Disciplina
Sistemas de Apoio à Decisão
Área
Área Científica de Inteligência Artificial > Sistemas Inteligentes
Activa nos planos curriculares
MEIC-T 2015 > MEIC-T 2015 > 2º Ciclo > Agrupamentos > Bioinformática e Biologia Computacional > Sistemas de Apoio à Decisão
MEIC-A 2015 > MEIC-A 2015 > 2º Ciclo > Agrupamentos > Bioinformática e Biologia Computacional > Sistemas de Apoio à Decisão
MEBiom 2006 > MEBiom 2006 > 2º Ciclo > Opções > Opção 2 > Sistemas de Apoio à Decisão
MERC 2006 > MERC 2006 > 2º Ciclo > Opções > Sistemas de Apoio à Decisão
MEIC-T 2006 > MEIC-T 2006 > 2º Ciclo > Áreas de Especialização Complementares > Sistemas de Informação Empresariais > Sistemas de Apoio à Decisão
MEIC-A 2006 > MEIC-A 2006 > 2º Ciclo > Área de Especialização Complementar > Sistemas de Informação Empresariais > Sistemas de Apoio à Decisão
Nível
A avaliação é composta por 3 componentes: NDW = nota do projecto de Data Warehousing NP = nota do projecto de Data Mining NE = nota do exame A nota final (NF) é dada por: NF = 40% NDW + 30% NP + 30% NE
Tipo
Não Estruturante
Regime
Semestral
Carga Horária
1º Semestre
3.0 h/semana
1.5 h/semana
147.0 h/semestre
Objectivos
Introduzir os conceitos fundamentais de modelação e exploração de dados para apoio à decisão. Desenvolver a capacidade de lidar com as especificidades dos sistemas de apoio à decisão. Criar a capacidade de desenvolver sistemas de apoio à decisão, nomeadamente no desenho de modelos de dados dimensionais, na exploração dos dados registados segundo aqueles modelos através de interrogações OLAP e de descobrir informação escondida através da aplicação de técnicas de data mining. Tornar os alunos hábeis na avaliação da informação descoberta, em particular na comparação dos diferentes modelos descobertos. Familiarizar os alunos com ferramentas comerciais usadas no apoio à decisão
Programa
Introdução aos Sistemas de Apoio à Decisão Data Warehousing Modelo dimensional Arquitectura de uma DW Exploração de dados: OLAP A linguagem MDX Data Mining Descoberta de regras de associação Algoritmos apriori e fp-growth Avaliação das regras descobertas Clustering Algoritmos k-means, em e cobweb Avaliação dos grupos descobertos Classificação Noção de conceito Classificação baseada em instâncias Classificação Bayesiana Árvores de decisão Redes neuronais Máquinas de vectores de suporte Avaliação de modelos
Metodologia de avaliação
A avaliação é composta por 3 componentes: NDW = nota do projecto de Data Warehousing NP = nota do projecto de Data Mining NE = nota do exame A nota final (NF) é dada por: NF = 40% NDW + 30% NP + 30% NE
Pré-requisitos
Componente Laboratorial
Princípios Éticos
Componente de Programação e Computação
Componente de Competências Transversais
Bibliografia
Principal
Data Mining : Concepts and Techniques
Jiawei Han and Micheline Kamber
The Data Warehouse Toolkit - the complete guide to dimensional modeling
Learning with Kernels: support vector machines, regularization, optimization and beyond