Os objetivos desta UC centram-se na obtenção de uma melhor eficácia de decisão e ação obtida através da utilização do conhecimento extraído das fontes de dados, sejam elas internas ou externas à organização.
Linhas Programáticas
Objetivos
Proporcionar aos participantes os conhecimentos de estatística fundamentais para que possam atingir o melhor desempenho ao longo do curso. Estes conhecimentos envolvem quer estatística descritiva quer inferência estatística.
O enfoque principal será em termos aplicados, incentivando-se os alunos a utilizarem o computador quer durante as aulas quer na resolução dos exercícios. Utilizar-se-á o EXCEL tirando partido de alguns add-ins, nomeadamente o PHSTAT
Linhas Programáticas
Objetivos
Facilitar a aquisição de competências sobre Gestão de Dados e de Bases de Dados (GDBD) do ponto de vista organizacional e tecnológico.
Linhas Programáticas
Objetivos
- Identificar as necessidades de informação para o apoio à tomada de decisão
- Construir dashboards e modelos analíticos e semânticos
- Compreender as técnicas estatísticas de análise de dados multivariada
- Adquirir competências nas ferramentas SQL Server Analysis Server, Power BI e Excel
- Power Pivot para a visualização, desenho e análise de dados
Linhas Programáticas
Objetivos
Dotar os participantes de noções essenciais sobre data warehousing, na sua vertente de implementação tradicional bem como na sua adaptação/evolução face aos atuais desafios decorrentes do crescimento do volume, variedade e velocidade de dados criados dentro e fora das
organizações, que se tornam essenciais para uma tomada de decisão mais eficaz. Permitir a aquisição de competências sobre todo o processo de construção de um data warehouse, da conceção, à criação de fluxos de integração de dados até à implementação.
Linhas Programáticas
Objetivos
Esta Unidade Curricular tem como objetivo iniciar os alunos nas técnicas de programação em Python e no tratamento de dados com recurso à programação nesta linguagem. Pretende-se que no final os alunos sejam capazes de programar algoritmos de tratamento de dados e usar as
ferramentas disponíveis para analisar grandes volumes de dados.
Linhas Programáticas
O Python é uma linguagem de programação interpretada, multiparadigma, versátil e poderosa, que pode ser usada para diferentes fins, sendo atualmente a linguagem de escolha para Data Science e Machine Learning.
Nesta cadeira serão abordados os conceitos fundamentais de programação, para alunos que nunca tenham tido contacto com a programação, evoluindo-se posteriormente para os conceitos de algoritmos, funções e módulos.
Com a crescente quantidade de informação gerada todos os dias cada vez mais os sistemas de extração de informação a partir de grandes quantidades de informação se tornam mais relevantes e importantes em qualquer organização. A extração e padrões abre a possibilidade para um conhecimento mais profundo do negócio de uma empresa, de geração de novos produtos e identificação de zonas de maior valor e até mesmo a construção de modelos capazes de prever o futuro.
Este modulo pretende dar aos alunos a capacidade de:
- Conhecer os vários tipos de tarefas Data Mining;
- Identificar problemas de apoio à decisão que possam ser representados como tarefas de
Data Mining;
- Compreender as diferentes fases dos processos de Data Mining e de Machine Learning;
- Conhecer os principais métodos/algoritmos para cada tipo de tarefa de Data Mining e de
Machine Learning e compreender o essencial do seu funcionamento;
- Aplicar esses métodos a problemas de apoio à decisão;
- Aplicar os processos de Data Mining e avaliar os resultados no âmbito de Machine Learning.
Objetivos
Dotar os participantes de competências com ferramentas que permitem trabalhar com grandes volumes de dados e respetivo processamento num modelo de execução em paralelo. Utilizar este processamento e dados resultado noutras fermentas.
Linhas Programáticas
Conceitos
Motores de bases de dados com suporte a processamento paralelo massivo
Hadoop
Data Lake
Consumo de informação sistemas de Big Data
A inteligência artificial está no core da transformação digital e da 4ª revolução que estamos a viver. A tecnologia está a transformar a forma como vemos o mundo, como trabalhamos e como interagimos. Novas capacidades e ferramentas estão a emergir que nos desbloqueiam cenários nunca antes possíveis e que quase parecem ficção científica, desde a capacidade de termos uma conversa com uma máquina, vermos programas capazes de identificar pessoas e objetos a partir de imagens, sistemas capazes de prever uma avaria antes de ela acontecer, e até mesmo aplicações que adivinham o que gostamos e que nem sequer nós sabíamos. Tudo isto é possível graças aos
avanços no poder computacional disponível aliados à aplicação de vários algoritmos de Machine Learning a ramos novos que têm vindo a ser desenvolvidos dentro da Inteligência Artificial como é o caso da Inteligência Cognitiva, análise e processamento de linguagem natural, redes neuronais
profundas, entre outros.
Este modulo pretende dar aos alunos a capacidade de:
- Conhecer o funcionamento de uma rede neuronal profunda
- Aprender a aplicar de forma prática redes neuronais profundas
- Conhecer o funcionamento e arquitetura de sistemas de processamento de linguagem natural;
- Aplicar num caso real e prático um sistema de processamento de linguagem natural;
- Conhecer o funcionamento de arquitetura de sistemas de processamento de imagem;
- Aplicar em casos reais e de uma forma prática modelos de classificação, reconhecimento e segmentação de imagens;
- Conhecer o funcionamento de arquitetura de sistemas de deteção de anomalias em séries temporais de dados
- Aplicar em casos reais de um sistema de deteção de anomalias;
- Conhecer o funcionamento de arquitetura de sistemas de recomendações centradas no utilizador e no produto;
- Aplicar em casos reais e de modelos de recomendações de produtos/artigos;
- Resolução acompanhada de um problema real de Machine Learning passando por todas as fases de projeto.
Objetivos
Dotar os participantes com conhecimentos práticos de implementação de uma solução de
Business Intelligence nas suas diferentes componentes. Esta UC tem por finalidade aplicar o conhecimento adquirido ao longo da Pós-Graduação, utilizando as boas praticas lecionadas e
demonstrar a capacidade de aquisição de novas competências de forma autónoma. Os participantes deverão ser capazes de pesquisar e implementar todo o trabalho, tendo a equipa de
docentes uma função apenas de orientação.
Linhas Programáticas
Para uma organização, ou área de uma organização, real ou fictícia, à escolha dos participantes, efetuar as seguintes tarefas:
Contacte o nosso Program Advisor para esclarecimentos e aconselhamento adicional.
