Data Stream Mining

Código:

CC4073

Sigla:

CC4073

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2024/2025 - 2S

Ativa?	Não
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Mestrado em Ciência de Dados (Data Science)

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:DS	0	Plano Oficial a partir de 2018_M:DS	1	-	6	42	162

Língua de trabalho

Inglês

Objetivos

No final do semestre os alunos deverão ser capazes de formular problemas de decisão a partir de fluxos de dados.
Serem capazes de aplicar métodos/algoritmos a um novo problema de análise de fluxos de dados.
Serem capazes de avaliar os resultados e compreender o funcionamento dos métodos estudados.

Resultados de aprendizagem e competências

Conhecimento como formular um problema de extracção de conhecimento a partir de fluxos de dados.
Capacidade de aplicar métodos/algoritmos a novos problemas de análise de fluxos dados.
Avaliar os resultados e compreender o funcionamento dos métodos estudados.

Modo de trabalho

Presencial

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

Conhecimentos básicos de extração de conhecimentos

Programa

S1- Fluxos de dados: definições e métodos.
Formulação do problema e técnicas.
Aproximação e randomização.
Problemas ilustrativos e algoritmos.

S2 - Ferramentas para processamento de fluxo de dados:
MOA, SAMOA, River, CapyMOA.

S3 - Clustering de fluxos de dados: métodos básicos de streaming para clustering.
Algoritmos de clustering de última geração.
Clustering de séries temporais.


S4 - Deteção de mudança: definição de problema. Métodos básicos para lidar com dados em evolução.
Métodos de detecção: Algoritmos CUSUM, SPC, ADWIN

S5- Aprendizagem de árvores de decisão a partir de fluxos de dados.
Árvores de decisão incrementais. Árvores de decisão e detecção de alterações.


S6 - Modelos de ensemble: online bagging e boosting. Algoritmos de maioria ponderada dinâmica.

S7- Avaliação de algoritmos de aprendizagem de fluxo de dados.
Métricas de avaliação. Abordagens sequenciais preditivas.


S8 - Aplicações: 
sistemas de recomendação, fluxos de cliques e social media.


S9- Detecção de novidade.
Classificação de uma classe, detecção de novidade e reconhecimento de conjunto aberto.
Métodos baseados em clusters para detecção de novidades.


S10- Data mining ubíqua.
Clustering distribuído: duas visualizações.
Dados de cluster distribuídos
Fontes de dados de cluster distribuídas.


S11 - Redes Evolutivas.
Acompanhamento de comunidades em desenvolvimento em redes sociais de larga escala.

S12 - Padrões frequentes: definição de problema.
Algoritmos aproximados para contar a frequência dos itens.
Algoritmos aproximados para contar a frequência dos conjuntos de itens.

Bibliografia Obrigatória

Gama João; Knowledge discovery from data streams. ISBN: 978-1-4398-2611-9
Albert Bifet, Ricard Gavalda; Machine Learning for Data Streams, MIT Press, 2017

Métodos de ensino e atividades de aprendizagem

Aulas teórico-praticas

Software

https://riverml.xyz/latest/
https://capymoa.org/

Palavras Chave

Ciências Físicas > Ciência de computadores > Cibernética > Inteligência artificial

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Apresentação/discussão de um trabalho científico	40,00
Participação presencial	20,00
Trabalho escrito	40,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	2,00
Frequência das aulas	42,00
Trabalho de investigação	78,00
Elaboração de projeto	40,00
Total:	162,00

Obtenção de frequência

Obtenção de aprovação nos dois trabalhos.

Fórmula de cálculo da classificação final

Os trabalhos deverão ser realizados em grupos de 2 alunos.

Trab1 - nota 1º trabalho
Trab2 - nota 2º trabalho
Final - Nota final.

Se Trab1 > 9.5 e Trab2 > 9.5 então
     Final = 0.5 * Trab1 + 0.5 * Trab2