Aspetos Fundamentais da Ciência de Dados
Objetivos
A definir.
Caracterização geral
Código
100151
Créditos
4.0
Professor responsável
Frederico Miguel Campos Cruz Ribeiro de Jesus
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
A definir.
Bibliografia
- Notes and PowerPoint Slides of the course;
- Notes and PowerPoint Slides of the course;
- Lillian Pierson, Data Science For Dummies (2nd Edition);
- Foster Provost and Tom Fawcett, Data Science for Business (1st Edition), Chapters: 1 ,2, 6, 9, 11, 13;
- Bill Schmarzo, Big Data MBA: Driving Business Strategies with Data Science;
- Bernard Marr, Big Data in Practice: How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results;
- Shapiro and Varian, Information Rules - A Strategic Guide to the Network Economy, Chapters: 1; 2; 3; 5 e 7;
- Thomas Davenport, Don Cohen, Al Jacobson (2005) "Competing on Analytics", Working Knowledge Research Report, Babson Executive Education;
- Disruptive Technologies: Advances that will Transform Life, Business, and the Global Economy, May 2013, McKinsey Global Institute.
Método de ensino
A unidade curricular baseia-se em aulas teóricas-práticas e aulas laboratoriais. As aulas teóricas-práticas incluem a apresentação de conceitos e metodologias e discussão, assim como a demonstração da resolução de problemas. As aulas laboratoriais destinam-se à resolução presencial de alguns exercícios propostos e para os quais o docente esclarece as dúvidas existentes. As aulas de seminário destinam-se à apresentação de projetos.
Método de avaliação
Os alunos devem desenvolver 5 tarefas práticas e um projeto. O projeto que consiste em produzir um relatório sobre um tópico da escolha deles baseado em dados secundários.
O modelo da avaliação final é:
Avaliação Contínua - Tarefas (4% cada, total de 20%),
Projeto (40%)
Exame (40%).
Conteúdo
UA1. A Sociedade de Informação;
UA2. Ciência de Dados: O que é?
UA3. Engenharia de dados e infraestrutura;
UA4. A tomada de decisão baseada em dados;
UA5. Métodos Clássicos e de Aprendizagem Máquina;
Técnicas de modelação tradicionais;
Técnicas de Clustering;
Técnicas baseadas em instâncias;
UA6. Casos de estudo de Ciência de Dados.