"COMO O COMPUTADOR PODE EXPLICAR MEUS DADOS (TRAGAM SUAS PLANILHAS)".

Roteiro:

1. Aprendizagem de Máquina
2. Classificação
3. Árvores de Decisão
4. Overfitting
5. Taxa de acerto e outra métricas
6. Matriz de confusão
7. Weka (Applications -> Explorer)
   1. Exemplo com bases do Weka
   2. Resumo das características (aba Preprocess -> Open file...)
   3. Visualização (aba Visualize)
   4. Construindo "Regras" ou "Árvore de Decisão" para os dados (aba Classify)
      1. Classifier (Choose)
      2. rules->ZeroR (classificação a priori, classe mais frequente)
      3. rules->PART
      4. tree->J48
   5. Recuperando o modelo construído
   6. Qualidade do modelo
8. Trabalhando com os dados dos participantes
   1. Como tabular os dados no formato CSV
   2. Como carregar os dados
   3. Salvando no formato ARFF
   4. Cross-validation, Percentage split, Supplied test set (*os valores dos atributos nominais do teste precisam aparecer no treino)