Currículo

Análise de Dados Exploratória 03628

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

Ao concluir a Unidade Curricular, o estudante deverá ser capaz de: OA1. Avaliar a qualidade dos dados (casos omissos e outliers), listar os padrões dos dados descritivos (estatísticas básicas, transformação de variáveis e relações entre pares de atributos), detectar propriedades de sub-populações de dados significativos, segmentar sujeitos de acordo com várias técnicas de clustering, e identificar padrões ou tendências dos dados, reproduzindo-os na realização de exercícios. OA2. Interpretar os resultados decorrentes de técnicas de sumarização dos dados. OA3. Diferenciar os métodos de redução da dimensionalidade dos dados e de segmentação de sujeitos e escolher os métodos mais adequados a um determinado problema. OA4. Identificar e aplicar o modelo de regressão linear mùltipla na presença de dados adequados à Hotelaria e Turismo.

Programa

CP1. Introdução à Análise exploratória dos dados 1.1. Tipos de dados 1.2. Avaliação da qualidade dos dados: não-respostas e valores extremos CP2. Técnicas de sumarização 2.1. Análise de Dados uni e bivariados Medidas descritivas e representações gráficas. 2.2 Análise de Dados multivariados 2.2.1 Técnicas para reduzir a dimensionalidade dos dados de input: Análise de Componentes Principais (ACP), Análise de componentes principais para dados categóricos (CatPCA), e Análise de correspondência múltiplas (ACM). 2.2.2 Técnicas de segmentação: Hierárquico aglomerativo, k-Means, e Two-Step Clustering. CP3. Técnicas de associação (Market Basket Analysis) Algoritmos Apriori, Carma, e Sequential. CP4. Aplicações de técnicas descritivas em dados reais: utilização do software IBM SPSS Modeler e IBM SPSS Statistics.

Método de Avaliação

Avaliação ao longo do semestre ou avaliação por exame. Avaliação ao longo do semestre: a) 1 Exercício (de 1h 15 m) a realizar online com peso de 10% b) Trabalho de grupo com peso de 40% c) Teste final individual (50%) d) Média ponderada das avaliações individuais de um mínimo de 8.5 e) assiduidade mínima de sete aulas (de 8). 2/3 das aulas leccionadas. Avaliação por exame: exame individual (60%) + trabalho individual (40%) com nota mínima 8,5 a cada prova desde que a nota final seja de 10 no mínimo. Em ambas as modalidade, poderá ser necessário relaizar uma discussão oral do trabalho de grupo ou trabalho individual. Escala: 0-20 valores

Carga Horária

Bibliografia

Principal

• Larose, D. T., Data Mining and Predictive Analytics, 2015, Wiley Series on Methods and Applications, 2nd Ed., ISBN: 978-1-118-11619-7 Camm, J., Cochran, J., Fry, M., Ohlmann, J., Anderson, D., Sweeney, D., & Williams, T., Essentials of Business Analytics, 2017, 2nd ed., Boston: Cengage Learning, 2nd Ed. ISBN- 10 1305627733 Hair, J. H., Black, W. C., & Babin, B. J., Multivariate Data Analysis, 2019, 8th Edition. Cengage. ISBN 1473756545, 9781473756540:

Secundária

• Andy Field (2024) Discovering Statistics using IBM SPSS Statistics. SAGE, Los Angeles (6th Edition).:

Disciplinas de Execução