Data Mining
Código: 22131
Departamento: DCET
ECTS: 5
Área científica: Engenharia Informática
Total de horas trabalho: 156
Total de horas de contacto: 30

A extracção de conhecimento, padrões ou tendências de base de dados é um elemento essencial na construção de sistemas de apoio à decisão para as grandes e médias empresas da actualidade. Este área está intimamente ligada a técnicas de bases de dados, estatística e aprendizagem automática.

classificação
agrupamentos
avaliação de soluções

Espera-se que o aluno ao concluir esta unidade curricular esteja capaz de:
•Reconhecer o papel e a importância na extracção de conhecimento de dados no contexto mais geral da construção de sistemas de apoio à decisão na sociedade de informação e conhecimento;
•Identificar as principais técnicas, metodologias e ferramentas de extracção de conhecimento a partir de um elevado volume de dados;
•Aplicar técnicas de extracção de conhecimento em contexto experimental.

1. Pré-processamento de dados
2. Medidas de Erro
3. Regras Associativas
4. Classificação
4.1. Árvores de Decisão
4.2. Regras de Classificação
4.3. Modelos Funcionais
4.4. Redes Neuronais Artificiais
5. Segmentação
6. Avaliação e Comparação de modelos
7. Pós-processamento de dados

Data Mining: Practical Machine Learning Tools and Techniques, de Ian H. Witten, Eibe Frank e  Mark A. Hall, Edições The Morgan Kaufmann Series in Data Management Systems, ISBN: 0123748569.
Data Mining - concepts and techniques, de Jiawei Han, Micheline Kamber e Jian Pei, Edições The Morgan Kaufmann Series in Data Management Systems, ISBN: 0123814790.
Análise Inteligente de Dados, de Miguel Rocha, Paulo Cortez e José Maia Neves, FCA- Editora de Informática, colecção de Tecnologias de Informação, ISBN 9789727222780.

E-learning

A avaliação tem caráter individual e implica a coexistência de duas modalidades: avaliação contínua (60%) e avaliação final (40%). Essa avaliação será desenvolvida na aplicação de formas diversificadas, definidas no Contrato de Aprendizagem da unidade curricular.