Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Ciências e Tecnologias da Programação
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
Conhecimentos básicos de programação, probabilidades e estatística, e álgebra linear.
Objetivos Gerais / Objectives
O objectivo geral desta UC é dar formação nas técnicas e algoritmos que permitem extrair modelos e conhecimento a partir de grandes quantidades de informação.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
No final da UC os alunos deverão ser capazes de: OA1: compreender e identificar os problemas associados ao processamento de grandes quantidades de informação OA2: saber aplicar técnicas de aprendizagem automática em problemas de grande dimensão OA3: compreender as diferentes técnicas dos sistemas de recomendação OA4: saber como realizar a análise de dados a partir de sequências OA5: compreender o uso de funções de hash no contexto de encontrar itens semelhantes OA6: saber como determinar items frequentes e definir regras de associação OA7: compreender técnicas de processamento de grafos
Conteúdos Programáticos / Syllabus
CP1 Fundamentos de Big Data CP2 Aprendizagem automática para larga escala CP3 Sistemas de recomendação CP4 Aprendizagem a partir de sequências CP5 Encontrar itens semelhantes CP6 Itens frequentes e regras de associação CP7 Análise de grafos
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes
A interligação entre os conteúdos programáticos (CP) e os objetivos de aprendizagem (OA) realiza-se da seguinte forma: CP1 Fundamentos de Big Data: OA1 CP2 Aprendizagem automática para larga escala: OA2 CP3 Sistemas de recomendação: OA3 CP4 Aprendizagem a partir de sequências: OA4 CP5 Encontrar itens semelhantes: OA5 CP6 Itens frequentes e regras de associação: OA6 CP7 Análise de grafos: OA7
Avaliação / Assessment
Esta UC contempla as seguintes modalidades de avaliação: (1) avaliação ao longo do semestre; (2) avaliação por exame. (1) Avaliação ao longo do semestre A nota final é composta por: • Teste escrito individual, realizado durante o semestre (40%); • Teste escrito individual, realizado no final do semestre (60%). (2) avaliação por exame A nota final será a obtida num único exame escrito, incluindo o exame de época especial.
Metodologias de Ensino / Teaching methodologies
As aulas são teórico-práticas, alternando entre a exposição dos assuntos de cariz teórico e a realização de exercícios.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Esta unidade curricular requer conceitos teóricos que serão abordados nas aulas teórico-práticas e avaliados na parte escrita da avalição, correspondendo a todos os objectivos de aprendizagem. Em complemento, os conceitos teóricos são aplicados com recurso às técnicas de programação estudadas, correspondendo igualmente a todos os objectivos de aprendizagem. Isso é feito nas aulas práticas e a avaliação realizada nos testes ou no exame final, consoante a modalidade de avaliação escolhida.
Observações / Observations
Bibliografia Principal / Main Bibliography
Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale, Ofer Mendelevitch, Casey Stella and Douglas Eadline, Addison-wesley, 2016. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, Sandy Ryza et al., O'Reilly Media, 2017. Learning Spark: Lightning-Fast Big Data Analysis, Holden Karau, A. Konwinski, P. Wendell and M. Zaharia, O'Reilly Media, 2015. Big Data: Algorithms, Analytics, and Applications, Kuan-Ching Li et al., Chapman and Hall/CRC, 2015. Mining of Massive Datasets, A. Rajaraman, J. Ullman, 2011, Cambridge University Press.
Bibliografia Secundária / Secondary Bibliography
Data da última atualização / Last Update Date
2025-07-15