|
|
|
|
|
1 Ano | 1 Semestre
|
|
|
|
|
|
|
|
Objectivos
Pretende-se que os alunos desenvolvam competências para proceder a Análise de Dados, usando o SPSS, particularmente de dados recolhidos por questionário, incluindo: Descrição de dados e Inferência Estatística, ajustamento de modelos de Regressão Linear, Análise em Componentes Principais e análise de agrupamento.
Programa
Pontos principais:
1. Descrição e exploração de dados
2. Tópicos de amostragem
3. Tópicos de inferência estatística
4. Relacionar variáveis
5. O Modelo de Regressão Linear Simples e Múltipla
6. Análise em Componentes Principais:
7. Análise de Clusters
Processo de Avaliação
Avaliação Periódica: Três trabalhos individuais ou em grupo, 15% cada um. Um teste final, escrito, 55% na nota final. Nota mínima do teste: 7 em 20.
Avaliação final: Uma prova prática, em laboratório, de 1,5 h, 40%; um exame teórico, escrito, de 2,5h, 60% na nota final. Nota mínima para cada elemento 7 em 20.
Nota final ponderada, arredondada às unidades, terá de ser igual ou superior a 10.
Bibliografia
Bibliografia Obrigatória
HAIR, Joseph, Ralph Anderson, Ronald Tatham e William Black, (2005), Multivariate Data Analysis, New Jersey, Prentice Hall, 6ª ed. MQ.124 Mul 6ªed (ISCTE) ISBN: 0-13-032929-0.
MAROCO, João (2003). Análise estatística com utilização do SPSS. Edições Sílabo. MQ.121 MAR*Ana 3 ex. ISBN: 972-618-331-6.
REIS, Elizabeth (1997). Estatística Multivariada Aplicada. Edições Sílabo. Capítulos 11 e 12. MQ.124 REI*Est 3 ex. ISBN: 972-618-165-8.
SINCICH, Terry (1996). Business Statistics by Example, 5th edition. Prentice Hall. Capítulos 12, 13 e 14. MQ.121 SIN*Bus 5ªed (ISCTE). ISBN: 0-02-410441-8.
SPSS Inc. (1998). SPSS User´s Guide, USA.
Folhas da cadeira a disponibilizar no e-learning
Bibliografia Opcional
BRYMAN, Alan e Duncan Cramer, (2003), Análise de dados em ciências sociais : introdução às técnicas utilizando o SPSS para Windows, 3ª ed. Lisboa, Celta. MQ.124 BRY*Ana 3ª ed (ISCTE). ISBN: 972-774-169-X.
FIELD, Andy (2007). Discovering Statistics Using SPSS. Sage.
JACKSON, J.E., (1991) A User´s Guide to Principal Components, John Wiley & Sons. MQ.124 JAC*Use (ISCTE). ISBN: 0-471-62267-2.
REIS, Elizabeth (1998), Estatística Descritiva, Lisboa, Sílabo, 4ª ed. MQ.121 REI*Est 4 ex. ISBN: 972-618-060-0.
REIS, Elizabeth, Paulo Melo, Rosa Andrade e Teresa Calapez, (1997), Estatística Aplicada, vols. 1 e 2, Lisboa, Sílabo, 4ª ed. MQ.121 Est V.1-2 4ª ed.
RICE UNIVERSITY (Lead Developer), University of Houston Clear Lake, and Tufts University , Online Statistics Education: An Interactive Multimedia Course of Study. http://onlinestatbook.com/2/index.html
SHARMA, Subhash (1996). Applied Multivariate Techniques. John William & Sons.
|
|
|
|
|
|
Objectivos
Esta UC tem por objetivo apresentar uma visão integrada e introdutória de todas as áreas abordadas no mestrado em Sistemas Integrados de Apoio à Decisão.
A UC pretende dotar os alunos de conhecimentos sobre os fundamentos, história e evolução dos Sistemas de Apoio à Decisão no contexto empresarial. São apresentados e discutidos os principais desafios inerentes à tomada de decisão baseada em dados e à execução de projetos de Data Science.
