Conhecimentos de Base Recomendados
Não estão definidas quaisquer precedências relativamente a outras disciplinas e nem são especificados conhecimentos base recomendados.
Métodos de Ensino
As aulas serão lecionadas em regime teórico-prático e a metodologia de ensino incluirá diversos métodos pedagógicos, respetivamente o método expositivo, demonstrativo e o da aprendizagem baseada em projetos.
O método expositivo será utilizado para a apresentação dos conceitos e principais conteúdos da unidade curricular. O docente organiza e expõe oralmente os conteúdos, estruturando o raciocínio e o resultado a obter. Esta exposição será feita com suporte a diapositivos, os quais serão posteriormente disponibilizados aos alunos. Esta exposição será complementada com algumas referências disponibilizadas.
O método demonstrativo será utilizado para exemplificar algumas aplicações de conceitos, nomeadamente a aplicação das diversas técnicas abordadas para cada tarefa da mineração dos dados. Com base em diversas folhas práticas disponibilizadas, o professor partilha o seu saber-fazer e demonstra e auxilia os alunos na sua execução, para que estes efetuem com sucesso o que aí é solicitado, por vezes em papel, outras em computador, através de ferramenta específica para o efeito.
O método da aprendizagem baseada em projetos (ABP) será utilizado para a construção de conhecimento por intermédio de um trabalho longo e contínuo de estudo, cujo propósito é atender a um desafio/problema cujo objetivo é o desenvolvimento de um projeto de Descoberta de Conhecimento em Bases de Dados (DCBD), usando dados de uma organização (privada ou pública), dados abertos ou criando dados através de inquérito.
Resultados de Aprendizagem
Esta disciplina introduz os princípios dos sistemas baseados em conhecimento, bem como a teoria da descoberta de conhecimento em base de dados, apresentando os seus conceitos, fases, principais tarefas, técnicas e algoritmos envolvidos. A descoberta do conhecimento é uma área que se cruza com a área da inteligência artificial e que trata de descobrir relacionamentos e padrões em conjuntos de dados ou texto, com possíveis aplicações em problemas reais em áreas, tais como, marketing, financeira, produção, telecomunicações ou deteção de fraude.
Envolve técnicas comuns à aprendizagem máquina, inteligência artificial e visualização de dados, como a indução de árvores de decisão, as redes neuronais artificiais, os algoritmos genéticos, a indução de regras, os conjuntos difusos e lógica difusa, as redes de Bayes ou a regressão. No final, os alunos são desafiados a desenvolver um projeto de descoberta de conhecimento em base de dados com base numa organização real ou num tema, ou um sistema baseado em conhecimento do tipo sistema baseado em regras.
Os principais objetivos a alcançar são:
O1 – Conhecer a arquitetura geral e as etapas no desenvolvimento de um sistema baseado em conhecimento
O2 – Conhecer as etapas do processo de descoberta de conhecimento em base de dados
O3 – Conhecer e compreender os princípios de algumas das técnicas mais comuns na aprendizagem máquina
O4 – Conseguir aplicar na prática as técnicas de aprendizagem máquina abordadas
O5- Entender uma metodologia adequada para desenvolver um projeto de descoberta de conhecimento em base de dados
O6 – Desenvolver um projeto de descoberta de conhecimento em base de dados com base numa organização real ou num tema
As principais competências a desenvolver são:
C1 – Capacidade de elaborar questões possíveis de responder por um projeto de descoberta de conhecimento em base de dados
C2 – Capacidade de enquadrar um projeto de descoberta de conhecimento em base de dados e de analisar da sua viabilidade
C3 – Habilidade em propor e criar modelos adequados a problemas e desafios concretos
C4 – Aptidão em entender dados existentes de eventuais fontes diversas e preparar novos dados com o objetivo de suportar modelos
C5 – Capacidade em analisar os modelos criados segundo a perspetiva do negócio de uma organização ou de um tema
C6 – Capacidade em propor caminhos alternativos, sejam eles relativos a dados, modelos ou ferramentas
Programa
Introdução aos Sistemas Baseados em Conhecimento
- Conceitos e definições
- Estrutura geral de um SBC
- Processo de desenvolvimento de um SBC
- Planeamento, representação do conhecimento e inferência
- Ferramentas de suporte à construção de um SBC
Sistemas Baseados em Regras
- Introdução aos sistemas baseados em regras
- Regras de produção
- Raciocínio progressivo e regressivo
- Metaconhecimento na resolução de conflitos
- Vantagens e desvantagens
Descoberta de Conhecimento em Bases de Dados e o Data Mining
- Introdução ao Conhecimento em Bases de Dados
- Etapas do processo de Descoberta de Conhecimento em Base de Dados
- Abordagens do Data Mining
- Áreas relacionadas com Data Mining
- Abordagem do Data Mining
Metodologia CRISP-DM
- Entendimento do Negócio.
- Entendimento dos Dados.
- Preparação dos Dados.
- Modelagem.
- Avaliação do Modelo.
- Implementação
Modelos e Técnicas
- Indução de árvores de decisão
- Redes neuronais artificiais
- Algoritmos genéticos
- Indução de regras
- Conjuntos difusos
- Redes de Bayes
- Regressão
Ferramentas, tecnologias e domínios de aplicação
Docente(s) responsável(eis)
Estágio(s)
NAO
Bibliografia
- Berry, Michael J, & Linoff, Gordon. (1997). Data Mining Techniques: For Marketing, Sales, and Customer Support. New York, USA: John Wiley & Sons, Inc.
- Bigus, Joseph P. (1996). Data Mining with Neural Networks: Solving Business Problems from Application Development to Decision Support. Crawfordsville, Indiana, USA: McGraw-Hill, Inc.
- Chakrabarti, Soumen, Cox, Earl, Frank, Eibe, Güting, Ralf Hartmut, Han, Jiawei, Jiang, Xia, Neapolitan, Richard E. (2008). Data Mining: Know It All. Burlinghton, Massachusetts: Morgan Kaufmann Publishers.
- Fernandes, Anita Maria da Rocha. (2005). Inteligência Artificial: Noções Gerais. Brasil: Visual Books.
- Larose, Daniel T. (2005). Discovering Knowledge in Data: An Introduction to Data Mining. Hoboken, New Jersey: John Wiley & Sons, Inc.
- Santos, Manuel Filipe, & Azevedo, Carla Sousa. (2005). Data Mining: Descoberta de Conhecimento em Bases de Dados. Lisboa: FCA.
- Santos, Maribel Yasmina, & Ramos, Isabel. (2009). Business Intelligence: Tecnologias da informação na gestão de conhecimento (2ª ed.). Lisboa: FCA.
- North, Matthew. (2012). Data mining for the masses: A Global Text Project Book.
- Turban, Efraim, Aronson, Jay, & Liang, Ting-Peng. (2007). Decision Support Systems and Intelligent Systems (7th ed.). New Delhi, India: Prentice Hall. Pearson Education, Inc.
- Witten, Ian H, & Frank, Eibe. (2005). Data Mining: Practical machine learning tools and techniques (2nd ed.). San Francisco: Elsevier.