Métodos de Ensino
Nesta unidade curricular são utilizadas as seguintes metodologias de ensino:
1. Método expositivo: método explicativo onde fundamentos teóricos e conceitos são apresentados pelo professor e discutidos com a turma, seguido de exemplos demonstrativos;
2. Método experimental: método activo onde o aluno desenvolve o conhecimento através da resolução de problemas e o desenvolvimento do projectos laboratoriais individuais ou em dinâmica de grupo.
Resultados de Aprendizagem
Espera-se que no final da unidade curricular o aluno esteja habilitado a:
1. Compreender a aplicar as técnicas de exploração e análise inteligente de dados;
2. Projectar e desenvolver abordagens para transformação e análise de dados usando bases de dados de grande dimensão;
3. Extrair, limpar e transformar conjuntos de dados.
Programa
1. Data Mining; Conceitos, Objectivos, Extração de conhecimentos de Bases de Dados, Limpeza e Transformação de Dados, Aprendizagem em Data Mining, Avaliação de Algoritmos, Avaliação de Modelos, Aplicações de Data Mining;
2. Data Warehousing: Arquitectura de Data Warehouse, Modelo Multidimensional, Desenho e Implementação da Área de Estágio (Extração, Transformação e Carregamento).
Docente(s) responsável(eis)
Estágio(s)
NAO
Bibliografia
“The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling”, 3rd Edition; Ralph Kimball, Margy Ross; J. Wiley & Sons; ISBN 0471200247; 2013
“Data Warehousing – Conceitos e Modelos”; Carlos Caldeira; Edições Silabo; ISBN 9789726186960; 2012
“Data Mining: Practical Machine Learning Tools and Techniques”, 3rd Edition; Ian H. Witten, Eibe Frank; Morgan Kaufman; ISBN 0123748569; 2011
“Data Mining: Concepts and Techniques”, 3rd Edition; Jiawei Han, Micheline Kamber, Jian Pei; Morgan Kaufmann; ISBN 0123814790; 2011
“Análise de Dados para Ciências Sociais”, 6.º Edição; Maria Pestana, João Gageiro; Edições Sílabo; ISBN 9789726187752; 2014
“Extracção de conhecimento de Dados”; João Gama et al; Edições Sílabo; ISBN 9789726186984; 2012