Data Mining I

Código:

CC4018

Sigla:

CC4018

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2014/2015 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Mestrado em Ciência de Computadores

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:AST	6	Plano de Estudos oficial desde_2013/14	1	-	6	42	162
			2
M:CC	19	PE a partir do ano letivo de 2014	1	-	6	42	162
MI:ERS	26	Plano Oficial desde ano letivo 2014	4	-	6	42	162
M:SI	0	Plano de estudos a partir de 2014/2015	1	-	6	42	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Esta disciplina tem como objetivos principais fazer uma introdução às principais metodologias de data mining, e também fornecer conhecimentos sobre programação para a análise de dados usando a linguagem R.

Resultados de aprendizagem e competências

Pretende-se que os(as) alunos(as): 
1. adquiram competências teóricas sobre metodologias de data mining, 
2. adquiram competências de desenvolvimento de software para tarefas de data mining, 
3. adquiram competências sobre a aplicação do data mining a problemas concretos.

Modo de trabalho

Presencial

Programa

1. Introdução ao Data Mining
• Dados, modelos e padrões
• Tarefas de data mining
• Introdução ao processo de data mining

2. Exploração e visualização de dados
• Sumariação de dados
• Visualização de dados

3. Modelos descritivos
• Métodos de agrupamento
- Métodos de partições
- Métodos hierárquicos
• Detecção de casos raros

4. Modelos de previsão
• Problemas de classicação e regressão
• Modelos matemáticos
- Regressão linear
- Naive Bayes
- k Vizinhos mais próximos
• Modelos baseados em regras
- Aprendizagem como procura
• Árvores de decisão
- Árvores de classicação
- Árvores de regressão
- Métodos de pruning
• Redes neuronais
• Máquinas de suporte vectorial
• Ensembles
- Bagging
- Boosting, AdaBoost

5. Metodologias de avaliação/comparação de modelos
• Medidas de avaliação
• Métodos de obtenção de estimativas áveis
• Métodos de comparação / testes de signicância

Bibliografia Obrigatória

000105684. ISBN: 9781439810187 hbk
J. Han , M. Kamber and J. Pei ; Data Mining - Concepts and Techniques (3rd edition), 2011. ISBN: 9780123814791

Bibliografia Complementar

Peter Flach; Machine Learning, Cambridge University Press, 2012. ISBN: 978-1-107-42222-3
000075501. ISBN: 9780262082907 hbk

Métodos de ensino e atividades de aprendizagem

Nas aulas é usado o método expositivo, sendo apresentada uma visão organizada dos temas do programa, bem como exemplos práticos de aplicação dos mesmos.

Software

R - software para análise de dados
Rstudio - IDE para o R

Palavras Chave

Ciências Físicas > Ciência de computadores > Ferramentas de modelação
Ciências Tecnológicas > Tecnologia > Tecnologia da informação
Ciências Físicas > Ciência de computadores > Informática > Informática aplicada
Ciências Tecnológicas > Tecnologia > Tecnologia de computadores > Tecnologia de software

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Teste	65,00
Trabalho escrito	35,00
Total:	100,00

Obtenção de frequência

Para a obtenção da frequência os alunos deverão participar nos dois testes teóricos previstos na unidade curricular.

Fórmula de cálculo da classificação final

A avaliação da disciplina é distribuída, sem exame final, composta por dois (2) testes teóricos durante o semestre e um trabalho prático no final do semestre.

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

NF = 0.65 * NTeórica + 0.35 * NPrática

em que,
NTéorica é a média das notas nos dois testes teóricos e
NPrática é dada pela realização de um trabalho prático.

Provas e trabalhos especiais

Os testes teóricos terão lugar durante duas aulas teóricas, sensivelmente a meio do semestre e no final do mesmo.

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

Avaliação especial (TE, DA, ...)

Os estudantes em regime especial de avaliação, bem como alunos que justifiquem a sua ausência podem realizar os testes teóricos em data e hora a combinar com o docente.

Melhoria de classificação

Dado a avaliação ser distribuída e não ser realizado um exame final, não há lugar a exames de melhoria, recurso ou de época especial.

Observações

Todo o material disponibilizado (slides, livros recomendados, etc.) é na língua Inglesa e no caso de existirem estudante estrangeiros, as próprias aulas poderão ser em Inglês.