A geracao de grandes volumes de dados, tambem conhecidos com Big Data, vem se tornando muito comum em ambientes academicos e corporativos. Nesse contexto, e essencial que as aplicacoes que processam Big Data explorem da melhor forma possivel as infraestruturas distribuidas de alto desempenho, possivelmente presentes nesses ambientes, atraves da implantacao dessas aplicacoes sobre sistemas de computacao intensiva de dados tais como o popular Hadoop. No que diz respeito a configuracao desta plataforma, observa-se uma quantidade consideravel de parametros que devem ser ajustados e os quais os usuarios normalmente nao tem nocao de como faze-los, resultando em um Hadoop mal configurado e com um desempenho aquem do seu real potencial. Este trabalho propoe um processo para auxiliar a configuracao eficiente do Hadoop atraves do uso de tecnicas empiricas que utilizam subespacos de parametros dessa plataforma, e da aplicacao de analises estatisticas para verificar a relevancia dos mesmos, extraindo os valores otimizados em funcao do subespaco de parametros considerado."