Aviso: Se está a ler esta mensagem, provavelmente, o browser que utiliza não é compatível com os "standards" recomendados pela W3C. Sugerimos vivamente que actualize o seu browser para ter uma melhor experiência de utilização deste "website". Mais informações em webstandards.org.

Warning: If you are reading this message, probably, your browser is not compliant with the standards recommended by the W3C. We suggest that you upgrade your browser to enjoy a better user experience of this website. More informations on webstandards.org.

Sub Menu
ISCTE-IUL  >  Ensino  >  MEI

Sistemas Inteligentes de Apoio à Decisão (2 º Sem 2017/2018)

Código: M1519
Acrónimo: M1519
Nível: 2º Ciclo
Estruturante: Não
Língua(s) de Ensino: Português
Língua(s) amigável(is):
Ser English-friendly ou qualquer outra língua-friendly, significa que a UC é leccionada numa língua mas que se pode verificar qualquer uma das seguintes condições:
1. Existem materiais de apoio em língua inglesa/outra língua;
2. Existem exercícios, testes e exames em língua inglesa/outra língua;
3. Existe a possibilidade de se apresentar trabalhos escritos ou orais em língua inglesa/outra língua.
1 6.0 0.0 h/sem 36.0 h/sem 0.0 h/sem 0.0 h/sem 0.0 h/sem 0.0 h/sem 1.0 h/sem 37.0 h/sem 113.0 h/sem 0.0 h/sem 150.0 h/sem
Em vigor desde o ano letivo 2017/2018
Pré-requisitos N/A
Objectivos Identificar, discutir e aplicar conceitos e tecnologias associados aos sistemas de Business Intelligence, com um particular destaque para com sitemas de Data Warehouses e de Data Mining.
Programa - Introdução ao Business Intelligence, Data Mining, metodologia CRISP-DM
- Sistemas de Dataware houses e OLAP
- Adaptive Business Intelligence
- Previsão e Optimização
- Data Mining: classificação, regressão, segmentação
- Modelos de Aprendizagem (e.g. Árvores de decisão, Redes Neuronais)
- Estatística da Aprendizagem
- Apresentação de Diversos Casos de Estudo
- Ferramentas (Dataware houses, OLAP, BI, Data Mining), como por exemplo o WEKA e o R
- Projecto
Processo de avaliação Aval. contínua: 60% de trabalho de grupo + 40% teste
Aval. final: 60% de trabalho individual + 40% teste
Nota mínima em cada componente: 9 valores
Nota mínima final: 10 val.
Processo de ensino-aprendizagem Aulas teóricas (método expositivo com diversos métodos activos) e
Aulas práticas (execução de projecto em grupo).
Observações
Bibliografia básica E. Turban, R. Sharda, J. Aronson and D. King, Business Intelligence ? A Managerial Approach, Prentice Hall, 2008.
M. Rocha, P. Cortez e J. Neves, Análise Inteligente de Dados - Algoritmos e Implementação em Java, FCA, 2008.
M.F. Santos e C. Azevedo, Data Mining - Descoberta de Conhecimento em Bases de Dados, FCA, 2006.
I. Witten and E. Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition, Morgan Kaufmann, 2005.
Z. Michalewicz, M. Schmidt, M. Michalewicz and C. Chiriac, Adaptive Business Intelligence, Springer-Verlag, Leipzig, Germany, 2007.
Bibliografia complementar I. Witten and E. Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition, Morgan Kaufmann, 2005.
Z. Michalewicz, M. Schmidt, M. Michalewicz and C. Chiriac, Adaptive Business Intelligence, Springer-Verlag, Leipzig, Germany, 2007.