SlideShare une entreprise Scribd logo
1  sur  37
GT3 – Big Data,
Estrutura de Dados e
Algoritmos.
Henrik Cruz
Maicson Gabriel
João Pedro
Aplicações que usam Big
Data e Estrutura de
Dados
Maicson Gabriel
Porque usar Big Data?
Não existem redes homogêneas e informações podem definir o futuro de uma
empresa, pesquisas para definir que publico tende a comprar seus serviços e
acionistas podendo especular que ações vão se valorizar, ter a possibilidade de
retirar informações uteis em grandes volumes de dados .
Quem usa Big Data ?
 Facebook.
 IBM.
 Governos.
 Acionistas.
 Marketing.
Aplicações que usam Big Data.
 Power System.
Se trata de uma aplicação criada pela IBM para coletar e processar dados
heterogêneos capturados.
 Microsoft Azure.
Aplicação da MS para computação em nuvem, oferece suporte a Big Data
 Porto Seguro.
Aplicação para oferecer descontos aos segurados durante a renovação do
seguro, verificado se o condutor respeita regras de transito.
 Chef Watson with Bon Appetit.
 Aplicação gastronômica que consulta seu banco de dados para criar novas
receitas.
Estrutura de dados e Big Data.
Para efetuar otimização e verificação de grande volume de dados, é necessário
armazenar e capturar informações desse modo, para estruturas genéricas que
podem ter qualquer tipo ou mesmos tipo usamos conceitos de estrutura de
dados.
Estrutura de dados.
 Ponteiros
 Listas
 Fila/Pilha
 Arvores
Ponteiros.
 Ponteiros :
Se trata de uma estrutura que aponta para um espaço de memoria, ou seja
aponta para um endereço e não para seu conteúdo, ponteiros podem ser tipados
ou não.
Listas.
 Encadeadas :
Listas encadeadas são listas sequenciais onde existe somente o conceito de inicio
da lista e cada registro aponta para o próximo registro.
 Duplamente encadeada :
Mesmo conceito que a anterior, porem existe um ponteiro a mais que aponta para
seu antecessor.
Fila e Pilha.
 Pilha :
Se trata de uma lista encadeada que possui restrições de como são inseridos os
item, em uma pilha os registros só podem ser retirados e inseridos por meio do
topo(LIFO).
 Fila:
Adota o mesmo conceito que a pilha em termos de ser uma lista encadeada,
porem possui o conteito de inicio e fim, onde os intens só podem ser retirados no
inicio da fila e só podem ser inseridos no fim(FIFO).
Arvores.
 Arvore:
Estrutura de dados que possui hierarquia, como uma arvore genealógica, onde os
dados são armazenados de modo que possa facilitar a pesquisa de dados e seu
armazenamento, amplamente usado em arquivos como o ‘EXPLORER’ do
Windows.
 Arvore Binária:
Conceito Similar a anterior, porem possui restrições quanto ao número de filhos
que podem ser no máximo de dois.
Recursividade
 Método de programação no qual a função pode chamar a si mesma;
 Serve para simplificar o código;
 Um método comum de simplificação é dividir o problema em subproblemas do
mesmo tipo
 Dividir pra conquistar;
 Exemplo:
Sintaxe de algoritmos
Variáveis
 As variáveis não precisam ser declaradas, vão aparecendo ao longo do código;
 Ponteiros:
 Ponteiros receberão uma declaração diferenciada, para destacar das demais:
 ^pt - variável do tipo ponteiro (armazena um endereço de memória);
 [^pt] - acesso ao conteúdo no endereço que ^pt armazena;
 $var - endereço da variável var.
Operadores
 Matemáticos:
Operadores
 Lógicos:
Operadores
 Relacionais:
Métodos de ordenação
Bubble Sort (Método da Bolha)
 Bubble sort (ou método da bolha) é o algoritmo mais simples, mas o menos
eficientes. Neste algoritmo cada elemento da posição i será comparado com o
elemento da posição i + 1, ou seja, um elemento da posição 2 será comparado
com o elemento da posição 3. Caso o elemento da posição 2 for maior que o
da posição 3, eles trocam de lugar e assim sucessivamente. Por causa dessa
forma de execução, o vetor terá que ser percorrido quantas vezes que for
necessária, tornando o algoritmo ineficiente para listas muito grandes.
 Exemplo:
Insertion Sort
 O Insertion sort é um algoritmo simples e eficiente quando aplicado em
pequenas listas. Neste algoritmo a lista é percorrida da esquerda para a
direita, à medida que avança vai deixando os elementos mais à esquerda
ordenados.
 Exemplo:
Quick Sort
 O Quicksort é o algoritmo mais eficiente na ordenação por comparação. Nele
se escolhe um elemento chamado de pivô, a partir disto é organizada a lista
para que todos os números anteriores a ele sejam menores que ele, e todos os
números posteriores a ele sejam maiores que ele. Ao final desse processo o
número pivô já está em sua posição final. Os dois grupos desordenados
recursivamente sofreram o mesmo processo até que a lista esteja ordenada.
 Exemplo:
3 V’s
 Velocidade
 Volume
 Variedade
Dados Implícitos
Dados Explícitos
Pesquisas de opinião/satisfação
Curtidas em publicações ou
perfis
Formulários de
sugestão
Coleta de Informações
Coleta automática
Saída:
Publicidade
Clientes que compraram este
produto também compraram
este.
Sugestão de preenchimento automático

