Aspetos Fundamentais da Ciência de Dados

Objectivos

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.

Cursos

Cursos onde a unidade curricular é leccionada: