Exploração de Dados

Objectivo

O data mining é a designação global para o processo de procura de padrões em grandes volumes de informação. Estes objectivos são alcançados utilizando técnicas de pre-processamento que visam a normalização e muitas vezes a redução de dimensão, seguidas de algoritmos que extraem a informação relevante e, finalmente a apresentação da informação de maneira a poder ser interpretada.

Conteúdo

1. Modelos de dados multidimensionais
2. Data Warehouses e processamento analítico de dados (OLAP)
3. Transformação de dados
4. Classificação: árvores de decisão, redes neuronais, SVM , KNN (vizinhos mais próximos)
5. Agrupamentos: K-médias, Hierárquicos. SOM (self organizing maps) redes de Kohonen e ART

Competências

1. Familiarização com técnicas de modelação de informação
2. Desenho e implementação de Data Warehouses
3. Entender processos de transformação de dados
4. Aplicação de técnicas de classificação e agrupamento
5. Aplicação das técnicas a problemas comuns

Metodologia

• Aulas teórico-práticas: 3h/semana

Avaliação

• Componente Teórica: exame (60%)
• Componente Prática: trabalhos e apresentações (40%)
• Nota Mínima: 8 valores (em cada componente).

Bibliografia base

• Jiawei Han, Micheline Kamber. Data Mining Concepts and Techniques. (Livro em empréstimo condicionado).
• Pang Ning Tan, M. Steinback , Vipin Kumar. Introduction to data mining. Addison-Wesley, 2006.
• H. Witten, E. Frank. Data Mining: Pratical Machine Learning Tools and Techniques. Elsevier, 2005.
• Inmon, W., Building the data warehouse, John Wiley & Sons, 2005.

Ferramentas

• 4.6 (Latest 4.x Release)
• SQLServer 2008: SQL Server Management Studio, SQL Server Analysis Services,SQL Server Integration Services (SSIS)

Ano Lectivo de 2009/2010

Conteúdos