Ciência de Dados Aplicada ao Marketing

Conhecimentos de Base Recomendados

N/A

Métodos de Ensino

Nesta unidade curricular são utilizadas as seguintes metodologias de ensino:

1     – Método expositivo: método explicativo onde fundamentos teóricos e conceito são apresentados pelo professor e discutidos com a turma, seguido de exemplos demonstrativos;

2     – Método experimental: método ativo onde o aluno desenvolve o conhecimento através da resolução de problemas e o desenvolvimento de projectos laboratoriais individuais ou em dinâmica de grupo.

Cada aula será composta por dois momentos:

1 – Exposição introdutória: No início da aula, o docente expõe e discute com os alunos os novos conteúdos em estudo;

2 – Aplicação prática: Após a exposição introdutória, os alunos desenvolvem fichas de trabalho e resolução de problemas, individualmentee em conjunto, para aplicação prática dos novos conceitos, de forma autónoma e sob a orientaçãoo do docente.

Resultados de Aprendizagem

No final do período curricular desta UC, o aluno deverá:

– Identificar os principais conceitos da ciência de dados aplicada ao Marketing– (OA1)

– Implementar aplicações no domínio da ciência de dados – (OA2)

– Utilizar métodos/algoritmos em problemas de ciência de dados e avaliar os resultados – (OA3)

– Avaliar e interpretar o trabalho realizado no âmbito da ciência de dados aplicada ao Marketing – (OA4)

Programa

CP1 – Introdução aos conceitos base de ciências de dados aplicados ao Marketing

CP2 – Metodologia CRISP-DM

CP3 – Modelos para problemas de ciências de dados aplicados ao Marketing

CP4 – Avaliação de modelos e interpretação de resultados

Docente(s) responsável(eis)

Luís Alberto Morais Veloso

Métodos de Avaliação

Avaliação Contínua/Periódica
  • - uma prova escrita - 50.0%
  • - trabalhos práticos - 50.0%
Avaliação por Exame
  • - um trabalho individual - 25.0%
  • - uma prova escrita individual - 75.0%

Estágio(s)

NAO

Bibliografia

Jung, A. (2021). Machine Learning: The Basics. Springer Nature.

Bruce, P., Bruce, A., & Gedeck, P. (2020). Practical statistics for data scientists: 50+ essential concepts using R and Python. O’Reilly Media.

Gama J. (2017); Extração de Conhecimento de Dados Data Mining, Silabo

Miller, T. W. (2020); Marketing data science modeling techniques in predictive analytics with R and python. Pearson Education, Inc.