Laboratório de Gestão e Análise de Sistemas

Conhecimentos de Base Recomendados

Estatística e programação.

Métodos de Ensino

Esta unidade curricular centra-se no desenvolvimento de competências de modelação, comunicação e visualização de dados. Nas aulas serão apresentados os conceitos e teoria para a compreensão e aplicação de métodos baseados em dados e tomada de decisão baseada em modelos, bem como serão discutidas estratégias e ferramentas de comunicação e visualização de dados. Os alunos serão conduzidos à resolução um projeto semestral onde serão utilizados vários softwares e linguagens de programação (ex. CPLEX, Python, R, Google Colab, Excel, Tableau).

Resultados de Aprendizagem

Desenvolver competências em processos de tomada de decisão, baseada em dados e suportada em modelos de otimização, em problemas estratégicos e táticos, geralmente encontrados nos contextos de produção, operações e cadeias de abastecimento. Pretende-se que o estudante seja capaz de:

1. Conhecer aspetos metodológicos e definir estratégias alternativas de resolução de problemas complexos;

2. Compreender e implementar ferramentas avançadas de modelação;

3. Identificar soluções equilibradas que considerem aspetos de gestão e questões analíticas;

4. Desenvolver competências de trabalho autónomo através de uma experiência de aprendizagem, centrada na resolução de desafios.

Para atingir estes objetivos os estudantes sertão desafiados a resolver em equipa problemas de gestão e análise de sistemas reais.

Estágio(s)

Não

Programa

1. Introdução de pensamento analítico com suporte de dados;

2. Resolução de problemas complexos de engenharia e gestão com ênfase na ciência dos dados e técnicas de otimização;

3. Análise preditiva e prescritiva;

4. Métodos de aprendizagem automática;

5. Visualização e comunicação com dados;

6. Resolução de estudos de caso focados em problemas analíticos enfrentados pela indústria de manufatura e cadeias de abastecimento.

Docente(s) responsável(eis)

Samuel de Oliveira Moniz

Métodos de Avaliação

Avaliação
Trabalho de investigação: 20.0%
Resolução de problemas: 20.0%
Projecto: 60.0%

Bibliografia

Provost, F., & Fawcett, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. Sebastopol: O'Reilly.

Williams, H. P., & ebrary, Inc. (2013). Model building in mathematical programming. Hoboken, N.J: Wiley.

Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. Hoboken: Wiley.