Contacto WhatsApp 963640100

Universidade Lusófona

Data Mining

Curso

Informática de Gestão

Grau|Semestres|ECTS

Licenciatura | Semestral | 6

Ano | Tipo de unidade curricular | Lingua

3 |Obrigatório |Português

Total de horas de Trabalho | Tempo de Contacto (horas)

168 | 60

Código

ULHT12-15430

Disciplinas complementares recomendadas

Não aplicável

Pré-requisitos e co-requisitos

Não aplicável

Precedências

Não

Estágio profissional

Não

Conteúdos Programáticos

O programa da disciplina divide-se em quatro componentes principais:

1. Introdução ao Data Mining
2. Preparação e exploração de dados
3. Modelos Descritivos
4. Modelos Preditivos

Objetivos

A disciplina tem por objectivos estimular no aluno:
- A capacidade de análise e síntese;
- A capacidade de organização e planeamento;
- A capacidade para resolver problemas e tomar decisões;
- A capacidade de trabalhar em equipa;
- A capacidade para aplicar na prática conhecimento adquirido;
- A capacidade para gerar novas ideias;

Relativamente à componente técnica, na conclusão do curso, o aluno deverá ser capaz de discutir as principais noções e conceitos associados ao Data Mining tais como:
- Preparação e pré-processamento de dados;
- Desenvolver, comentar e avaliar modelos descritivos;
- Desenvolver, comentar e avaliar modelos preditivos.

Metodologias de ensino e avaliação

A avaliação é constituída por:
1) 25% da Classificação Final: Case Study para Modelos Descritivos;
2) 25% da Classificação Final: Case Study para Modelos Preditivos;
3) 50% da Classificação Final: Exame Teórico

Notas importantes da avaliação:
- Classificação mínima obrigatória de 8 em cada componente.
- As três componentes de avaliação são obrigatórias, independentemente da época em que se realiza o exame.
- Os grupos do case study podem ser entre 2 a 3 elementos.
- Após a entrega do case study, será solicitada uma apresentação em power point do mesmo com duração de 15 minutos.
- Nos primeiros 15 minutos da aula teórica passará uma folha de presenças. Quem comparecer a 70% das aulas terá um bónus de 0,5 valores na nota final.

Bibliografia principal

Berry, M.J.A. and G.S. Linoff (2000). Mastering Data Mining: The Art and Science of Customer Relationship Management. John Wiley & Sons.
Gordon S. Linoff, Michael J. Berry (2011). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. 3rd Edition. Wiley.
Ian H. Witten, Eibe Frank, Mark A. Hall (2011). Data Mining: Practical Machine Learning Tools and Techniques (The Morgan Kaufmann Series in Data Management Systems). 3rd Edition. Mk.
Kattamuri S. (2009). Modeling with SAS Enterprise Miner: Practical Solutions for Business Applications. 2nd ed. SAS Press.