Contenu connexe

Similaire à Fec

Trabalho métodos de ordenação
Trabalho métodos de ordenaçãoTrabalho métodos de ordenação
Trabalho métodos de ordenaçãoDaiana de Ávila
 
Algoritmos de ordenação - heapsort
Algoritmos de ordenação - heapsortAlgoritmos de ordenação - heapsort
Algoritmos de ordenação - heapsortBruno Bitencourt Luiz
 
Classificação de dados
Classificação de dadosClassificação de dados
Classificação de dadosFernando Vargas
 
Aula_05_-_Listas_Duplamente_Encadeadas_opp.ppt
Aula_05_-_Listas_Duplamente_Encadeadas_opp.pptAula_05_-_Listas_Duplamente_Encadeadas_opp.ppt
Aula_05_-_Listas_Duplamente_Encadeadas_opp.pptssuserd654cb1
 
Algorimos De Ordenação
Algorimos De OrdenaçãoAlgorimos De Ordenação
Algorimos De OrdenaçãoBrian Supra
 
Clustering informatizado
Clustering  informatizadoClustering  informatizado
Clustering informatizadoDiêgo Maciel
 
Estrutura de dados
Estrutura de dadosEstrutura de dados
Estrutura de dadosUFT
 
Full Text Search com Solr, MySQL Full text e PostgreSQL Full Text
Full Text Search com Solr, MySQL Full text e PostgreSQL Full TextFull Text Search com Solr, MySQL Full text e PostgreSQL Full Text
Full Text Search com Solr, MySQL Full text e PostgreSQL Full TextRodrigo Urubatan
 
Data warehouse & olap
Data warehouse & olapData warehouse & olap
Data warehouse & olapBrian Supra
 
Modelagem De Banco De Dados
Modelagem De Banco De DadosModelagem De Banco De Dados
Modelagem De Banco De Dadosmgoberto
 
Aula_05_-_Listas_Duplamente_Encadeadas.ppt
Aula_05_-_Listas_Duplamente_Encadeadas.pptAula_05_-_Listas_Duplamente_Encadeadas.ppt
Aula_05_-_Listas_Duplamente_Encadeadas.pptssuserd654cb1
 
Análise de desempenho de algoritmos de ordenação
Análise de desempenho de algoritmos de ordenaçãoAnálise de desempenho de algoritmos de ordenação
Análise de desempenho de algoritmos de ordenaçãoGustavo Carvalho
 
6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdf
6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdf6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdf
6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdfDavidLarronda1
 

Similaire à Fec (20)

