Currículo

Aplicações de Sistemas Integrados de Apoio à Decisão 04192

Contextos

Groupo: Escola de Tecnologias e Arquitetura > Optativas > Departamento de Ciências e Tecnologias da Informação > 2º Ciclo

ECTS

6.0 (para cálculo da média)

Objectivos

Os estudantes saberão desenvolver um projecto integrado com todas as suas componentes, desde o planeamento, concepção e implementação. OA1 - Identificar as necessidades analíticas do projeto (compreensão do negócio) OA2 - Identificar as variáveis que conduzem ao conhecimento necessário OA3 - Tratar os dados com técnicas e ferramentas apropriadas para se atingir os objetivos propostos OA4 - Produzir em documento adequado a correta divulgação dos resultados obtidos, explicando as decisões de implementação do projeto OA5 - Lidar com o problema da privacidade, acesso e qualidade dos dados OA6 - Desenvolver um pensamento crítico na exploração, análise e comunicação de dados para a tomada de decisão OA7 - Conceber modelos de data mining com dados reais

Programa

CP1 - Divulgação e seleção de projetos aplicados em Sistemas Integrados de Apoio à Decisão CP2 - Revisão da metodologia de desenvolvimento de projetos de Data Mining (CRISP-DM) CP3 - Desenvolvimento do projeto com técnicas e ferramentas apropriadas a cada projeto CP4 - Templates de divulgação de resultados obtidos CP5 - Questões de privacidade, acesso e qualidade de dados CP6 - Escrita de artigo científico

Método de Avaliação

A UC não tem a modalidade de avaliação por exame dado a sua natureza de projeto aplicado a situações reais. A avaliação ao longo do semestre é composta pelas seguintes componentes de avaliação do trabalho prático/ projeto: - três entregas intercalares apresentados em aula (em grupo, com nota individual) - 15% (3*5%) - relatório final em formato de artigo (em grupo, com nota individual) - 50% - apresentação e discussão do projeto (em grupo, com nota individual): 35% Os projetos podem ser realizados individualmente ou em grupo (de 3 a 4 elementos). Nota mínima de 10 valores no relatório final e na apresentação e discussão do projeto. O trabalho final deverá ser entregue no início da época de avaliações. As apresentações dos projetos são realizadas com cada grupo durante o período de avaliação. É obrigatória a presença de todos os elementos do grupo na apresentação final do projeto prático. A avaliação em época especial de um aluno inclui as seguintes componentes: - relatório final em formato de artigo do projeto individual: 50% - apresentação e discussão do projeto individual: 50%

Carga Horária

Carga Horária de Contacto -

Trabalho Autónomo - 114.0

Carga Total -

Bibliografia

Principal

- Cady, F. (2017) The Data Science Handbook (1st Ed.). Wiley - Mckinney, W. (2017) Python for Data Analysis (2nd Ed.). O'Reilly Media - Albon, C. (2018) Machine Learning with Python Cookbook: Practical solutions from preprocessing to deep learning. O'Reilly Media - Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media - Nelson, D. (2020) Data Visualization in Python. Publisher: ‎ Independently - O'Reilly, T. (2010). Open Government: Collaboration, Transparency, and Participation in Practice. O'Reilly Media - OpenCV: Open Source Computer Vision Library. (https://opencv.org/) - TensorFlow: An Open Source Machine Learning Framework for Everyone. (https://www.tensorflow.org/) - Outra dependente dos temas específicos dos projectos práticos dos alunos.: