Publicação em Diário da República: Despacho n.º 11262/2016 - 19/09/2016
8 ECTS; 1º Ano, Anual, 36,0 PL + 8,0 TP + 4,0 S + 32,0 OT + 10,0 O , Cód. 39326.
Docente(s)
- Sandra Maria Gonçalves Vilas Boas Jardim (1)(2)
(1) Docente Responsável
(2) Docente que lecciona
Pré-requisitos
Não aplicável.
Objetivos
A. Saber extrair os dados a integrar na pirâmide da informação/conhecimento,
B. Conhecer e saber aplicar técnicas de pré-processamento de dados
C. Conhecer os principais modelos de analítica e os algoritmos que os implementam
D. Conceber e implementar algoritmos para criação de modelos de analítica
Programa
1. Aquisição e pré-processamento de dados (qualidade dos dados, agregação, amostragem, redução da dimensionalidade, seleção de subconjuntos de características, criação de características, discretização e binarização, transformação de atributos)
2. Técnicas de analítica: técnicas de previsão, analítica descritiva (técnica de agrupamento), analítica preditiva (machine learning, regressão e text mining), técnicas de otimização de decisão
3. Algoritmos: algoritmos para a implementação das técnicas abordadas no ponto 2.)
4. Visualização e interpretação de resultados de sistemas de analítica (dashboards)
Metodologia de avaliação
Avaliação por frequência:
Teste escrito (30%), Tarefas semanais individuais (30%), Trabalho prático final (40%)
Avaliação por exame (Normal e Recurso)
Prova escrita (50%), Trabalho Prático (50%)
Em todas as épocas de avaliação, a nota mínima de cada componente é de 7 valores.
Em cada época de avaliação, a aprovação à UC implica uma classificação final igual ou superior a 10 valores.
Bibliografia
- Eckerson, W. (2006). Performance Dashboards: Measuring, Monitoring, and Managing Your Business. New Jersey: John Wiley & Sons
- Howson, C. (2008). Successful business intelligence : secrets to making BI a killer app.. New York: Mc Graw-Hill
- Turban, E. e Sharda, R. e Dursun, D. e King, D. (2011). Business Intelligence: a managerial approach. New Jersey: Prentice Hall
Método de Ensino
Ensino expositivo e de aplicação prática dos conceitos transmitidos.
Software utilizado nas aulas
Keras, Tensorflow, ferramentas de produtividade, plataformas de ensino à distância.
Aprovado em Conselho Técnico Cientifico: 03 de maio de 2022
Download da Ficha da Unidade Curricular (FUC)
