Primeiramente, instalamos a distribuição TeX Live, que oferece um sistema TeX completo Incluindo programas para formatação, pré-visualização e impressão de documentos TeX em muitas linguagens.

sudo apt-get install texlive
ou Aplicativos -> Central de Programas -> TeX Live: A decent selection of the TeX Live packages

Feito isso, instalamos pacotes adicionais, que devem atender a quase todas as necessidades para a produção dos mais variados documentos.

texlive-latex-extra – Uma grande coleção de pacotes adicionais para o LaTex
sudo apt-get install texlive-latex-extra
ou Aplicativos -> Central de Programas -> TeX Live: LaTeX supplementary packages

texlive-lang-portuguese – Permite a hifenização em português
sudo apt-get install texlive-lang-portuguese
ou Aplicativos -> Central de Programas -> TeX Live: Portuguese

texlive-math-extra – Coleção de pacotes para matemática avançada
sudo apt-get install texlive-math-extra
ou Aplicativos -> Central de Programas -> TeX Live: Advanced math typesetting

Instalamos então o editor Texmaker

sudo apt-get install texmaker
ou Aplicativos -> Central de Programas -> TexMaker

Por fim, podemos configurar o verificador ortográfico. Nesse caso utilizei o VERO, do BROffice, que pode ser baixado aqui. Após baixá-lo, temos que descompactar os arquivos pt_BR.dic e pt_BR.aff e copiá-los para a pasta /usr/share/myspell/dicts:

sudo cp pt_BR.dic pt_BR.aff /usr/share/myspell/dicts

Para ativá-lo, basta abrir o Texmaker, ir em Opções ->;Configurar Texmaker. No campo Editor -> Dicionário colocar o caminho /usr/share/myspell/dicts/pt_BR.dic

Fontes:: Ubntued, Fórum Ubuntu BR

Eu havia falado do Weka em um dos posts anteiores, e hoje venho falar de outro software para mineração de dados. O RapidMiner é um ambiente open-source desenvolvido em Java que permite explorar os dados de diversas maneiras por meio de operadores (sejam eles para pré-processamento, aprendizado, validação, etc) organizados em uma estrutura de árvore.

O interessante é que após pegar o básico do programa torna-se fácil realizar os experimentos, já que apenas precisa-se escolher os operadores e combiná-los da forma que quiser. Além disso, as funções do Weka são integradas ao software.

Abaixo segue o exemplo de um experimento bem simples:

Na figura acima, ao lado esquerdo temos a árvore de operadores: o Input (a base de dados) que serve como entrada para o treinamento de uma rede neural (NeuralNetImproved); após isso um conjunto de testes (nesse caso a mesma entrada) é testada no modelo (ModelApplier) e tem sua performance avaliada (ClassificationPerformance).

Vale ressaltar que pode-se usar a API do RapidMiner em códigos Java, e que os experimentos podem ser salvos para posterior reprodução.

Aqui pode-se baixar um tutorial completo sobre o RapidMiner, e um guia rápido de sua interface (GUI). Há também no próprio software um tutorial online muito bom onde pode-se acompanhar alguns experimentos já desenvolvidos.

No Linux a instalação é simples, basta baixar aqui o arquivo .zip, descompactá-lo e utilizar o comando

java -jar weka.jar

para mostrar a interface gráfica.

Para utilizar a API temos que incluir este mesmo .jar no nosso projeto.

No caso do Eclipse, cria-se um novo projeto Java (File -> New -> Project(Java Project)), e após escolher um nome clique em Next. Na janela seguinte (Java Settings) clique na aba Libraries e escolha a opção Add JARs, adicione o weka.jar e crie o projeto (Finish).

No NetBeans, cria-se um novo projeto Java normalmente (Arquivo -> Novo Projeto -> Java -> Aplicaitvo Java). Após criado, Arquivo -> Projeto Properties (NomeDoProjeto); e na janela Bibliotecas aba Compilar escolha a opção Adicionar JAR/pasta e adicione o weka.jar.

Abaixo segue um exemplo de utilização da API que fiz com uma base de dados baixada no UCI; onde utilizei duas classes: Main e ExemploWeka.

O formato padrão de arquivos lidos pelo Weka é o .arff, porém agora ele aceita automaticamente outros formatos de dados; no meu caso utilizei um arquivo .data apenas com valores numéricos e consegui carregar sem problemas. Vale lembrar que dependendo da base de dados, outras opções devem ser utilizadas.

package teste;

public class Main {

	public static String caminhoDados;

	public static void main(String[] args) throws Exception {

		// Indica onde estão os dados (neste exemplo, eles estão no formato .data)
		caminhoDados = "/onde/estao/seusDados/dados.data";
		ExemploWeka exemplo1 = new ExemploWeka(caminhoDados);

		exemplo1.leDados();
		exemplo1.imprimeDados();
		exemplo1.arvoreDeDecisaoJ48();
	}

}

package teste;

import java.util.Random;
import weka.core.Instances;
import weka.core.Instance;
import weka.core.converters.ConverterUtils.DataSource;
import weka.classifiers.trees.J48;
import weka.classifiers.Evaluation;

public class ExemploWeka {

	public String caminhoDados;
	
	// As instancias do dado
	public Instances dados;

	public ExemploWeka(String caminhoDados) {
		this.caminhoDados = caminhoDados;
	}

	public void leDados() throws Exception {

		DataSource fonte = new DataSource(caminhoDados);
		dados = fonte.getDataSet();

