Data Mining II

Código:

CC4024

Sigla:

CC4024

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2016/2017 - 2S

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:CC	16	PE a partir do ano letivo de 2014	1	-	6	42	162
M:ENM	23	Plano de Estudos do M:Engenharia Matemática_2013-2014	1	-	6	42	162
MI:ERS	13	Plano Oficial desde ano letivo 2014	4	-	6	42	162
M:M	5	Plano de Estudos do M:Matemática	1	-	6	42	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Identificação e aplicação de técnicas de data mining para a extração de conhecimento a partir de diversas fontes de dados (texto, web, etc.).

Resultados de aprendizagem e competências

O estudante é capaz de: 
- reconhecer diferentes problemas resolúveis através da utilização das técnicas de data mining abordadas e especificadas nos conteúdos;
- identificar e especificar tarefas de data mining idênticas às abordadas; 
- obter e pré-processar dados para os algoritmos e as tarefas abordados; 
- compreender e utilizar algoritmos de data mining; 
- obter, interpretar, avaliar e utilizar modelos de data mining; 
- implementar alguns dos algoritmos e propor alterações para os melhorar.

Modo de trabalho

Presencial

Programa

• Frequent Pattern Mining


• Sequence Mining


• Outlier Mining 


• Web Mining


• Text Mining

Bibliografia Obrigatória

Liu Bing 1963-; Web data mining. ISBN: 9783642194597 hbk
Hand David 1950-; Principles of data mining. ISBN: 9780262082907 hbk

Bibliografia Complementar

Charu C. Aggarwal; Data Mining - The Texbook, Springer, 2015. ISBN: 978-3-319-14141-1

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.

Software

RStudio
R

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	70,00
Trabalho prático ou de projeto	30,00
Total:	100,00

Obtenção de frequência

Os estudantes deverão participar ou nos dois testes teóricos previstos na unidade curricular ou no exame final constituído por duas partes referentes aos conteúdos do teste 1 e do teste 2.

Nota mínima nos trabalhos práticos: 35% (7 valores em 20)

Fórmula de cálculo da classificação final

A avaliação da disciplina é distribuída, composta por dois (2) testes teóricos durante o semestre (ou em alternativa um exame final),  e dois (2) trabalhos práticos durante o semestre.

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

NF = 0.70 * NTeórica + 0.30 * NPrática

em que,
NTéorica é a média das notas nos dois testes teóricos ou da nota de exame e
NPrática é dada pela realização dos dois trabalhos.

Haverá dois testes durante o semestre. Estes não são obrigatórios, mas quem obtiver nota mínima em cada teste e cada trabalho e tiver a média NF positiva (acima de 9.5), não precisa ir fazer o exame final.

Nota mínima nos testes e nos trabalhos práticos: 35% (7 valores em 20)

Provas e trabalhos especiais

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

Os trabalho práticos serão anunciados durante o semestre e deverão ser entregues a meio e no final do semestre em datas a estipular.

Melhoria de classificação

A avaliação dos trabalhos práticos não é passível de melhoria.O estudante pode melhorar a nota teórica submetendo-se ao exame final da época normal ou de recurso.

 

Observações

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