ISLA IPGT 22491

Extração de Conhecimento de Dados

• ApresentaçãoPresentation

  A extração de conhecimento, padrões ou tendências de base de dados é um elemento essencial na construção de sistemas de apoio à decisão. É uma área intimamente ligada a técnicas de bases de dados, estatística e aprendizagem automática. Destacam-se algumas competências a adquirir: A importância na extração de conhecimento de dados no contexto mais geral da construção de sistemas de apoio à decisão na sociedade de informação e conhecimento; Identificar algumas das técnicas, metodologias e ferramentas de extração de conhecimento a partir de um elevado volume de dados; Aplicar técnicas de extração de conhecimento em contexto experimental.
• ProgramaProgramme

  Descrição dos conteúdos 1. Introdução ao Business Intelligence, Data Mining, metodologia CRISP-DM 2. Sistemas de Data Warehouse e OLAP 3. Adaptive Business Intelligence 4. Preparação dos dados 7. Previsão e Otimização 6. Data Mining: classificação, regressão, segmentação 7. Modelos de Aprendizagem (e.g. Árvores de decisão, Redes Neuronais) 7.1. Modelos Preditivos 7.2. Modelos Descritivos 7.3. Tópicos Avançados 8. Ferramentas (Data Warehouses, OLAP, BI, Data Mining) 8.1. Data Warehouse - Processos de ETL 8.2. Open Source Business Intelligence - Servidores /Clientes OLAP 8.3. Data Mining - Criação de Relatórios, Dashboards 8.4. Análise de Plataformas Data Mining e Business Intelligence Proprietárias e Open Source 8.4.1. Power BI
• ObjectivosObjectives

  Objetivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes). Os objetivos da unidade curricular são os seguintes: Identificar as principais técnicas, metodologias e ferramentas de extracção de conhecimento a partir de um elevado volume de dados; Apresentar as técnicas de Data mining; Apresentar os modelos de aprendizagem; Apresentar e utilizar as ferramentas (Data Wharehouse,OLAP, BI e Data mining). No final da unidade curricular os estudantes devem ser capazes de: Trabalhar com as técnicas de bases de dados, estatística e aprendizagem automática; Construir sistemas de apoio à decisão para as grandes e médias empresas da atualidade; Reconhecer o papel e a importância na extracção de conhecimento de dados no contexto mais geral da construção de sistemas de apoio à decisão na sociedade de informação e conhecimento; Aplicar técnicas de extracção de conhecimento a partir de grandes volumes de dados em contexto real e experimental.
• BibliografiaBibliography

  Gama, J. et al, (2015). Extração de Conhecimento de Dados, Sílabo. Han J., Micheline K. e Jian P. (2012). Data Mining - concepts and techniques, Edições The Morgan Kaufmann Series in Data Management Systems, ISBN: 0123814790. Matthew O. Ward, Georges Grinstein, Daniel Keim (2015). Interactive Data Visualization: Foundations, Techniques, and Applications, 2nd Edition. CRC Press. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann. Sharda, R., Delen, D., Turban- (2017). Business Intelligence, Analytics, and Data Science: A Managerial Perspective (4th Edition)  
• MetodologiaMethodology

  Metodologia de avaliação - contínua: - Trabalho prático (Relatório e projeto): 100% - Todos os estudantes que não tenham concluído com sucesso a avaliação podem realizar um exame final teórico-prático na época de avaliação definida pela instituição.
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  6
• NaturezaNature

  Obrigatório
• EstágioInternship

  Não