Capstone Project
Objectives
A definir.
General characterization
Code
100171
Credits
8.0
Responsible teacher
Fernando José Ferreira Lucas Bação
Hours
Weekly - Available soon
Total - Available soon
Teaching language
Portuguese. If there are Erasmus students, classes will be taught in English
Prerequisites
A definir.
Bibliography
Provost, F., Fawcett, T. (2013) Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking, O´Reilly Media, ISBN-13 : 978-1449361327.
Berry, M.J.A. Linoff, G., 2011, Data Mining Techniques for marketing, sales and customer support. Third Edition, John Wiley & Sons, ISBN-13 : 978-0470650936
Shan, C., Chen, W., Wang, H., Song, M., (2015) The Data Science Handbook: Advice and Insights from 25 Amazing Data Scientists, Data Science Bookshelf, ISBN-13 : 978-0692434871
Cady, F., (2017) The Data Science Handbook? 1st Edition, Wiley, ISBN-13 : 978-1119092940
Teaching method
A unidade curricular baseia-se em aulas teóricas de enquadramento do projeto, seus objetivos e enquadramento de abordagem. Ensino tutorial onde os alunos serão acompanhados no desenvolvimento dos seus projetos. Seminários com cientistas de dados convidados que testemunharão a sua experiência quer no desenvolvimento de projetos, quer no desenvolvimento da sua carreira. Finalmente, aprendizagem através da execução do projeto, interagindo com os colegas de grupo, professores e eventuais tutores empresariais.
Evaluation method
Avaliação:
Baseia-se exclusivamente na avaliação do projeto que pode ser realizado em contexto empresarial ou académico. A classificação final resulta dos seguintes componentes:
- Apresentação do problema: 20%;
- Processo de desenvolvimento e implementação: 30%
- Relatório técnico e apresentação do projeto (avaliado com base na qualidade da revisão da literatura existente, seja académica ou profissional, complexidade técnica da solução, resultados obtidos): 50%
Subject matter
A unidade está organizada em 4 Unidades de Aprendizagem (UA):
UA1 - Introdução aos projectos de ciência de dados;
1- O processo de desenvolvimento de soluções analíticas;
2- Metodologia CRISP-DM
UA2 - Do problema de negócio para a solução analítica
1- Compreensão do problema de negócio e disponibilidade de dados;
2- Decomposição do problema de negócio nas suas componentes analíticas;
UA3 - Da solução analítica para a solução de negócio;
1- Avaliação da robustez e precisão da solução;
2- Implementação
UA4 - Lições práticas de Cientistas de Dados;
1- Seminários com Cientistas de Dados convidados;