Planeamento
Aulas Teóricas
AT 1 - Sistemas de Apoio à Decisão
Apresentação. Motivação e funcionamento da disciplina.
Data Science. O processo KDD. Pre-processamento.
AT 2 - Regras de Associação
Regras de Associação - o algoritmo Apriori. Avaliação. Métodos de discretização.
AT 3 - Descoberta de Padrões
Outras abordagens de descoberta de padrões.
Descoberta de padrões sequenciais.
AT 4 - Segmentação
Definição de segmentação. Algoritmo k-means. Avaliação. Standardização e medidas de semelhança.
AT 5 - Segmentação
Algoritmo EM.
Normalização e redução. Análise de Componentes Principais (PCA).
AT 6 - Classificação
Definição de classificação. Noção de conceito. O algoritmo dos k-vizinhos mais próximos.
Medidas de avaliação: precisão. Estratégias de treino.
AT 7 - Classificação Bayesiana
Classificador de máximo à posteriori. Naive Bayes.
Avaliação de classificadores: ROC charts e outras medidas de precisão.
AT 8 - Árvores de decisão
Árvores de decisão - definição. Os algoritmos ID3 e C4.5.
AT 9 - Árvores de decisão
O algoritmo CART. Overfitting. Princípio da navalha de Occam. Princípio das descrições mais compactas.
AT 10 - Redução de dados e Balanceamento
Redução de dados: análise dos componentes principais e seleção de atributos.
AT 13 - Redes neuronais
Perceptrão. Algoritmo do gradiente ascendente.
AT 12 - Redes neuronais
Redes multicamada. O algoritmo backpropagation.
AT 13 - SVMs
Máquinas de vectores de suporte. O hiperplano de margem máxima. Kernels.
AT 14 - SVMs
Classificador de margem suave.
AT 15 - Redes de Bayes
Redes de Bayes - definição. Treino com o algoritmo do gradiente ascendente.
AT 16 - Redes de Bayes
Treino de redes de Bayes com o algoritmo EM.
AT 17 - Combinação de modelos
Conceitos básicos. Bagging e Random Forests. Boosting. O algoritmo AdaBoost.
AT 18 - Regressão Linear e Logística
Regressão Linear.
AT 19 - Redes sociais
Análise de redes sociais: definições e propriedades.
AT 20 - Redes sociais
AT 21 - Análise Temporal
Análise de séries temporais.
AT 22 - Análise de texto
Representação de texto. Análise de texto. Análise de opiniões.
AT 23 - Big Data and Deep Learning
Desafios associados ao Big Data.
AT 24 - Notas de encerramento
Próximos desafios da Análise de Dados.
Aulas Laboratoriais
Inscrições
Inscrição de grupos (no Fénix).
Lab 1 - Association rules
Mining association rules. Exploring support, confidence, lift and conviction.
Lab 2 - Clustering.
Clustering algorithms. Standardization and PCA. Evaluation.
Lab - Projeto
Apoio ao projeto.
Lab 3 - Classificação
Weka - classificação com KNN. Estratégias de treino e avaliação. Dados não balanceados.
Lab 6 - Redes Neuronais
Treino de redes neuronais: perceptrões multi-camada .
Project
Project support.
AP 1 - Classificação: árvores de decisão
Exercícios: KNN e árvores de decisão.
AP 2 - Classificação: redes neuronais
Exercícios: redes neuronais e regras de associação.
AP3 - Classificação Bayesiana
Exercícios de naive Bayes e redes de Bayes.
AP 4 - Ensemble and ARs
Exercises: ensemble methods and association rules.
AP4 - Redes Sociais e SVMs
PageRank and SMO exercises.