Planeamento

Aulas

Apresentação e Introdução à Ciência de Dados

1

  • Apresentação geral da UC.
  • Introdução à Ciência de Dados (CD):
    • O que é a CD
    • Porquê agora
    • Diferenciação entre CD, Data Mining, Machine Learning e Artificial Intelligence

Introdução à Ciência de Dados (continuação)

2

  • Continuação da aula anterior.
  • Familiarização com a linguagem e ambiente R.

Conceitos fundamentais em CD

3


  • Ciclo de dados.
  • Dados: conceitos fundamentais.
  • Tipos de dados e conjuntos de dados.

Conceitos fundamentais em CD (continuação)

4

  • Open data.
  • Dados: Impactos societais.
  • Continuação da introdução ao ambiente R.

Metodologias em CD

5

  • A metodologia de processo CRISP-DM.
  • Preparação de dados - definições e tarefas importantes.

CRISP-DM e Preparação de dados

6

Preparação de dados (continuação)

CRISP DM - Modelação

7

  • Tipos de problemas e tarefas principais em CD.

Apresentação do projeto de grupo.

8

  • Apresentação do projeto de grupo.
  • Comprensão do domínio e dos dados.

Redes Neuronais Artificiais: Introdução

9

  • Conceitos fundamentais em Redes Neuronais Artificiais

Redes Neuronais Artificiais (continuação)

10

  • Redes neuronais de tipo feed-forward. 
  • Backpropagation e Learning rate

Construção de um modelo de rede neuronal

11

  • Treino e Teste
  • Optimização de parâmetros

Construção de um modelo de rede neuronal (continuação)

12

  • Validação de modelos
  • Apoio ao desenvolvimento do projeto

Seminário

13

Seminário em CD

Apoio ao Projeto

14

Apoio ao desenvolvimento do projeto.

Seminário II

15

Seminário em CD.

Apoio ao projeto

16

Apoio à finalização do trabalho de projeto.