Trabalho métodos de ordenação
Trabalho métodos de ordenaçãoTrabalho métodos de ordenação
Trabalho métodos de ordenação
 
Portifolio
PortifolioPortifolio
Portifolio
 
Algoritmos de ordenação - heapsort
Algoritmos de ordenação - heapsortAlgoritmos de ordenação - heapsort
Algoritmos de ordenação - heapsort
 
Classificação de dados
Classificação de dadosClassificação de dados
Classificação de dados
 
Aula_05_-_Listas_Duplamente_Encadeadas_opp.ppt
Aula_05_-_Listas_Duplamente_Encadeadas_opp.pptAula_05_-_Listas_Duplamente_Encadeadas_opp.ppt
Aula_05_-_Listas_Duplamente_Encadeadas_opp.ppt
 
Classes e Estrutura de Dados
Classes e Estrutura de DadosClasses e Estrutura de Dados
Classes e Estrutura de Dados
 
Algorimos De Ordenação
Algorimos De OrdenaçãoAlgorimos De Ordenação
Algorimos De Ordenação
 
Clustering informatizado
Clustering  informatizadoClustering  informatizado
Clustering informatizado
 
ID3 Algorithm
ID3 AlgorithmID3 Algorithm
ID3 Algorithm
 
Estrutura de dados
Estrutura de dadosEstrutura de dados
Estrutura de dados
 
React Native.pptx
React Native.pptxReact Native.pptx
React Native.pptx
 
Full Text Search com Solr, MySQL Full text e PostgreSQL Full Text
Full Text Search com Solr, MySQL Full text e PostgreSQL Full TextFull Text Search com Solr, MySQL Full text e PostgreSQL Full Text
Full Text Search com Solr, MySQL Full text e PostgreSQL Full Text
 
Data warehouse & olap
Data warehouse & olapData warehouse & olap
Data warehouse & olap
 
Modelagem De Banco De Dados
Modelagem De Banco De DadosModelagem De Banco De Dados
Modelagem De Banco De Dados
 
Indeces
IndecesIndeces
Indeces
 
Ordenação
OrdenaçãoOrdenação
Ordenação
 
Aula_05_-_Listas_Duplamente_Encadeadas.ppt
Aula_05_-_Listas_Duplamente_Encadeadas.pptAula_05_-_Listas_Duplamente_Encadeadas.ppt
Aula_05_-_Listas_Duplamente_Encadeadas.ppt
 
Análise de desempenho de algoritmos de ordenação
Análise de desempenho de algoritmos de ordenaçãoAnálise de desempenho de algoritmos de ordenação
Análise de desempenho de algoritmos de ordenação
 
Apostila Intensivo Python - Desafio 2.pdf
Apostila Intensivo Python - Desafio 2.pdfApostila Intensivo Python - Desafio 2.pdf
Apostila Intensivo Python - Desafio 2.pdf
 
6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdf
6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdf6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdf
6.3 Clustering_338ca79f26242f5b9b48a218cfc35819.pdf
 

