Universidade Nova de Lisboa

Universidade Nova de Lisboa

NOVA Information Management School

Data Mining II

Código

200028

Unidade Orgânica

NOVA Information Management School

Créditos

7.5

Professor responsável

Roberto André Pereira Henriques

Língua de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Objectivos

1 - Fazer previsões a partir de dados. 2 - Conhecer os principais problemas relacionados com previsões baseadas em dados (“data driven”) 3 - Conhecer as principais técnicas: 3.1 - Métodos clássicos: regressões, interpolações, extrapol. 3.2 - Decisões Bayesianas 3.3 - Sistemas baseados em instâncias 3.4 - Árvores de decisão 3.6 - Redes neuronais 3.6 - Ensambles

Pré-requisitos

Data Mining I não é pre-requisito.

Conteúdo

A unidade curricular está organizada em sete Unidades de Aprendizagem (UA): UA1. Introdução aos métodos de previsão em Data Mining UA2. Dados, pré-processamento, e estimativas de erro UA3. Teoria da decisão e sistemas Bayesianos UA4. Aprendizagem e classificação baseada em instâncias UA5. Árvores de decisão UA6. Redes Neuronais UA7. Ensambles

Bibliografia

Mitchell, T., (1997) ¿Machine Learning¿, McGraw Hill.; Berry, M.J.A. and G.S. Linoff, ¿Data Mining Techniques; for marketing, sales and customer support¿. 1997, John Wiley & Sons.; Hand, D. J., Mannila, H., Smyth, P. (2001) ¿Principles of Data Mining (Adaptive Computation and Machine Learning)¿, MIT Press; 0; 0

Método de ensino

A unidade curricular baseia-se principalmente em aulas teórico-práticas. As sessões teórico-práticas incluem a exposição de conceitos e metodologias, resolução de exemplos, discussão e interpretação de resultados. O trabalho prático, que é muito significativo nesta unidade curricular, é realizado pelos alunos fora das aulas, mas é avaliado.

Método de avaliação

A avaliação é feita através de trabalhos da casa (que contam para 20% da nota final), um trabalho prático de grupo (20%), e um exame escrito final (60%)

Cursos