		// seta o atributo classe caso o formato de dados nao contenha essa informacao
		if (dados.classIndex() == -1)
			dados.setClassIndex(dados.numAttributes() - 1);
	}

	public void imprimeDados() {

		// Imprime cada instância (linha) dos dados
		for (int i = 0; i < dados.numInstances(); i++) {
			Instance atual = dados.instance(i);
			System.out.println((i + 1) + ": " + atual + "\n");
		}
	}

	//Cria uma instância da árvore J48 e avalia seu desempenho
	public void arvoreDeDecisaoJ48() throws Exception {


		// Cria uma nova instancia da arvore
		J48 tree = new J48();

		// Constrói classificador
		tree.buildClassifier(dados);

		// Imprime a arvore
		System.out.println(tree);

		// Avalia o resultado
		System.out.println("Avaliacao inicial: \n");
		Evaluation avaliacao;
		avaliacao = new Evaluation(dados);
		avaliacao.evaluateModel(tree, dados);
		System.out.println("Instancias corretas: " + avaliacao.correct() + "\n");

		// Avaliacao cruzada (cross-validation)
		System.out.println("Avaliacao cruzada: \n");
		Evaluation avalCruzada;
		avalCruzada = new Evaluation(dados);
		avalCruzada.crossValidateModel(tree, dados, 10, new Random(1));
		System.out.println("Instancias corretas: " + avalCruzada.correct() + "\n");

		// Neste caso ele imprime o equivalente a uma chamada padrão ao algoritmo, como se
		// estivesse usando a interface gráfica
		System.out.println("Chamada de linha de código: \n");
		String[] options = new String[2];
		options[0] = "-t";
		options[1] = caminhoDados;
		System.out.println(Evaluation.evaluateModel(new J48(), options));

	}
}

Fontes: Use Weka in your Java Code, Weka na Munheca

A Intel disponibiliza alguns downloads gratuitamente, desde que o uso seja para fins não-comerciais. Aqui podemos encontrar os programas disponibilizados nesse sistema, e basta dar um endereço de e-mail válido para a aquisição de um número de série. No meu caso, baixei os seguintes arquivos:

# Intel® C++ Compiler Professional Edition for Linux
# Intel® Fortran Compiler Professional Edition for Linux

Para a instalação basta descompacta-los

tar -xvzf nome_do_arquivo.tar.gz

executar o arquivo install.sh

sudo ./install.sh

e seguir a instalação.

O instalador necessita de alguns arquivos criticos, e informa caso você não os tenha (na minha instalação do icc faltava apenas instalar o g++ para continuar). Também mostra alguns arquivos opcionais para melhor funcionamento dos compiladores, que você pode ou não instalar (no meu caso, não o fiz).

Por padrão, o compilador é instalado (com as devidas mudanças de versão) em:

/opt/intel/Compiler/11.1/038

O último passo é setar as novas variáveis de ambiente, editando o arquivo /etc/profile

# Compilador Intel
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/intel/Compiler/11.1/038/lib/ia32
export PATH=$PATH:/opt/intel/Compiler/11.1/038/bin/ia32

Lembrando que se for uma versão diferente, deve-se mudar no código acima.

Após a instalação obtive o erro abaixo ao tentar compilar um arquivo

Catastrophic error: could not set locale “” to allow processing of multibyte characters

EDIT:Antes eu havia solucionado o problema exportando a variável LANG=C, porém pesquisei um pouco mais e encontrei uma solução melhor. Ao digitar o comando locale vi que a variável LC_ALL estava com o valor vazio; a solução então foi colocá-la no arquivo /etc/environment para que todos os usuários a vissem:

LC_ALL=pt_BR.UTF-8

Instalei primeiro o icc, e depois o ifort. Os dois compiladores vão para a mesma pasta, e uma vez declaras as variáveis de ambiente, não é necessário repetir o processo para o outro compilador.

Fontes: Thinking Parallel, icc @ Ubuntu

Se, como eu, você está a procura de uma base de dados para testar/comparar algum algoritmo de mineração de dados, vale a pena dar uma olhada neste site.

A UCI Machine Learning Repository fundada em 1987, cujo site foi reformulado em 2007, abrange bases relacionadas a Poker até dados sobre problemas cardiacos, diabetes, cartões de credito, etc. Todos disponíveis para a comunidade interessada em aprendizado de máquina.

De acordo com o projeto, o mesmo já foi citado mais de 1000 vezes na literatura relacionada ao tema, tornando-se um dos mais citados na Cência da Computação.

Olá a todos!

Neste primeiro post (de muitos espero), gostaria de apresentá-los à Revista Espírito Livre, lançada em Abril deste ano e que atualmente está em sua terceira edição.

A revista é um projeto da Iniciativa Espírito Livre que pretende difundir a tecnologia no contexto de Software Livre, contando ainda com os apesctos sócio-culturais. Seu formato é digital (PDF) e pode ser baixada gratuitamente pelo site da iniciativa.

Pude ler apenas a primeira edição, e recomendo! A parte técnica foi a que mais me agradou, os textos com temáticas mais subjetivas (pelo menos desta edição) deixaram um pouco a desejar, acredito que pelo fato de apresentarem idéias que já vemos aos montes em outros meios de discussão do Software Livre.