Saltar para:
Logótipo
Você está em: Início > CC4024
Mapa das Instalações
FC6 - Departamento de Ciência de Computadores FC5 - Edifício Central FC4 - Departamento de Biologia FC3 - Departamento de Física e Astronomia e Departamento GAOT FC2 - Departamento de Química e Bioquímica FC1 - Departamento de Matemática

Data Mining II

Código: CC4024     Sigla: CC4024     Nível: 400

Áreas Científicas
Classificação Área Científica
OFICIAL Ciência de Computadores

Ocorrência: 2018/2019 - 2S Ícone do Moodle

Ativa? Sim
Página Web: http://www.dcc.fc.up.pt/~rpribeiro/aulas/tads1819
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:A_ASTR 0 Plano de Estudos oficial desde_2013/14 1 - 6 42 162
2
M:CC 17 PE a partir do ano letivo de 2014 1 - 6 42 162
M:ENM 10 Plano de Estudos do M:Engenharia Matemática_2013-2014 1 - 6 42 162
2
MI:ERS 15 Plano Oficial desde ano letivo 2014 4 - 6 42 162
M:M 0 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

- Association Pattern Mining: itemsets frequentes e regras de associação; algoritmo Apriori; sumarização de itemsets e seleção de regras; algoritmo FP-Growth.
- Sequential Pattern Mining: algoritmo GSP; algoritmo PrefixSpan.
- Web Mining: information retrieval; sistemas de recomendação; link analysis.
- Text Mining: clustering de documentos; classificação de documentos.
- Outlier Mining: desafios; técnicas não supervisionadas, semi-supervisionadas e supervisionadas.

Bibliografia Obrigatória

Liu Bing 1963-; Web data mining. ISBN: 978-3-642-19459-7
Hand David 1950-; Principles of data mining. ISBN: 978-0-262-08290-7

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

Componentes de Ocupação

Designação Tempo (Horas)
Elaboração de projeto 0,00
Estudo autónomo 0,00
Frequência das aulas 0,00
Total: 0,00

Obtenção de frequência

Para 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; e ter uma nota mínima no trabalho prático de 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 um (1) trabalho prático durante o semestre. 

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

NF = 0.70 * NT + 0.30 * NP

em que, 
NT é a média das notas nos dois testes teóricos ou da nota de exame e 
NP é dada pela realização do trabalho.

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 no trabalho prático: 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. 

O trabalho prático será anunciado durante o semestre e deverá ser entregue no final do semestre em data a estipular.

Melhoria de classificação

A avaliação do trabalhos prático 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 (slides, livros recomendados, etc.) é disponibilizado na língua Inglesa.
Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Ciências da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-09-23 às 19:33:24 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias