Pipelines para Análise de Processos Inteligentes
1
2020-2021
02042367
Não especificado
Inglês
B-learning
1.0
Opcional
Curso Não Conferente de Grau
Conhecimentos de Base Recomendados
Não aplicável.
Métodos de Ensino
A metodologia de ensino é baseada na exposição de conteúdos e discussão de casos práticos de forma interativa com os alunos.
Pequenos projetos realizados pelos alunos e sua apresentação e discussão concluem o ciclo de aprendizagem e avaliação.
Resultados de Aprendizagem
Adquirir competências efectivas no desenho de estratégias de análise de dados possivelmente complexos em função da estrutura que estes apresentam, forma como foram adquiridos, objetivos a atingir e recursos disponíveis para os analisar.
Os formandos terão contacto com as principais fases no processo de análise de dados, dificuldades comuns, e como as contornar.
Estágio(s)
NãoPrograma
- Tipos de dados.
- Recolha ativa e passiva de dados
- Fases da análise de dados
i. Recolha
ii. Integração
iii. Limpeza, imputação
iv. Pré-processamento e feature engineering
v. Análise exploratória
vi. Construção de modelos
vii. Validação do modelo
viii. Solução piloto
ix. Plano de manutenção do modelo
- Análise da Qualidade de Informação gerada (Info-Q)
- Análise de casos práticos.
Docente(s) responsável(eis)
Marco Paulo Seabra dos Reis
Bibliografia
- Bart Baesens, Analytics in a Big Data World, Wiley, 2014
- Bernard Marr, Big Data, Wiley, 2015
Dias, T., R. Oliveira, P.M. Saraiva, M.S. Reis, Predictive Analytics in the Petrochemical Industry: Research Octane Number (RON) forecasting and analysis in an Industrial Catalytic Reforming Unit. Computers & Chemical Engineering. 139 (2020), Article 106912. DOI: 10.1016/j.compchemeng.2020.106912