Aplicação de algoritmos de aprendizado de máquina semissupervisionado para a descoberta e gestão de conhecimento em bases de dados

Algoritmos de aprendizado de máquina semissupervisionado têm ganhado notoriedade nos últimos anos por sua capacidade de, misturando dados rotulados e não rotulados, conseguir bom desempenho em uma vasta gama de aplicações. Existem, na literatura, diversos algoritmos que visam tanto à classificação semissupervisionada quanto ao agrupamento semissupervisionado de dados. Neste projeto, o objetivo é investigar e explorar algoritmos destas natureza para a obtenção e gestão de conhecimento em bases de dados. Em sua parte teórica, este projeto de pesquisa visa explorar pontos ainda em aberto do aprendizado de máquina semissupervisionado, como a incorporação de mecanismos incrementais em algoritmos de agrupamento semissupervisionado e o desenvolvimento e melhoria de métodos de aprendizado de distâncias em algoritmos de agrupamento e classificação semissupervisionada. Por sua vez, em sua parte de aplicações, este projeto visa à aplicação de algoritmos semissupervisionados em uma vasta gama de aplicações reais para as quais conta-se com bases de dados, como Mineração de Dados Educacionais, análise de dados e notícias da internet e dados oriundos de redes sociais. Nestas aplicações, será dada especial atenção a coleções de dados de instituições de ensino e dados relativos ao setor agropecuário e agroindustrial, de grande demanda no estado do Mato Grosso do Sul, auxiliando especialistas e usuários na gestão do conhecimento destes setores.