Tópicos Avançados em Ciência de Dados

Código:

CC4061

Sigla:

CC4061

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2025/2026 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Mestrado em Bioinformática e Biologia Computacional

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
E:BBC	0	PE_Bioinformática e Biologia Computacional	1	-	6	42	162
M:A_ASTR	2	Plano de estudos a partir do ano letivo 2024/2025	1	-	6	42	162
			2
M:BBC	3	Plano de estudos oficial a partir de 2025/2026	1	-	6	42	162
M:CC	13	Plano de estudos a partir do ano letivo 2025/2026	1	-	6	42	162
M:CTN	0	Plano de estudos a partir do ano letivo 2025/2026	1	-	6	42	162
M:DS	17	Plano de estudos a partir do ano letivo 2025/2026	1	-	6	42	162
M:ECAD	3	Plano Oficial do ano letivo 2021/2022	2	-	6	42	162
M:ENM	0	Plano de Estudos Oficial a partir de 2023/2024	1	-	6	42	162
			2
M:ENSI	4	Plano Oficial do ano letivo 2025	1	-	6	42	162
M:M	0	Plano Oficial do ano letivo 2024/2025	1	-	6	42	162
			2

Língua de trabalho

Português e inglês
Obs.: All course material are provided in English

Objetivos

Identificação e aplicação de técnicas de ciência de dados para a extração de conhecimento a partir de diversas fontes de dados com um foco em NLP e Information Retrieval. Veremos como lidar e explorar com texto (processamento de linguagem natural), dados de interação (sistemas de recomendação e regras de associação), sequências (sequence mining) e redes num contexto de web e redes sociais (link analysis). Também abordaremos outlier detection e aplicações neste contexto.

Resultados de aprendizagem e competências

No fim do curso o estudante deverá ser capaz de: 
- reconhecer diferentes problemas resolúveis através da utilização das técnicas dabordadas;
- identificar e especificar tarefas dênticas às abordadas; 
- obter e pré-processar dados para os algoritmos e as tarefas abordados; 
- compreender e utilizar os algoritmos; 
- obter, interpretar, avaliar e utilizar modelos; 
- implementar alguns dos algoritmos e propor alterações para os melhorar.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

O estudante deverá estar familiarizado com os conceitos básicos de ciência de dados e aprendizagem computacional e ter conhecimento linguagens de programação utilizadas em tarefas de data mining, tais como a linguagem Python.

Programa

1. Processamento de Linguagem Natural: 
• representação de texto
• pré-processamento
• tarefas de NLP
• abordagens clássicas e de deep learning
• aplicações de NLP

2. Web: 
• information retrieval
• sistemas de recomendação: filtragem colaborativa, fatorização de matrizes e abordagens deep learning
• análise de ligações

3. Extração de padrões frequentes 
• itemsets frequentes e regras de associação
• algoritmos Apriori e FP-Growth.
• sumarização de itemsets e seleção de regras
• abordagens deep learning

4. Descoberta de valores raros: 
• desafios
• técnicas não supervisionadas 
• técnicas semi-supervisionadas
• aplicações em NLP, IR e web

Bibliografia Obrigatória

Daniel Jurafsky & James H. Martin; Speech and Language Processing, Prentice Hall / Pearson, 2025 (https://web.stanford.edu/~jurafsky/slp3/ (3ª edição))
Emrul Hasan, Mizanur Rahman, Chen Ding, Jimmy Xiangji Huang, and Shaina Raza; Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives, ACM, 2025 (https://doi.org/10.1145/3742421)
Petru Kallay, Tudor Dan Mihoc ; Comparative Analysis of Frequent Pattern Mining Algorithms, 2025 (https://link.springer.com/article/10.1007/s44427-025-00008-1)

Métodos de ensino e atividades de aprendizagem

Aulas de caráter teórico-prático onde serão expostos os temas contemplados no programa e fornecidos alguns exemplos práticos de aplicação. Resolução de exercícios na parte prática e realização de um trabalho de grupo com apresentação final e discussão dos resultados.

Software

R
RStudio
Python
Jupyter lab

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho prático ou de projeto	40,00
Exame	50,00
Teste	10,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	35,00
Estudo autónomo	84,00
Apresentação/discussão de um trabalho científico	1,00
Frequência das aulas	42,00
Total:	162,00

Obtenção de frequência

O trabalho prático é obrigatório em todas as entregas previstas.
 
Pelo menos 70% de presenças nas aulas teóricas e práticas laboratoriais.

 

Fórmula de cálculo da classificação final

A avaliação da disciplina é distribuída, composta por um teste, um exame final e um trabalho prático.

O cálculo da classificação combinada é feito pela média pesada das notas práticas e teóricas através da fórmula:

NComb = 0.50 * NE + 0,1*NT + 0.40 * NTP

em que,

NE é a nota obtida no exame e
NTP é a nota do trabalho prático.

A nota final NF é limitada até 30% acima da nota individual (teste mais exame)

NF = min(1,3*NInd,NComb)

Caso a nota do exame seja superior à do teste ou o estudante não tenha feito o teste por razões justificadas, o exame terá um peso de 60% e o teste não é considerado. 

Não obterão aprovação, os alunos que não obtiverem um mínimo de 30% em cada componente (exceto o teste).

O exame de recurso, será cotado para 60% (12 valores em 20) da nota final ou em nota combinada com o teste nas mesmas proporções da época normal

 

Provas e trabalhos especiais

O trabalho prático será anunciado a meio do semestre e deverá ser entregue e apresentado no final do mesmo.

Avaliação especial (TE, DA, ...)

O estudante pode melhorar somente a nota teórica submetendo-se ao exame de recurso.
Não se aplica a obrigatoriedade de presenças mínimas nas aulas.

Melhoria de classificação

A avaliação do trabalho prático não é passível de melhoria.

O estudante pode melhorar a nota teórica submetendo-se ao exame de recurso.

 

Observações

Todo o material (slides, livros recomendados, enunciados, etc.) é disponibilizado na língua Inglesa.