Currículo
Optimização para Ciência de Dados 03592
Contextos
Groupo: Ciência de Dados - 2025 > 1º Ciclo > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
Ao concluir esta Unidade Curricular com sucesso o estudante será capaz de: OA1. Desenvolver formulações em programação linear, programação linear inteira e programação não-linear para a resolução eficiente de problemas complexos em contextos reais. OA2. Interpretar resultados obtidos por software generalista de resolução de problemas formulados em programação linear, programação linear inteira e programação não-linear. OA3. Fazer a interpretação económica e produzir recomendações baseadas nos resultados obtidos para problemas formulados em programação linear, programação linear inteira e programação não-linear.
Programa
Conteúdos programáticos (CP): CP1: Programação Linear 1.1 Modelo Geral de Programação Linear 1.2 Formulação de problemas em Programação Linear 1.3 Resolução gráfica 1.4 Resolução usando software generalista (Solver para Excel ou outro) 1.5 Interpretação de resultados e análise de sensibilidade CP2: Programação Linear Inteira 2.1 Formulação de problemas em Programação Linear Inteira 2.2 Formulação de problemas com variáveis binárias 2.3 Resolução usando software generalista (Solver para Excel ou outro) 2.4 Interpretação de resultados 2.5 Algoritmo Branch-and-Bound CP3: Programação Não-Linear 3.1 Formulação de problemas em Programação Não-Linear 3.2 Resolução usando software generalista (Solver para Excel ou outro) 3.3 Interpretação de resultados
Método de Avaliação
Avaliação ao longo do semestre ou avaliação por exame: 1. Avaliação ao longo do semestre: a) 5 mini-testes individuais: i) peso de 10%; ii) realizados em aula, ao longo do período lectivo; iii) classificação nesta componente: média aritmética das 4 melhores classificações obtidas nos 5 mini-testes; b) Projecto em grupo: i) peso de 30%; ii) grupos de 4 estudantes; iii) com discussão oral; c) Teste final escrito individual: i) peso de 60%; ii) classificação mínima de 8,5; d) Presença em, pelo menos, 2/3 das aulas leccionadas; e) Aprovação: média ponderada mínima de 9,5. 2. Avaliação por Exame (1.ª e 2.ª Época): a) Exame escrito individual: i) peso de 100%; ii) aprovação: classificação mínima de 9,5. Em ambas as modalidades de avaliação, o estudante poderá ser convocado para uma prova individual, oral ou escrita, destinada a validar a classificação obtida. Escala: 0-20 valores.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 113.0
Carga Total -
Bibliografia
Principal
- * Ragsdale, C.T. (2017). Spreadsheet Modeling and Decision Analysis: A Practical Introduction to Business Analytics. 8th Ed. Cengage Learning.:
Secundária
- * Evans, J. (2021). Business Analytics. 3rd Ed. Global Edition. Pearson. * Hillier, F.S and Lieberman, G.J. (2015). Introduction to Operations Research, 10th Ed., McGraw-Hill. * Ragsdale, C.T. (2001). Spreadsheet Modeling & Decision Analysis: A Practical Introduction to Management Science. 3rd Ed., South-Western College Publishing. * Wolsey, L.A. (1998). Integer Programming. Wiley.: