1. Início
  2. NOVA Information Management School
  3. Pós-Graduação em Gestão de Informações e Segurança
  4. Data Mining II

Data Mining II

Objetivos

A unidade curricular de Data Mining II tem como principal objetivo permitir que os alunos obtenham uma compreensão de análises Preditivas em relação à melhoria do desempenho do negócio.
Este curso abordará os conceitos básicos de análise preditiva e dados de modelagem para determinar quais os algoritmos a utilizar.  Permitirá ainda aos alunos a compreensão das semelhanças e diferenças nos modelos analiticos.

Os tópicos abordados incluem algoritmos de análise preditiva para aprendizagem supervisionada, incluindo árvores de decisão, redes neuronais, vizinhos mais próximos, support vector machines, e model ensembles.
No final do curso, os participantes poderão usar essas competências para produzir um conjunto de dados totalmente processado compatível com a construção de modelos preditivos.

Caracterização geral

Código

200028

Créditos

7.5

Professor responsável

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Pré-requisitos

Data Mining I não é pre-requisito.

Bibliografia

Mitchell, T., (1997) ¿Machine Learning¿, McGraw Hill.; Berry, M.J.A. and G.S. Linoff, ¿Data Mining Techniques; for marketing, sales and customer support¿. 1997, John Wiley & Sons.; Hand, D. J., Mannila, H., Smyth, P. (2001) ¿Principles of Data Mining (Adaptive Computation and Machine Learning)¿, MIT Press; 0; 0

Método de ensino

A unidade curricular baseia-se principalmente em aulas teórico-práticas. As sessões teórico-práticas incluem a exposição de conceitos e metodologias, resolução de exemplos, discussão e interpretação de resultados. O trabalho prático, que é muito significativo nesta unidade curricular, é realizado pelos alunos fora das aulas, mas é avaliado.

Método de avaliação

A avaliação é feita através de trabalhos da casa (que contam para 20% da nota final), um trabalho prático de grupo (20%), e um exame escrito final (60%)

Conteúdo

A unidade curricular está organizada em sete Unidades de Aprendizagem (UA): UA1. Introdução aos métodos de previsão em Data Mining UA2. Dados, pré-processamento, e estimativas de erro UA3. Teoria da decisão e sistemas Bayesianos UA4. Aprendizagem e classificação baseada em instâncias UA5. Árvores de decisão UA6. Redes Neuronais UA7. Ensambles