Extração de conhecimento de Dados II

Código:

2MDA06

Sigla:

ECD II

Áreas Científicas
Classificação	Área Científica
OFICIAL	Tecnologia da Informação

Ocorrência: 2020/2021 - 2S

Ativa?	Sim
Página Web:	http://moodle.up.pt/course/view.php?id=1962
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	34	Plano Oficial - a partir de 2020/2021	1	-	6	42	162

Língua de trabalho

Inglês

Objetivos

No final do semestre os alunos deverão ser capazes de formular um problema como problema de extracção de conhecimento. Serem capazes de aplicar métodos/algoritmos a um novo problema de análise de dados, e serem capazes de avaliar os resultados e compreender o funcionamento dos métodos estudados.

Resultados de aprendizagem e competências

Conhecimento como formular um problema como problema de extracção de conhecimento. Capacidade de aplicar métodos/algoritmos a um novo problema de análise de dados, e de avaliar os resultados e compreender o funcionamento dos métodos estudados.

Modo de trabalho

Presencial

Programa

Text Mining. Web Mining. Meta Aprendizagem. Análise de dados espaço-temporais Fluxos continuos de dados: classificação, análise de agrupamentos, detecção de mudança. Análise de redes sociais.

Bibliografia Obrigatória

João Gama, A. Carvalho, K. Faceli, A. Lorena, M. Oliveira; Extração de Conhecimento de Dados - Data Mining, Edições Silabo (Existente na biblioteca)
Jiawei Han; Data Mining: Concepts and Techniques, Morgan Kaufman, 2006
Joao Gama; Knowledge Discovery From Data Streams, CRC Press, 2009
P. Brazdil, C. Giraud-Carrier, C. Soares and R. Vilalta; Metalearning – Applications to Data Mining, 2009. ISBN: 978-3-540-73262-4 (http://www.springer.com/computer/artificial/book/978-3-540-73262-4)
Charu Aggarwal; Data Streams - Models and Algorithms, Springer, 2007

Observações Bibliográficas

  

Métodos de ensino e atividades de aprendizagem

Aulas teorico-prácticas

Software

R
Weka
Knime

Palavras Chave

Ciências Tecnológicas > Tecnologia > Tecnologia do conhecimento
Ciências Físicas > Ciência de computadores > Ferramentas de modelação

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho escrito	50,00
Trabalho laboratorial	25,00
Trabalho prático ou de projeto	25,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	30,00
Trabalho laboratorial	20,00
Trabalho de investigação	20,00
Estudo autónomo	50,00
Frequência das aulas	42,00
Total:	162,00

Obtenção de frequência

Home Hork 1 (Bayesian/Social Networks) -25%
Home Work 2 (Text Mining) - 25%
Home work 3 (report) - 50%

Fórmula de cálculo da classificação final

Média aritmética dos trabalhos

Melhoria de classificação

É possível submeter uma segunda versão de um trabalho, nas seguintes condições:

- Nota inferior a 10 na primeira versão
- A nota do 2ª versão trabalho poderá acrescentar, no máximo, 2 valores à nota do 1ª versão do trabalho.