Inteligência no Negócio
1
2017-2018
02000124
Opcional
Português
Presencial
Semestral
6.0
Opcional
2º Ciclo - Mestrado
Conhecimentos de Base Recomendados
Programação, Introdução à 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. Em metade das aulas teóricas serão realizados testes escritos (5 minutos) que incidem sobre o conteúdo de artigos disponibilizados aos alunos como tarefa de leitura.
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
Esta disciplina tem por objetivos estudar as principais metodologias 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 especialistas.
Estágio(s)
NãoPrograma
Software de suporte à decisão nos processos de negócio e organizações
Data Warehousing e OLAP
- Introdução às Data Warehouses
- Análise multidimensional e esquemas em estrela
- Projeto de Data Warehouses
- Extração, transformação e carregamento de dados (ETL)
- Optimização e administração de data Warehouses
- Bases de dados multidimensionais e OLAP
- Tópicos avançados e novos paradigmas de tratamento, armazenamento e acesso a dados
Data Mining
- Introdução ao Data Mining
- Metodologia de Desenvolvimento de Projetos de Data Mining
- Análise do Negócio e Seleção de Dados
- Pré-processamento de Dados
- Geração de Modelos
- Avaliação de Modelos
- Produtização de Modelos.
Docente(s) responsável(eis)
Bruno Miguel Brás Cabral
Métodos de Avaliação
Avaliação
Mini Testes: 15.0%
Exame: 35.0%
Projecto: 50.0%
Bibliografia
―The Data WarehouseLifecycleToolkit‖, Ralph Kimbal et.al, J. Wiley& Sons, Inc, 2nd Edition, 2008.
―Data Mining―, Witten Frank. Morgan Kaufman, 2nd Edition, 2005.