Disciplina Análise de Dados

O sucesso das organizações depende da capacidade que estas têm de adquirir informação e transformá-la em conhecimento que suporte a tomada de decisão. Todos os dias pode ser gerada e armazenada uma enorme quantidade de dados, os quais têm de ser analisados de modo adequado com recurso a técnicas estatísticas e computacionais. Assim, torna-se pertinente que membros das organizações tenham uma formação apropriada ao nível da análise de dados multidimensionais, tirando partido das novas tecnologias, no sentido de aprenderem a extrair conhecimento de dados e desenvolverem e aplicarem modelos de apoio à decisão e de previsão. Deste modo, a unidade curricular, ao dar essa formação, contribui para o objetivo do mestrado de qualificar os quadros das organizações para o desenvolvimento e reforço da competitividade das mesmas.

Não aplicável

1) Introdução à análise de dados multivariados 2) Análise exploratória e pré-processamento de dados 2.1) Caracterização de dados 2.2) Exploração de dados 2.3) Limpeza e transformação de dados 2.4) Redução de dimensionalidade 3) Clustering 3.1) Algoritmo das k-médias 3.2) Coeficiente silhueta 4) Modelos preditivos 4.1) Algoritmo dos k-vizinhos mais próximos 4.2) Árvores de decisão 4.3) Redes neuronais artificiais 4.4) Avaliação e seleção de modelos preditivos 4.5) Previsão

As aulas são de cariz teórico-prático, onde a exposição teórica do conteúdo programático é acompanhada da apresentação de exemplos práticos e da resolução de exercícios.   Práticas de inovação pedagógica:   As práticas pedagógicas serão mediadas por Tecnologias de Informação e Comunicação, com recurso a computadores e/ou dispositivos móveis. Os estudantes serão expostos a recursos educativos interativos, como quizzes. Promover-se-á a aprendizagem baseada na resolução de problemas, onde os discentes, orientados pelo docente, deverão identificar problemas e planear e realizar percursos de resolução. O objetivo é melhorar o processo de ensino e aprendizagem, dotar os estudantes de competências necessárias aos desafios que se colocam presentemente à humanidade e aumentar a sua motivação relativamente à unidade curricular.

- Gama, J., Carvalho, A., Faceli, K., Lorena, A. & Oliveira, M. (2017). Extração de Conhecimento de Dados - Data Mining (3ª Edição). Edições Sílabo. - Hastie, T., Tibshirani, R. & Friedman, J. (2016). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd Edition). Springer. - Tan, P.-N., Steinbach, M., Karpatne, A. & Kumar, V. (2019) Introduction to Data Mining (2nd Edition). Pearson.