Currículo
Algoritmos para Big Data 02864
Contextos
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Multimédia > Optativas > 1º Ano
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Multimédia > Optativas > 1º Ano
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Sistemas de Informação e Gestão do Conhecimento > Optativas > 1º Ano
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Sistemas de Informação e Gestão do Conhecimento > Optativas > 1º Ano
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Sistemas de Informação e Gestão do Conhecimento > Optativas > 1º Ano
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Multimédia > Optativas > 2º Ano
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Sistemas de Informação e Gestão do Conhecimento > Optativas > 2º Ano
Groupo: Engenharia Informática > 2º Ciclo > Parte Escolar > Ramos > Multimédia > Optativas > 1º Ano
ECTS
6.0 (para cálculo da média)
Objectivos
No final da UC os alunos deverão ser capazes de: OA1: compreender e identificar os problemas associados ao processamento de grandes quantidades de informação OA2: saber aplicar técnicas de aprendizagem automática em problemas de grande dimensão OA3: compreender as diferentes técnicas dos sistemas de recomendação OA4: saber como realizar a análise de dados a partir de sequências OA5: compreender o uso de funções de hash no contexto de encontrar itens semelhantes OA6: saber como determinar items frequentes e definir regras de associação OA7: compreender técnicas de processamento de grafos
Programa
CP1 Fundamentos de Big Data CP2 Aprendizagem automática para larga escala CP3 Sistemas de recomendação CP4 Aprendizagem a partir de sequências CP5 Encontrar itens semelhantes CP6 Itens frequentes e regras de associação CP7 Análise de grafos
Método de Avaliação
Esta UC contempla as seguintes modalidades de avaliação: (1) avaliação ao longo do semestre; (2) avaliação por exame. (1) Avaliação ao longo do semestre A nota final é composta por: • Teste escrito individual, realizado durante o semestre (40%); • Teste escrito individual, realizado no final do semestre (60%). (2) avaliação por exame A nota final será a obtida num único exame escrito, incluindo o exame de época especial.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 113.0
Carga Total -
Bibliografia
Principal
- Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale, Ofer Mendelevitch, Casey Stella and Douglas Eadline, Addison-wesley, 2016. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, Sandy Ryza et al., O'Reilly Media, 2017. Learning Spark: Lightning-Fast Big Data Analysis, Holden Karau, A. Konwinski, P. Wendell and M. Zaharia, O'Reilly Media, 2015. Big Data: Algorithms, Analytics, and Applications, Kuan-Ching Li et al., Chapman and Hall/CRC, 2015. Mining of Massive Datasets, A. Rajaraman, J. Ullman, 2011, Cambridge University Press.:
Secundária
- :