Ciência de Dados Aplicada à Gestão

São recomendadas noções básicas de estatística.

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 problemas e o desenvolvimento de projetos  individuais ou em dinâmica de grupo.

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

– Identificar os principais conceitos da ciência de dados aplicada à gestão 

– Implementar aplicações no domínio da ciência de dados 

– Utilizar métodos/algoritmos em novos problemas de ciência de dados e avaliar os resultados 

– Avaliar e interpretar o trabalho realizado no âmbito da ciência de dados aplicada à gestão

– Utilizar os conceitos e ferramentas analisadas e discutidas nas aulas em projetos futuros e no mercado de trabalho 

CP1 – Introdução aos conceitos base de ciências de dados aplicados à gestão

CP2 – Metodologia CRISP-DM

CP3 – Exploração de dados

CP4 – Preprocessamento de dados

CP5 – Engenharia de recursos

CP6 – Modelos para problemas de ciências de dados aplicados à gestão

CP7 – Avaliação de modelos e interpretação de resultados

• - Trabalho Individual e/ou de Grupo - 25.0%
• - Exame - 75.0%

• - Exame - 50.0%
• - a) trabalhos práticos - 50.0%

NAO

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

Gama, J., Carvalho, A., Faceli, K., Lorena, A. C., & Oliveira, M. (2012). Extração de conhecimento de dados: data mining.

Grander, G., da Silva, L. F., & Santibañez Gonzalez, E. D. R. (2021). Big data as a value generator in decision support systems: A literature review. Revista de Gestão, 28(3), 205-222.

Jung, A. (2022). The Landscape of ML. In Machine Learning: The Basics (pp. 57-80). Singapore: Springer Nature Singapore.

Karkošková, S. (2023). Data governance model to enhance data quality in financial institutions. Information Systems Management, 40(1), 90-110.

Lu, J., Cairns, L., & Smith, L. (2021). Data science in the business environment: customer analytics case studies in SMEs. Journal of Modelling in Management, 16(2), 689-713.