Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > 2MDA05
Mapa das Instalações
Edifício Principal | Main Building Edifício Pós-Graduações | Post-Graduate Building

Laboratório

Código: 2MDA05     Sigla: Lb

Áreas Científicas
Classificação Área Científica
OFICIAL Tecnologia da Informação

Ocorrência: 2020/2021 - 1S Ícone do Moodle

Ativa? Sim
Curso/CE Responsável: Mestrado em Modelação, Análise de Dados e Sistemas de Apoio à Decisão

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
MADSAD 35 Plano Oficial - a partir de 2020/2021 1 - 6 42 162

Docência - Responsabilidades

Docente Responsabilidade
Maria Eduarda da Rocha Pinto Augusto da Silva Regente

Docência - Horas

Práticas Laboratoriais: 3,00
Tipo Docente Turmas Horas
Práticas Laboratoriais Totais 1 3,00
João Manuel Portela da Gama 0,75
Maria Eduarda da Rocha Pinto Augusto da Silva 2,25

Língua de trabalho

Inglês

Objetivos

Desenvolvimento de competências práticas na formulação e resolução de problemas de análise de dados

Desenvolvimento de competências praticas em análise exploratória de dados, visualização de dados, modelação predictiva e descritiva.

Resultados de aprendizagem e competências

No final do semestre o estudante deve ser capaz de:

  •  selecionar e aplicar os métodos apropriados para 
    • descrever
    • visualizar 
    • desenvolver modelação preditiva
  • utilizar o software adequado
  • sintetizar os resultados de uma análise de dados.

Modo de trabalho

Presencial

Programa

Case 1 - Competição Kaggle: análise exploratória de dados, visualição de dados, seleção de atributos, valores extremos. 

Caso 2 - Análise de Dados

Caso 3 - Modelação Descritiva. Análise de agrupamentos.

Bibliografia Obrigatória

Han, Jiawei; Kamber, Micheline ; Data mining: concepts and techniques, Morgan Kaufmann, 2001
Witten, Ian H.; Frank, Eibe; Hall, Mark A; Data Mining: Practical Machine Learning Tools and Techniques , Elsevier, 2011
M Berthold, DJ Hand; Intelligent data analysis: an introduction , Springer, 2007

Métodos de ensino e atividades de aprendizagem

Aulas práticas dedicadas a casos de estudo em análise de dados sugeridos.

Software

R
Knime

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

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

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 84,00
Frequência das aulas 42,00
Trabalho escrito 36,00
Total: 162,00

Obtenção de frequência

Entrega de 75% dos relatórios preliminares ao trabalho escrito.

Fórmula de cálculo da classificação final

Relatórios preliminares: 40%
Trabalho escrito: 40%
Apresentação oral: 20%
Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Economia da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-06-16 às 01:19:25 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias
SAMA2