Currículo
Análise de Big Data 03638
Contextos
Groupo: Métodos Analíticos para Gestão > 2º Ciclo > Parte Escolar > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
OA1. Perceber o que é Big Data e as suas principais implicações para as organizações OA2. Aplicar modelos analíticos em Big Data OA3. Avaliar soluções analíticas de Big Data
Programa
CP1. Big Data: Introdução, Desafios, Tendências e Aplicações ao Negócio CP2. Características do Big Data: os V's do Big Data CP3. As Tecnologias do Big Data: Ecossistema Hadoop. HDFS, Map-reduce e Spark. Utilização de plataforma de analytics (e.g. KNIME) CP4. Análise de Streams e Modelos Analíticos para Big Data. Inteligência Artificial, Machine Learning e Deep Learning. Algoritmos de Deep Learning (FNN, Autoencoder, RNN, LSTM, CNN) CP5. Casos de negócio com problemas e soluções analíticas de Big Data (por exemplo, Detecção de Fraude, Previsão da Procura, Análise em Tempo Real,...)
Método de Avaliação
1. Avaliação ao longo do semestre: a) Trabalho de grupo com apresentação (e.g. KNIME (or other ) student challenge) (50%). (OA 2, 3); b) Teste individual (50%). (OA 1, 3); A aprovação em avaliação ao longo do semestre exige: - presença em, pelo menos, 75% das aulas; - nota mínima de 7,5 valores para cada um dos elementos de avaliação;- classificação final mínima de 10 valores. 2. Avaliação por exame: Teste individual (50%) e Trabalho individual com apresentação (50%). A aprovação em avaliação por exame exige: - nota mínima de 10 valores para cada um dos elementos de avaliação; - classificação final mínima de 10 valores. Escala :0-20
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 125.0
Carga Total -