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

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.