Projeto de Curso

Objectivos

A definir.

Caracterização geral

Código

100171

Créditos

8.0

Professor responsável

Fernando José Ferreira Lucas Bação

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

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

Método de ensino

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.

Método de avaliação

Avaliação:

Baseia-se exclusivamente na avaliação do projeto que pode ser realizado em contexto empresarial ou académico. A classificação final resulta dos seguintes componentes:

  1. Apresentação do problema: 20%;
  2. Processo de desenvolvimento e implementação: 30%
  3. 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%

Conteúdo

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;
 

Cursos

Cursos onde a unidade curricular é leccionada: