Métodos Quantitativos em Marketing
1
2022-2023
02662131
Métodos Quantitativos
Português
Presencial
TRIMESTRAL
2.5
Obrigatória
2º Ciclo - Mestrado
Conhecimentos de Base Recomendados
Não aplicável.
Métodos de Ensino
Começam por se apresentar os conceitos básicos e os tipos de problemas a que as metodologias se aplicam. Procura introduzir-se as ideias-chave de forma intuitiva. São depois apresentadas as ferramentas que permitem aplicar estas metodologias, e é discutida a interpretação dos resultados obtidos. Parte das aulas será utilizada para apoiar a realização de pequenos projetos.
Resultados de Aprendizagem
Pretende-se com esta unidade curricular introduzir várias metodologias de base quantitativa que são passíveis de serem utilizadas na análise e resolução de problemas que surgem na área do Marketing. No final da unidade curricular, o aluno deverá ser capaz de aplicar estas metodologias a problemas de complexidade limitada. Em particular, deverá ser capaz de:
• aplicar de forma crítica algumas técnicas de machine learning a problemas de marketing com recurso a ferramentas computacionais;
• efetuar análise configuracional com base em conjuntos difusos (fsQCA), recorrendo a ferramentas computacionais;
• usar árvores de decisão para a determinação de decisões ótimas em situação de incerteza;
• determinar o valor da informação em situações de incerteza.
Estágio(s)
NãoPrograma
Conceitos fundamentais de machine learning. Análise de dados com machine learning recorrendo a ferramentas computacionais. Introdução ao fsQCA. Análise configuracional com recurso ao fsQCA. Árvores de decisão e análise de decisões em situação de incerteza. Cálculo do valor da informação.
Docente(s) responsável(eis)
Pedro Manuel Cortesão Godinho
Métodos de Avaliação
Avaliação
Periódica ou por exame, a definir na ficha por edição: 100.0%
Bibliografia
BRINK, Henrik, Richards, J. W., Fetherolf, M., & Cronin, B. Real-world machine learning. Manning, 2017.
GOODWIN, P., & Wright, G. Decision analysis for management judgment, 5th edition, Wiley, 2014.
RAGIN, Charles C. Redesigning social inquiry: Fuzzy sets and beyond. University of Chicago Press, 2008. [303 RAG]
RENDER, B., Stair, R., Hanna, M., & Hale, T. Quantitative Analysis for Management, 13th edition, Pearson, 2017.
SCHNEIDER, C.Q., & Wagemann, C. Set-Theoretic Methods for the Social Sciences. Cambridge University Press, 2012.
THEOBALD, O. Machine Learning For Absolute Beginners, 3rd Edition. Independently Published. 2021.
WITTEN, I. H., Frank, E., Hall, M. A., & Pal, C. J. Data Mining: Practical machine learning tools and techniques, 4th edition. Morgan Kaufmann, 2016.