Mineração de Regras de Associação com Python, Apriori e SQL

A descoberta de regras de associação é uma das subáreas da Mineração de Dados mais populares e que apresenta uma diversidade muito grande de aplicações práticas e comerciais! Se você estuda Inteligência Artificial, talvez já tenha ouvido falar daquele clássico exemplo das fraudas e cervejas! Caso não, há vários anos um mercado muito famoso descobriu um padrão bem interessante em seus dados: em certos dias da semana existiam muitas vendas em conjunto tanto de fraudas quanto de cervejas. De posse desse conhecimento, eles decidiram alterar a disposição das prateleiras do mercado e conseguiram otimizar as vendas desses dois produtos em conjunto (o que aumentou significativamente as receitas). O segredo disso é que eles usaram a técnica de regras de associação, que tem como objetivo a descoberta de padrões nos dados que não podem ser facilmente encontrados somente "batendo o olho" nos registros. Essa técnica utiliza um algoritmo (o mais famoso é o Apriori) que é capaz de descobrir esse tipo de associação, podendo ser aplicado nos mais variados cenários!

E neste curso você verá passo a passo o funcionamento do algoritmo Apriori, ou seja, dada uma base de dados você vai aprender como ele consegue gerar as regras de associação, bem como compreender como são feitos os cálculos de suporte, confiança e lift; que são as métricas mais utilizadas neste tipo de cenário. Utilizaremos a linguagem Python e o banco de dados MySql para o desenvolvimento dos exemplos. Inicialmente trabalharemos com duas bases de dados prontas de mercado e o objetivo será analisar as associações que podem ser encontradas entre os produtos que são vendidos em conjunto, processo conhecido como Market Basket Analysis (análise de cestas de mercado). Logo depois, utilizaremos duas bases de dados reais: a primeira de uma pizzaria (inclusive a pizzaria era minha!) e a segunda de uma pesquisa sócio-econômica de alunos que fizerem o vestibular em uma universidade! A ideia é realizar o processo KDD completo (Knowledge Discovery in Databases - Descoberta de Conhecimento em Bases de Dados) nessas duas bases de dados, passando pelos processos de seleção de atributos, pré-processamento e transformação dos dados antes de realizar as análises com o algoritmo Apriori. O objetivo dessas seções é que você tenha uma visão prática e comercial de como funciona esse processo em bases de dados comerciais, visto que a maioria dos materiais sobre o assunto abordam somente a aplicação do algoritmo e deixa de lado todo o processo de preparação das bases de dados!

Por fim, ainda teremos mais um módulo adicional que mostrará como importar uma base de dados fictícia de mercado para um padrão na qual as análises possam ser realizadas. Nessas aulas, é mostrado passo a passo como realizar a conexão do Python com o MySql e realizar as consultas para obter os dados no padrão requerido para aplicação do Apriori. Esse módulo é útil caso você tenha uma base de dados no modelo Entidade Relacionamento e deseja aprender os processos básicos para conversão dos dados. Ao final do curso, você será capaz de implementar suas próprias análises e em suas próprias bases de dados, o que pode abrir diversas oportunidades de negócio e de renda extra para você! É importante enfatizar que este curso é para todos os níveis, seja para você que está iniciando nessa área ou para você que já possui conhecimentos sobre regras de associação e deseja conhecer mais sobre o assunto.

Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! :)