Currículo
Tomada de Decisão Baseada em Dados TDBD
Contextos
Groupo: Sistemas Integrados de Apoio à Decisão - 2020 > 2º Ciclo > Parte Escolar > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
Para obter sucesso nesta UC o aluno deverá ser capaz de: OA1. Conhecer os diferentes tipos e a evolução dos Sistemas de Apoio à Decisão OA2. Conhecer os princípios fundamentais de Ciência de Dados, e da tomada de decisão e pensamento analítico baseados em dados OA3. Conhecer as características fundamentais dos sistemas de Data Warehouse e Business Intelligece (DW/BI) OA4. Conhecer as técnicas fundamentais de Data Mining OA5. Conhecer os desafios actuais de Big Data Analytics OA6: Identificar o impacto das questões éticas e da qualidade de dados na tomada de decisão baseada em dados OA7. Conhecer os princípios fundamentais da visualização de dados OA8. Aplicar técnicas de programação e análise de dados em Python a casos práticos OA9: Desenvolver um pensamento crítico na exploração, análise e comunicação de dados para a tomada de decisão OA10: Construir e apresentar um poster científico
Programa
CP1. Sistemas de Apoio à Decisão: taxonomia, evolução e características fundamentais CP2. Princípios de Ciência de Dados e tomada de decisão baseada em dados CP3. Sistemas de Data Warehouse e Business Intelligence: características fundamentais CP4. Data Mining: técnicas fundamentais CP5. Desafios de Big Data Analytics CP6. Introdução à visualização de dados CP7: A ética e os dados CP8. Introdução ao Python CP9: Discussão e resolução de casos de estudo em Sistemas Integrados de Apoio à Decisão CP10. Desenho de posters científicos
Método de Avaliação
Dado que a UC tem um carácter eminentemente prático e é uma introdução ao programa de mestrado em SIAD, não existe modalidade de avaliação por exame. A avaliação ao longo do semestre é composta pelas seguintes componentes: - Projeto prático (em grupo, com nota individual) - 50%: inclui a entrega de um poster científico e de um relatório. - Apresentação na sessão de posters (em grupo, com nota individual) - 20% - Revisão por pares de um poster (em grupo): 10% - Assiduidade e participação nas aulas (nota individual): 20% Nota mínima de 10 em todas as componentes da avaliação ao longo do semestre. Os grupos de trabalho são de 2 elementos. Não há possibilidade de realização de projetos individuais. Critérios de elegibilidade para a avaliação ao longo do semestre: assiduidade às aulas mínima de 60% (mínimo de 14 em 24 aulas). É obrigatória a presença de todos os alunos na apresentação final dos projetos práticos, realizados numa sessão de posters. A entrega do projeto prático decorre após o final das aulas. Note-se que esta UC é dada em regime intensivo, a partir do início do semestre, terminando a meio do período letivo. A apresentação final dos projetos na sessão de posters decorre após a última semana de aulas da UC, no período letivo. A avaliação em época especial é composta por uma prova escrita (50%) e um trabalho prático (50%).
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 113.0
Carga Total -
Bibliografia
Principal
- - Materiais diversos fornecidos pelos docentes da UC. - Sharda, R., Delen, D., and Turban, F. (2019) Analytics, Data Science, & Artificial Intelligence: Systems for Decision Support (11th Ed). Pearson Education, Inc, USA - Python Data Science Handbook: essential tools for working with Data (2023) (2nd ed.) OReilly Media - Provost, F., and T. Fawcett (2013) Data Science for Business. OReilly Media - Nussbaumer Knaflic, C. (2015) Storytelling with data: a data visualization guide for business professionals. Wiley, USA. - Siegel, E. (2016) Predictive Analytics, 2nd ed. John Wiley & Sons, USA:
Secundária
- - Kimball, R., Ross, M., Thornthwaite, W., Mundy, J., and Becker, B. (2008) The Data Warehouse Lifecycle Toolkit - practical techniques for building data warehouse and business intelligence systems, 2nd ed. John Wiley & Sons, USA - Tan, P-N., Steinbach, M., and Kumar, V. (2006) Introduction to Data Mining. Addison-Wesley. - Cairo, A. (2016) The Truthful Art: Data, Charts and Maps for Communication. New Riders: