O que procura?

Ex: Cursos, artigos, docentes, etc...

Sugestões de pesquisa

Iseg Data Science Blended Banner Voltar

Data Science & Business Analytics - Formato Blended

Conteúdo Programático

Business Intelligence and Decision Support

Objetivos

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

  • Os Sistemas de suporte à decisão:
  • Conceito e aplicabilidade;
  • Componentes e desenvolvimento;
  • A sua utilização.
  • Os Sistemas Periciais:
  • Conceito e aplicabilidade dos sistemas periciais;
  • A obtenção do conhecimento para sistemas periciais;
  • A organização do conhecimento nos sistemas periciais;
  • Fiabilidade e riscos de utilização de sistemas periciais.
  • Business Intelligence (BI):
  • Business Intelligence vs. Competitive Intelligence;
  • Data mining para business intelligence;
  • Big data e business intelligence;
  • Operational Reporting, Corporate BI and Self-Service BI
  • Self-Service BI - Prática Laboratorial em Power BI

 

Statistics for Data Science

 

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

  • Estatística Descritiva (Média, Mediana, Desvio Padrão, etc… incluindo a compreensão da
    diferença entre amostra e população)
  • Variáveis Discretas vs Contínuas
  • Visualização de Dados (Gráficos de Barras, Histogramas, BoxPlots, ScatterPlots, etc…)
  • Probabilidades:
    - Variáveis Aleatórias Discretas e Distribuições de Probabilidade (Bernoulli, Binomial, Poisson, etc…)
    - Funções de Distribuição Cumulativa
    - Testes de Hipóteses
    - Teorema do Limite Central
  • Z-Score
  • Covariância e Correlação

Data and Database Management

 

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

  • Conceitos Fundamentais
  • Bases de Dados Operacionais versus Data Warehouses
  • O Modelo Relacional de Dados e a Linguagem SQL
  • Data Quality
  • Prática Laboratorial em SQL Server Database

 

Data Analysis and Exploration

 

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

  • Importância da Análise de dados no contexto do Business Intelligence
  • Identificação das necessidades informacionais do negócio e KPIs (dimensões, métricas e
    KPIs)
  • Data visualization e dashboard design
  • Guidelines e best practices
  • Performance dashboards
  • Construção de modelos analíticos e semânticos
  • Técnicas estatísticas multivariadas para a exploração de dados
  • Prática laboratorial em SQL Server Analysis Services
  • Prática laboratorial em Power BI
  • Prática laboratorial em Power Pivot (Excel)

 

Data Warehousing

 

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

  • Conceitos
  • Componentes de um Data Warehouse (DW)
    - Arquiteturas Tradicionais de DW
    - Novas Arquiteturas de DW e Big Data
  • Modelação Dimensional
  • Processos ETL (Extract, Transform and Load)
  • Prática Laboratorial em SQL Server Database e SQL Server
  • Integration Services

 

Python Programming Language

 

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.

  • Conceitos fundamentais
    - Variáveis simples, tipos de dados, operadores
    - Listas, Tuplos, Conjuntos e Dicionários
  • Estruturas de Controle
    - Conceito de Fluxo de execução
    - Estruturas Condicionais
    - Ciclos
  • Funções
    - Funções Recursivas
  • Métodos (Conceito base de Orientação por objetos)
  • Módulos
    - Importação
    - Criação
  • Tratamento de Ficheiros
    - Leitura/Escrita
    - Ficheiros estruturados com Módulo Pandas (CSV / Excel)
    - DataFrames Pandas.
  • Tratamento de Exceções (Try/Except)

 

Data Mining e Machine Learning


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.

 

 
Data Lake of Unstructured Data


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 (MPP)
  • Hadoop
  • Data Lake
  • Big Data no modelo Platform-as-a-Service (PaaS)

Motores de bases de dados com suporte a processamento paralelo massivo

  • Conceitos chave do processamento paralelo massivo
  • Criação de objetos
  • Consultas

Hadoop

  • Arquitetura de sistemas Hadoop
  • File system e Map Reduce
  • Ecosistema de ferramentas Hadoop
  • HDInsight
  • Hive, Pig, Sqoop
  • Spark
  • Utilização e desenho de soluções Hadoop

Data Lake

  • Execução de tarefas ad hoc
  • File System partilhado por sistemas de Big Data
  • Azure Data Lake Store & Analytics
  • U-SQL
  • Map Reduce

Consumo de informação sistemas de Big Data

  • Integração com sistemas de Big Data
  • Integração com Machine Learning

 

Advanced Machine Learning & Artificial Intelligence

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.


Data Science Project

 

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:

  • Definir uma estratégia para os sistemas de informação, devidamente alinhada com a estratégia global;
  • Definir uma estratégia de gestão de dados;
  • Implementar uma secção do modelo de dados que inclua um conjunto de estruturas de dados cujo conteúdo possibilite uma boa diversidade de ações de análise de dados e respetivos relacionamentos
  • Implementação de uma solução analítica adequada, que inclua os diferentes componentes de uma arquitetura de Data Lake +
  • Data Warehouse, que inclua:
    - Implementação de um Data Lake
    - Implementação de um Data Warehouse
    - Implementação de um Modelo Semântico
    - Implementação de um processo ELT /ETL
    - Implementação de um processo de data mining
    - Implementação de relatórios e dashboards
  • Desenvolvimento do projeto utilizando os diferentes componentes da tecnologia
    SQL Server, Power BI e Azure Machine Learning
Candidatura

Faça aqui a sua inscrição no curso

Candidata-se
Pedro Carvalho 3576

Mais informações

Contacte o nosso Program Advisor para esclarecimentos e aconselhamento adicional.