Currículo

Análise de Dados Não Estruturados 03629

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

No final do período curricular desta UC, o aluno deverá: OA1. Identificar e aplicar os conceitos e as tecnologias associadas à área de texto não estruturado e análise de redes sociais com vista a implementar soluções que possam auxiliar a tomada de decisão em contexto de gestão. OA2. Aplicar técnicas de text mining para melhor compreender e gerir problemas de negócio. OA3. Desenvolver a capacidade de estudo, de pesquisa pessoal e de comunicação em Text Mining. OA4. Conhecer o contexto de NLP na Inteligência Artificial actual.

Programa

CP1. Introdução a Análise de Dados não Estruturados e ao Text Mining. CP2. Tokenization, Criação de Dicionários e Preparação do Corpus. CP3. Métodos de Agrupamento de Documentos e Termos. CP4. Modelos de Classificação em Texto. CP5. Aplicação de Casos de Agrupamento de Documentos e Termos à Gestão. CP6. Aplicação de Casos de Classificação de Texto Aplicados à Gestão: Análise de Sentimentos. CP7. Tópicos avançados de NLP.

Método de Avaliação

1) Avaliação ao longo do semestre: a) Teste individual (50%). b) Trabalho de grupo 1 - Ferramentas (Imagens, Vídeo, Som, ou Texto) (15%). c) Trabalho de grupo 2 - Aplicação/Projecto (Imagens, Vídeo, Som, ou Texto) (25%). d) Participação em aula (10%). Aprovação: a) mín. 7,5 valores em cada um dos elementos de avaliação; b) classificação final mín. 10 valores. 2) Avaliação por exame (1ª época): teste escrito (100%), com classificação mínima 10 valores. 3) Avaliação por exame (2ª época): teste escrito (100%) com classificação mínima 10 valores. Escala: 0-20 valores.

Carga Horária

Bibliografia

Principal

• Paaß and Giesselbach (2023). Foundation Models for Natural Language Processing. Springer. Filipowska and Filipiak (2020). Big Data Management and Analytics - Introduction to Text Analytics. Springer. Struhl, S. (2015). Practical Text Analytics: Interpreting Text and Unstructured Data for Business Intelligence (Marketing Science Series). Kogan Page.:

Secundária

• Liu, Lin, Sun (2023). Representation Learning for Natural Language Processing. Springer. Weiss, Indurkhya, Zhang, Damerau (2005). Text Mining: Predictive Methods for Analyzing Unstructured Information. Springer Srivastava, A.N. and Sahami, M. (2009). Text Mining: Classification, Clustering, and Applications. Chapman & Hall/CRC. Feldman, R. and James Sanger, J. (2006). The Text Mining Handbookx\: Advanced Approaches in Analyzing Unstructured Data. Cambridge University Press.:

Disciplinas de Execução