Currículo

Descoberta e Extração de Conhecimento de Dados DECD

Contextos

Groupo: IGE - 2020 > 1º Ciclo > Unidades Curriculares Obrigatórias

ECTS

6.0 (para cálculo da média)

Objectivos

No final desta UC, os estudantes deverão ter desenvolvido capacidades para O1: Discutir os passos principais num processo de descoberta de conhecimento em dados; O2: Discutir tarefas de preparação e extração de conhecimento selecionadas; O3: Distinguir entre diferentes algoritmos de extração de conhecimento; O4: Analisar, desenhar e implementar o processo de descoberta e extração de conhecimento para um projeto típico.

Programa

P1. Introdução: Conceitos e tarefas básicas em data analytics P2. Dados: pré-processamento e exploração P3. Técnicas de classificação e sua avaliação P4. Técnicas de regressão e sua avaliação P5. Técnicas de agrupamento P6. Casos especiais (web mining, text mining, etc.)

Método de Avaliação

A aprovação a esta UC é realizada apenas por avaliação ao longo do semestre, não contemplando a modalidade de avaliação por exame. Instrumentos de avaliação: - 2 testes escritos (20% x 2), um teste intercalar e um teste final, realizado na 1ª época de exames; - Projeto Final (código, relatório e apresentação) com duas entregas (30% x 2), uma entrega intercalar (nesta entrega, apenas código e relatório), que diz respeito à primeira parte do projeto, e outra final do período letivo (penúltima semana, apresentação na última semana) que corresponde ao projeto completo, incluindo a primeira parte (que pode ser melhorada). Requisito de aprovação: nota mínima de 8 valores na média final dos testes. O Projeto Final deve ser realizado em grupo. Em caso de reprovação, a nota dos testes pode ser substituída por uma prova escrita a realizar no período de avaliação correspondente à 2ª época ou época especial.

Carga Horária

Carga Horária de Contacto -

Trabalho Autónomo - 113.0

Carga Total -

Bibliografia

Principal

- Jake VanderPlas, "Python Data Science Handbook: Essential Tools for Working with Data", 1st ed, 2016, O'Reilly (https://jakevdp.github.io/PythonDataScienceHandbook/) - Field Cady, "The Data Science Handbook" 1st Edition. Field Cady (2017), Wiley - Pang-Ning Tan, Michael Steinbach, Anuj Karpatne and Vipin Kumar, "Introduction to Data Mining", Addison-Wesley. Second Edition, 2018:

Secundária

- Jiawei Han and Micheline Kamber, "Data Mining: Concepts and Techniques", Morgan Kaufman Publishers, Third Edition, 2011. - Foster Provost, Tom Fawcett, "Data Science for Business. What you need to know about data mining and data-analytic thinking", O'Reilly. 1st edition, 2013. - Charu C. Aggarwal, "Data Mining: The Textbook", Springer, 2015 :