Métodos Quantitativos em Marketing

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)

Não

Programa

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.