Planeamento

Aulas

Apresentação e Introdução à Ciência de Dados

  • 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)

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


Conceitos fundamentais em CD


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


Conceitos fundamentais em CD (continuação)

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


Metodologias em CD

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


CRISP-DM e Preparação de dados

Preparação de dados (continuação)


CRISP DM - Modelação

  • Tipos de problemas e tarefas principais em CD.


Apresentação do projeto de grupo.

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


Redes Neuronais Artificiais: Introdução

  • Conceitos fundamentais em Redes Neuronais Artificiais


Redes Neuronais Artificiais (continuação)

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


Construção de um modelo de rede neuronal

  • Treino e Teste
  • Optimização de parâmetros


Construção de um modelo de rede neuronal (continuação)

  • Validação de modelos
  • Apoio ao desenvolvimento do projeto


Seminário

Seminário em CD


Apoio ao Projeto

Apoio ao desenvolvimento do projeto.


Seminário II

Seminário em CD.


Apoio ao projeto

Apoio à finalização do trabalho de projeto.