Contacto WhatsApp 963640100

Universidade Lusófona

Técnicas de Datawarehouse

Curso

Engenharia Informática e Sistemas de Informação

Grau|Semestres|ECTS

Mestrado | Semestral | 7

Ano | Tipo de unidade curricular | Lingua

1 |Obrigatório |Português

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

196 | 30

Código

ULHT457-13318

Disciplinas complementares recomendadas

Não aplicável

Pré-requisitos e co-requisitos

Não aplicável

Precedências

Não

Estágio profissional

Não

Conteúdos Programáticos

Parte 1.
- A necessidade duma datawarehouse.
- Factores de desenho duma data warehouse.
- Revisão de normalização, e de-normalização de bases de dados.
- Como ir dos requerimentos de dados, até a implementação final.
- Modelamento de data dimensional.

Parte 2.
- Introdução a Data Science
- Estadistica basica
- Analise de dados exploratoria
- Como e que aprendemos dos (grandes) dados?
- Introdução a visualização de informação

Objetivos

Os objetivos deste curso são principalmente dois. Por um lado introduzir às metodologias e implementação de grandes conjuntos de dados geralmente no contexto da inteligência busines. O foco aqui é sobre a realização de implementações de dados que estejam bem alinhadas com processos cruciais de negócios específicos. Por outro lado, este curso introduz os alunos aos conceitos e técnicas utilizadas na Ciência dos Dados, com uma orientação mais analitica nas areas de inteligência de negocio.

Metodologias de ensino e avaliação

Parte 1 deste curso fornece todos os conceitos necessários, técnicas e metodologias para lidar com objetivos do curso 1-4 , ou seja, todo o ciclo de implementação dum data warehouse. A segunda parte do curso em Data Science destina-se a lidar com os objetivos 4-6 fornecendo aos estudantes uma base sólida sobre as metodologias e técnicas que permitam a transformação de dados em conhecimento útil para a previsão e os processos de tomada de decisão.

Bibliografia principal

(1) W. H. Inmon and Dan Linstedt. 2014. Data Architecture: A Primer for the Data Scientist Big Data, Data Warehouse and Data Vault (1st ed.). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA.

(2) The Data Warehouse Lifecycle Toolkit Second Edition, by Ralph Kimball, Margy Ross, Warren
Thornthwaite, Joy Mundy and Bob Becker, 2008. ISBN: 978-0-470-14977-5.

(3) Nina Zumel and John Mount. 2014. Practical Data Science with R (1st ed.). Manning Publications Co., Greenwich, CT, USA.