Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > 2MDA06
Mapa das Instalações
Edifício Principal | Main Building Edifício Pós-Graduações | Post-Graduate Building

Extração de conhecimento de Dados II

Código: 2MDA06     Sigla: ECD II

Áreas Científicas
Classificação Área Científica
OFICIAL Tecnologia da Informação

Ocorrência: 2020/2021 - 2S Ícone do Moodle

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

Docência - Responsabilidades

Docente Responsabilidade
João Manuel Portela da Gama Regente

Docência - Horas

Teorico-Prática: 3,00
Tipo Docente Turmas Horas
Teorico-Prática Totais 1 3,00
João Manuel Portela da Gama 3,00

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.

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 01:32:35 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias
SAMA2