Ficha Unidade Curricular (FUC)

Informação Geral / General Information


Código :
M5700
Acrónimo :
M5700
Ciclo :
2.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :
Inglês

Carga Horária / Course Load


Semestre :
1
Créditos ECTS :
6.0
Aula Teórica (T) :
27.0h/sem
Aula Teórico-Prática (TP) :
9.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
37.0h/sem
Trabalho Autónomo :
113.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area


Ciências e Tecnologias da Informação

Departamento / Department


Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year


2020/2021

Pré-requisitos / Pre-Requisites


N/A

Objetivos Gerais / Objectives


Identificar, discutir e aplicar conceitos e tecnologias associados aos sistemas de Business Intelligence, com um particular destaque para com sistemas de Data Warehouses e de Data Mining.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes


Um/a aluno/a que frequente com sucesso a UC irá: OA1: Identificar e aplicar conhecimento descoberto a partir de bases de dados OA2: Adquirir competências críticas para escolher e aplicar as técnicas mais adequadas perante um problema para o qual existem dados OA3: Desenvolver soluções autónomas para problemas do mundo real que envolvam preparação de dados, modelação, e avaliação de resultados OA4: Propor soluções para suporte à decisão

Conteúdos Programáticos / Syllabus


CP1: Introdução ao Business Intelligence, Data Mining, metodologia CRISP-DM CP2: Sistemas de Dataware houses e OLAP CP3: Adaptive Business Intelligence CP4: Previsão e Optimização CP5: Data Mining: classificação, regressão, segmentação CP6: Modelos de Aprendizagem (e.g. Árvores de decisão, Redes Neuronais) CP7: Apresentação de Diversos Casos de Estudo CP8: Ferramentas (Dataware houses, OLAP, BI, Data Mining), como por exemplo o WEKA e o R CP9: Projecto

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes


OA1: CP1; CP4; CP5; CP6 OA2: CP1; CP5; CP6; CP7; CP9 OA3: CP1; CP7; CP8; CP9 OA4: CP2; CP3; CP7

Avaliação / Assessment


Aval. contínua: 60% de trabalho de grupo + 40% teste Aval. final: 60% de trabalho individual + 40% prova escrita Nota mínima em cada componente: 9 valores Nota mínima final: 10 val.

Metodologias de Ensino / Teaching methodologies


Aulas teóricas (método expositivo com diversos métodos activos) e Aulas práticas (execução de projecto em grupo).

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


O aluno tem obrigatoriamente de realizar duas componentes para poder ter avaliação positiva à UC: prática e teórica. As aulas compreendem um alinhamento entre o ensino teórico e a aplicação prática através de experiências que servem como base para o projeto.

Observações / Observations


Nenhuma

Bibliografia Principal / Main Bibliography


E. Turban, R. Sharda, J. Aronson and D. King, Business Intelligence ? A Managerial Approach, Prentice Hall, 2008. M. Rocha, P. Cortez e J. Neves, Análise Inteligente de Dados - Algoritmos e Implementação em Java, FCA, 2008. M.F. Santos e C. Azevedo, Data Mining - Descoberta de Conhecimento em Bases de Dados, FCA, 2006. I. Witten and E. Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition, Morgan Kaufmann, 2005. Z. Michalewicz, M. Schmidt, M. Michalewicz and C. Chiriac, Adaptive Business Intelligence, Springer-Verlag, Leipzig, Germany, 2007.

Bibliografia Secundária / Secondary Bibliography


I. Witten and E. Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition, Morgan Kaufmann, 2005. Z. Michalewicz, M. Schmidt, M. Michalewicz and C. Chiriac, Adaptive Business Intelligence, Springer-Verlag, Leipzig, Germany, 2007.

Data da última atualização / Last Update Date


2024-02-16