Data Mining
Código
100031
Unidade Orgânica
NOVA Information Management School
Créditos
6.0
Professor responsável
Horas semanais
45.0
Língua de ensino
Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês
Objectivos
Na conclusão do curso o aluno deverá:
- Discutir criticamente as principais noções e conceitos associados ao Data Mining;
- Evidenciar espírito crítico e capacidade de selecção das técnicas de preparação e pré-processamento de dados;
- Discutir o funcionamento, potencialidades e limitações das ferramentas estudadas (k-means, self-organizing maps, market basket analysis, árvores de decisão e perceptrão multi-camada);
- Evidenciar autonomia na busca e síntese de informação sobre os conceitos técnicos abordados durante a unidade curricular;
- Desenvolver autonomamente um projecto de segmentação de uma base de dados, mostrando competência técnica na utilização das ferramentas requeridas e capacidade de justificação das opções feitas;
- Desenvolver autonomamente um projecto de scoring de uma base de dados, mostrando competência técnica na utilização das ferramentas requeridas e capacidade de justificação das opções feitas;
- Desenvolver competências na comunicação escrita e oral de resultados.
Pré-requisitos
Não existem requisitos de frequência.
Conteúdo
- O contexto do data mining
- O data mining como instrumento de CRM
- Abordagens alternativas à descoberta de conhecimento o Regressão/Classificação versus Descoberta de Conhecimento
- O processo metodológico do data mining
- Definição de problemas e recolha de dados
- Preparação e pré-processamento de dados
- Ferramentas de Clustering
- Análise de clusters (k-means e self organizing maps)
- Market Basket Analysis
- Ferramentas de modelação Preditiva e Scoring
- Árvores de decisão
- Redes neuronais
- Desenvolvimento do Projecto Prático com SAS Enterprise Miner
Bibliografia
Berry, M. and G., Linoff, Mastering Data Mining: The Art and Science of Customer Relationship Management. 2000, Brisbane: John Wiley & Sons.
Hand, D., Mannila, H., Smyth, P., ‘Principles of Data Mining’. MIT Press. 2001. ISBN 026208290X
Course Notes Enterprise MinerTM: Applying Data Mining Techniques, SAS Institute
Livro da disciplina
Método de ensino
A disciplina baseia-se em aulas teóricas, aulas práticas e na realização de tutoriais e exercícios. Nos tutoriais o aluno tem à sua disposição um “script” que lhe permite resolver o problema proposto, no caso dos exercícios é testada a autonomia do aluno.
Método de avaliação
A unidade curricular tem dois esquemas de avaliação 1) 2 testes (25% cada), 1 projecto (20%) and 3 exercícios (10% cada) 2) 1 exame (55%), 1 projecto (45%)