nome).
36. Organização de banco de
dados e ferramentas
• Apache Hadoop é um framework de
software open-source que suporta
aplicações intensivas de dados distribuídos,
licenciado sob a licença Apache v2.
37. Organização de banco de
dados e ferramentas
• Ele suporta a execução de aplicações em
grandes aglomerados de hardware
commodity.
• Hadoop MapReduce foi obtido a partir do
Google e do sistema de arquivo do Google
(GFS).
38. Mineração de dados
• Mineração de dados envolve a
exploração e análise de grande
quantidade de dados com o objetivo
de encontrar padrões
39. Mineração de dados
• Mineração de dados utiliza técnicas
estatísticas e de inteligência artificial.
• O objetivo da mineração de dados
pode ser feita para:
– Classificar elementos de um conjunto de
dados.
– Prever valores de variáveis aleatórias.
40. Mineração de dados
• Mineração de dados utiliza técnicas
estatísticas e de inteligência artificial.
• O objetivo da mineração de dados
pode ser feita para:
– Classificar elementos de um conjunto de
dados.
– Prever valores de variáveis aleatórias.
41. Mineração de dados
• Exemplos de algoritmos utilizados na
mineração de dados:
– Árvores de classificação
– Regressão logística
– Redes neurais
– Técnicas de agrupamento (clustering)
43. Introdução
• Justificativa do curso:
– Grande número de empresas de software
na região;
– Crescimento do setor e grande demanda
por profissionais qualificados na área de TI;
– Aumento da concorrência entre as
empresas que necessitam de profissionais
cada vez mais capacitados e atualizados
43
44. Objetivo do curso
• Geral:
– O UNISEB COC formará especialistas na
área de Banco de Dados e Mineração
de Dados com domínio da técnica e
capacidade de identificar problemas,
oportunidades e propor soluções
inovadoras para o armazenamento,
disponibilização e mineração de dados
de empresas de pequeno, médio e
grande porte.
44
45. Metodologia:
• Aulas Teóricas:
– Serão expositivo-dialogadas e utiliza-se das
técnicas de dinâmicas de grupo, estudo dirigido
e seminários, sempre articulando os saberes
teóricos aos saberes práticos dos atores
envolvidos no processo.
– Para apoio do curso existe um ambiente virtual
em que algumas informações e material
bibliográfico são disponibilizados, além da
possibilidade do agendamento de chat.
• Aulas Práticas:
– Aulas práticas serão desenvolvidas em sala de
aula e laboratório de informática.
45