Tecnologias para Análise de Dados

Conhecimentos de Base Recomendados

Programação; Inteligência Artificial; Bases de Dados; Técnicas de Reconhecimento de Padrões

Métodos de Ensino

Aulas teóricas com exposição detalhada, recorrendo a meios audiovisuais, dos conceitos, princípios e teorias fundamentais de Data Warehousing, OLAP e Data Mining.
Aulas práticas-laboratoriais em que se pretende que os alunos adquiram conhecimentos sobre ferramentas e técnicas de desenvolvimento de aplicações práticas envolvendo OLAP e Data Mining e que, com a orientação do docente, desenvolvam um trabalho laboratorial (projeto).

Resultados de Aprendizagem

A disciplina tem por objectivos estudar as principais metodologias e de desenvolvimento de soluções de Business Intelligence e mostrar como as técnicas de Data Warehouses (DW), de OLAP e de Data Mining (DM) podem ser conjugadas na construção de soluções informáticas de apoio à decisão.
Pretende-se potenciar o desenvolvimento das seguintes competências:
- Aplicar na prática os conhecimentos: aplicar os conhecimentos adquiridos no desenvolvimento de sistemas de suporte à decisão em ambientes reais
- Aprendizagem autónoma, resolução de problemas e capacidade de decisão: identificar fontes de conhecimento, encontrar soluções para o desenvolvimento de aplicações para a análise de dados tendo em conta as necessidades organizativas, usando as metodologias de DW, OLAP e DM
- Comunicação oral e escrita, entender a linguagem de outros especialistas e não são especialistas na área: comunicar e justificar as opções técnicas numa linguagem compreensível quer a especialistas quer a não especialista

Estágio(s)

Não

Programa

Data warehousing e OLAP
- Introdução às Data Warehouses
- Análise multidimensional e esquemas em estrela
- Projecto de Data Warehouses
- Extracção, transformação e carregamento de dados
- Optimização e administração de data warehouses
- Bases de dados multidimensionais e OLAP
- Tópicos avançados e novos paradigmas para problemas de tratamento de dados

Data Mining
- Selecção de Dados
- Pré-processamento de Dados
- Escolha e Aplicação dos Algoritmos de Data Mining
- Avaliação dos Modelos Gerados
- Visualização e Selecção de Modelos
- Aplicação dos Modelos Gerados

Métodos de Avaliação

Avaliação
Exame: 40.0%
Projecto: 60.0%

Bibliografia

"Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems." Kleppmann, Martin.  2018.

“The Data WarehouseLifecycleToolkit”, Ralph Kimbal et.al, J. Wiley& Sons, Inc, 2nd Edition, 2008.

“Data Mining“, Witten Frank. Morgan Kaufman, 4th Edition, 2016.