Disciplina

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

2001

Morgan Kaufman Publishers


The Data Warehouse Toolkit - the complete guide to dimensional modeling

Ralph Kimball and Margy Ross

2002

Wiley Computer Publishing


Machine Learning

Tom M. Mitchell

1997

Mc Graw Hill


Learning with Kernels: support vector machines, regularization, optimization and beyond

J. Smola and B. Scholkopf

2002

The MIT Press