ISLA Santarém 22491

Extração de Conhecimento de Dados

• ApresentaçãoPresentation

  A extração de conhecimento, padrões ou tendências de base de dados é um elemento essencial na construção de sistemas de apoio à decisão. É uma área intimamente ligada a técnicas de bases de dados, estatística e aprendizagem automática. Destacam-se algumas competências a adquirir: A importância na extração de conhecimento de dados no contexto mais geral da construção de sistemas de apoio à decisão na sociedade de informação e conhecimento; Identificar algumas das técnicas, metodologias e ferramentas de extração de conhecimento a partir de um elevado volume de dados; Aplicar técnicas de extração de conhecimento em contexto experimental.
• ProgramaProgramme

  Introdução ao Business Intelligence, Data Mining, metodologia CRISP-DM Sistemas de Data Warehouse e OLAP Adaptive Business Intelligence Previsão e Otimização Data Mining: classificação, regressão, segmentação Modelos de Aprendizagem (e.g. Árvores de decisão, Redes Neuronais) Estatística da Aprendizagem Ferramentas (Data Warehouses, OLAP, BI, Data Mining) 1Data Warehouse - Processos de ETL  2Open Source Business Intelligence -  Servidores /Clientes OLAP 3Data Mining - Criação de Relatórios, Dashboards  4Análise de Plataformas Business Intelligence Open Source  4.1Pentaho Business Intelligence Server  4.2 SpagoBI 
• ObjectivosObjectives

  Objetivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes). Os objetivos da unidade curricular são os seguintes: Identificar as principais técnicas, metodologias e ferramentas de extracção de conhecimento a partir de um elevado volume de dados; Apresentar as técnicas de Data mining; Apresentar os modelos de aprendizagem; Apresentar e utilizar as ferramentas (Data Wharehouse,OLAP, BI e Data mining). No final da unidade curricular os estudantes devem ser capazes de: Trabalhar com as técnicas de bases de dados, estatística e aprendizagem automática; Construir sistemas de apoio à decisão para as grandes e médias empresas da atualidade; Reconhecer o papel e a importância na extracção de conhecimento de dados no contexto mais geral da construção de sistemas de apoio à decisão na sociedade de informação e conhecimento; Aplicar técnicas de extracção de conhecimento a partir de grandes volumes de dados em contexto real e experimental.
• BibliografiaBibliography

  Gama, J. et al, (2017). Extração de Conhecimento de Dados, Sílabo. Han J., Micheline K. e Jian P. (2022). Data Mining - concepts and techniques, elsevier science technology Kirk, Andy (2024). Data Visualisation: A Handbook for Data Driven Design. Sage Publications Ltd Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2025). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann. Sharda, Ramesh (2024). Business Intelligence, Analytics, Data Science, and Ai, Global Edition. Pearson Education Limited
• MetodologiaMethodology

  A metodologia aplicada, é uma metodologia expositiva, nos conteúdos teóricos e de prática laboratorial nos conteúdos de aplicação prática.
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  6
• NaturezaNature

  Obrigatório
• EstágioInternship

  Não
• AvaliaçãoEvaluation

  Metodologia de avaliação - contínua:

  • Trabalho prático (Relatório e projeto); 60%;
  • Teste final teórico-prático; 40%;

   

  Todos os estudantes que não tenham concluído com sucesso a avaliação podem realizar um exame final teórico-prático na época de avaliação definida pela instituição.