Publicação em Diário da República: Despacho n.º 11262/2016 - 19/09/2016
8 ECTS; 1º Ano, Anual, 20,0 T + 12,0 PL + 20,0 TP + 4,0 S + 32,0 OT + 10,0 O , Cód. 39323.
Docente(s)
- Ricardo Nuno Taborda Campos (1)(2)
- Célio Gonçalo Cardoso Marques (2)
- Vasco Renato Marques Gestosa da Silva (2)
(1) Docente Responsável
(2) Docente que lecciona
Pré-requisitos
Não Aplicável
Objetivos
Esta unidade curricular tem por objetivo introduzir os alunos à extração automática de informação a partir de fontes de dados estruturadas e não estruturadas e apreender os conceitos relacionados com o Business Intelligence (BI).
Ao concluir esta unidade o estudante deverá:
1 entender a importância da linguagem de programação Python no contexto da ciência dos dados;
2 - compreender, implementar e saber usar ferramentas de extração de informação;
3 - entender as diferentes fases de processamento da linguagem natural e saber usar ferramentas de pre-processamento do texto;
4 - Entender a importância do Cloud Computing, as suas caraterísticas, os tipos de serviços e os modelos existentes, bem como, saber implementar soluções neste domínio;
5 - Saber implementar ferramentas de Web Analytics;
6 - Saber fazer uso de ferramentas de Business Intelligence nas redes sociais;
7 - Entender a importância da Competitive Intelligence nas organizações e saber implementar uma estratégia de Competitive Intelligence recorrendo a ferramentas e técnicas de análise neste domínio;
8 - Apreender os conceitos relacionados com o Business Intelligence (BI), nomeadamente BI, Data Warehouse, Dimensões, Factos (Medidas);
9 - Conhecer as fases de um processo de BI: Fontes de dados, processo ETL, Data Warehousing, procedimentos de análise;
10 - Adquirir conhecimentos sobre a plataforma SAP Business Objects/BI: processo de BI no em sistema SAP BO/BI;
11 - Obter competências na utilização de soluções de BI: realização de exercícios no SAP Lumira e no Microsoft Power BI;
12 - Manipular e relacionar dados para analise: Modelação de dados, criação de tabelas, relacionamento de tabelas, obtenção de dados de fontes variadas;
13 - Criar relatórios e dashboards para análise de dados: utilização de objetos visuais para criação de gráficos, tabelas, mapas e visualização dos dados em dispositivos móveis.
Programa
1 Python na ciência dos dados
1.1 O que é a extração de informação
1.2 Porquê usar Python?
1.3 História do Python
1.4 Características
1.5 Vantagens
1.6 Jupyter Anaconda
2 - Aquisição de Dados
2.1 Definição e objetivos
2.2 Extração de Informação a partir de Ficheiros (texto, imagens, pdfs, word, html, csv, json)
2.3 Consumo de APIs
2.4 Web Scraping
2.5 Web Crawling
2.6 Web Dynamics
2.7 Arquivos da Web
3 - Pre-processamento de Texto
3.1 Parsing
3.2 Divisão de frases
3.3 Tokenização
3.4 Stopwords
3.5 Normalização
3.6 Stemming
3.7 Reconhecimento de Entidades
3.8 Part of Speech
4 - Cloud Computing
4.1 Contextualização histórica
4.2 Caraterísticas
4.3 Serviços
4.4 Implementação
4.5 Modelos
5 - Web Analytics
5.1 Métricas
5.2 Ferramentas
5.3 Implementação
5.4 Web Analytics 2.0
6 - Business Intelligence nas redes sociais
6.1 Redes Sociais
6.2 Social Engagement e Social Marketing
6.3 Gestão de crises nas redes sociais
6.4 Business Intelligence 2.0
7 - Competitive Intelligence
7.1 Categorias
7.2 Técnicas de análise
7.3 Ferramentas
7.4 Implementação
8 - Conceitos de Business Intelligence(BI):
8.1 BI
8.2 Data Warehouse
8.3 Dimensão
8.4 Facto (Medida)
9 - Fases de um processo de BI:
9.1 Fontes de dados
9.2 Processo ETL: Extract, Transform and Load
9.3 Data Warehouse
9.4 Procedimentos de análise e criação de relatórios, tabelas e dashboards
10 - SAP Business Objects/BI:
10.1 Data Source
10.2 InfoObjects (IOBJ)
10.3 Advanced Data Store (ADSO)
10.4 Composite Provider
10.5 Query
10.6 BI Clients
11 - Soluções de BI:
11.1 SAP Lumira
11.2 Microsoft Power BI
12 - Modelação de dados:
12.1 Criação de tabelas
12.2 Relacionamento de tabelas
12.3 Obtenção de dados de fontes variadas
12.4 Tipos de dados
12.5 Correção de dados
13 - Criação de relatórios e dashboards:
13.1 Gráficos
13.2 Tabelas
13.3 Mapas
13.4 Visualização de dados em dispositivos móveis
Metodologia de avaliação
Realização de dois projetos e duas frequências.
Projeto I: 20%
Projeto II: 30%
Frequência I: 20%
Frequência II: 30%
Cada item de avaliação com nota mínima de 7 valores em 20, para dispensar de exame.
Bibliografia
- Beasley, M. (2013). Practical Web Analytics for User Experience: How Analytics Can Help You Understand Your Users. Waltham: Morgan Kaufmann
- Burke, C. (2014). Competitive Intelligence the Internet Way. s.l.: SB2 Group
- Croft, B. e Metzler, D. e Strohman, T. (0). Search Engines: Information Retrieval in Practice. Acedido em 11 de janeiro de 2016 em http://ciir.cs.umass.edu/irbook/
- Mahmood, Z. e Puttini, R. e Erl , T. (2013). Cloud Computing: Concepts, Technology & Architecture. s.l.: Prentice Hall
Método de Ensino
Exposição dos conteúdos programáticos aos alunos com recurso ao método expositivo e demonstrativo. Análise e resolução de casos práticos
Software utilizado nas aulas
Jupypter Anaconda / Python
Ferramentas relacionadas com social media, Web analytics e competitive intelligence;
Moodle.
SAP
Aprovado em Conselho Técnico Cientifico: 07 de novembro de 2023
Download da Ficha da Unidade Curricular (FUC)