Fec

  • 1. GT3 – Big Data, Estrutura de Dados e Algoritmos. Henrik Cruz Maicson Gabriel João Pedro
  • 2.
  • 3. Aplicações que usam Big Data e Estrutura de Dados Maicson Gabriel
  • 4. Porque usar Big Data? Não existem redes homogêneas e informações podem definir o futuro de uma empresa, pesquisas para definir que publico tende a comprar seus serviços e acionistas podendo especular que ações vão se valorizar, ter a possibilidade de retirar informações uteis em grandes volumes de dados .
  • 5. Quem usa Big Data ?  Facebook.  IBM.  Governos.  Acionistas.  Marketing.
  • 6. Aplicações que usam Big Data.  Power System. Se trata de uma aplicação criada pela IBM para coletar e processar dados heterogêneos capturados.  Microsoft Azure. Aplicação da MS para computação em nuvem, oferece suporte a Big Data  Porto Seguro. Aplicação para oferecer descontos aos segurados durante a renovação do seguro, verificado se o condutor respeita regras de transito.  Chef Watson with Bon Appetit.  Aplicação gastronômica que consulta seu banco de dados para criar novas receitas.
  • 7. Estrutura de dados e Big Data. Para efetuar otimização e verificação de grande volume de dados, é necessário armazenar e capturar informações desse modo, para estruturas genéricas que podem ter qualquer tipo ou mesmos tipo usamos conceitos de estrutura de dados.
  • 8. Estrutura de dados.  Ponteiros  Listas  Fila/Pilha  Arvores
  • 9. Ponteiros.  Ponteiros : Se trata de uma estrutura que aponta para um espaço de memoria, ou seja aponta para um endereço e não para seu conteúdo, ponteiros podem ser tipados ou não.
  • 10. Listas.  Encadeadas : Listas encadeadas são listas sequenciais onde existe somente o conceito de inicio da lista e cada registro aponta para o próximo registro.  Duplamente encadeada : Mesmo conceito que a anterior, porem existe um ponteiro a mais que aponta para seu antecessor.
  • 11. Fila e Pilha.  Pilha : Se trata de uma lista encadeada que possui restrições de como são inseridos os item, em uma pilha os registros só podem ser retirados e inseridos por meio do topo(LIFO).  Fila: Adota o mesmo conceito que a pilha em termos de ser uma lista encadeada, porem possui o conteito de inicio e fim, onde os intens só podem ser retirados no inicio da fila e só podem ser inseridos no fim(FIFO).
  • 12. Arvores.  Arvore: Estrutura de dados que possui hierarquia, como uma arvore genealógica, onde os dados são armazenados de modo que possa facilitar a pesquisa de dados e seu armazenamento, amplamente usado em arquivos como o ‘EXPLORER’ do Windows.  Arvore Binária: Conceito Similar a anterior, porem possui restrições quanto ao número de filhos que podem ser no máximo de dois.
  • 13.
  • 15.  Método de programação no qual a função pode chamar a si mesma;  Serve para simplificar o código;  Um método comum de simplificação é dividir o problema em subproblemas do mesmo tipo  Dividir pra conquistar;
  • 18. Variáveis  As variáveis não precisam ser declaradas, vão aparecendo ao longo do código;  Ponteiros:  Ponteiros receberão uma declaração diferenciada, para destacar das demais:  ^pt - variável do tipo ponteiro (armazena um endereço de memória);  [^pt] - acesso ao conteúdo no endereço que ^pt armazena;  $var - endereço da variável var.
  • 23. Bubble Sort (Método da Bolha)  Bubble sort (ou método da bolha) é o algoritmo mais simples, mas o menos eficientes. Neste algoritmo cada elemento da posição i será comparado com o elemento da posição i + 1, ou seja, um elemento da posição 2 será comparado com o elemento da posição 3. Caso o elemento da posição 2 for maior que o da posição 3, eles trocam de lugar e assim sucessivamente. Por causa dessa forma de execução, o vetor terá que ser percorrido quantas vezes que for necessária, tornando o algoritmo ineficiente para listas muito grandes.
  • 25. Insertion Sort  O Insertion sort é um algoritmo simples e eficiente quando aplicado em pequenas listas. Neste algoritmo a lista é percorrida da esquerda para a direita, à medida que avança vai deixando os elementos mais à esquerda ordenados.
  • 27. Quick Sort  O Quicksort é o algoritmo mais eficiente na ordenação por comparação. Nele se escolhe um elemento chamado de pivô, a partir disto é organizada a lista para que todos os números anteriores a ele sejam menores que ele, e todos os números posteriores a ele sejam maiores que ele. Ao final desse processo o número pivô já está em sua posição final. Os dois grupos desordenados recursivamente sofreram o mesmo processo até que a lista esteja ordenada.
  • 29.
  • 30. 3 V’s  Velocidade  Volume  Variedade
  • 32.
  • 33. Dados Explícitos Pesquisas de opinião/satisfação
  • 34. Curtidas em publicações ou perfis Formulários de sugestão
  • 37. Clientes que compraram este produto também compraram este. Sugestão de preenchimento automático