Programa
CP1. Sistemas de Apoio à Decisão: taxonomia, evolução e características fundamentais
CP2. Princípios de Data Science e tomada de decisão baseada em dados
CP3. Sistemas de Data Warehouse e Business Intelligence (BI): características fundamentais, avaliação de maturidade e fatores críticos de sucesso
CP4. A visão estratégica, tática e operacional dos sistemas de apoio à decisão
CP5. Introdução ao Data Mining: técnicas fundamentais
CP6. Desafios de Big Data Analytics
CP7. Introdução à Visualização de Dados para apoio à decisão
CP8. Discussão de casos práticos de BI e Data Science
Processo de Avaliação
Existem dois tipos de avaliação: contínua e por exame.
Avaliação continua é composta por:
1. Elaboração de um artigo (individual): 40%
2. Avaliação crítica (revisão) de um artigo escrito por um colega (individual): 20% - componente de avaliação pelos pares
3. Apresentação sobre um tema ou caso prático (em grupo): 40%
Grupos de 2 elementos. Nota mínima 10 valores em cada componente. A nota de exame constitui 100% da nota da UC.
Bibliografia
Bibliografia Obrigatória
- F. Provost, and T. Fawcett (2013) Data Science for Business. O'Reilly Media, Inc.
- E. Turban, R. Sharda, and D. Delen (2010) Decision Support and Business Intelligence Systems (9th Eds). Pearson Education, Inc, USA
- Davenport, T., Harris, J., and Morison, R. (2010) Analytics at work: smarter decisions, better results. Harvard Business Review Press, USA.
- L. Corr, J. Stagnitto (2011) Agile Data Warehouse Design - Collaborative Dimensional Modeling, from Whiteboard to Star Schema. DecisionOne Press, UK
- Tan, P-N., Steinbach, M., and Kumar, V. (2006) Introduction to Data Mining. Addison-Wesley
- S. Few (2006) Information Dashboard Design - the effective visual communication of data. O'Reilly.
Bibliografia Opcional
- Finlay, S. (2017) Artificial Intelligence and Machine Learning for Business: a no-nonsense guide to data driven technologies. Relativistic (2nd edition), UK.
- Siegel, E. (2013) Predictive Analytics. John Wiley & Sons, USA
- Davenport, T. (2014) Big Data at Work: Dispelling the Myths, Uncovering the Opportunities. Harvard Business Review, USA.
- Kimball, R., Ross, M., Thornthwaite, W., Mundy, J., and Becker, B. (2008) The Data Warehouse Lifecycle Toolkit - practical techniques for building data warehouse and business intelligence systems, 2nd ed. John Wiley & Sons, USA
- R. Kimball, M. Ross (2013) The Data Warehouse Toolkit - the definite guide to dimensional modeling, 3rd Edition. John Wiley & Sons, USA.
- C. Adamson (2010) Star Schema: the complete reference. McGraw-Hill, USA
- Power, D. (2009). Decision Support Basics. New York: Business Expert Press, LLC
- J. O'Brien, G. Marakas (2008) Management Information Systems. 8th ed. McGraw-Hill Irwin, USA
- Cairo, A. (2016) The Truthful Art: Data, Charts and Maps for Communication. New Riders
- Ware, C. (2004) Information Visualization: Perception for Design, 2nd Ed, Morgan Kauffman
- Tufte, E. (1983) The Visual Display of Quantitative Information. Graphics Press
|
|
|
|
|
|
Objectivos
Esta unidade curricular foi especialmente projectada para apresentar, discutir e lidar com a problemática dos sistemas de data warehousing e de processamento analítico, desde os seus conceitos e terminologia básica até aos seus aspectos de projecto e implementação. Desta forma, pretende-se providenciar aos estudantes o conhecimento e a perícia necessária para planearem, projectarem, implementarem e explorarem sistemas de data warehousing, em cenários de aplicações reais, complementando-os com a formação essencial em processamento analítico, com vista a melhorar as suas aptidões em serviços de exploração de informação para suporte à decisão
Programa
CP1. A área dos Sistemas de Suporte à Decisão
CP2. Introdução aos Sistemas de Data Warehousing
CP3. Infra-estruturas e Serviços de um Sistema de Data Warehousing
CP4. Ciclo de Vida do Desenvolvimento de um Sistema de Data Warehousing
CP5. Metodologias para o Desenvolvimento de Sistemas de Data Warehousing
CP6. Planeamento de um Projecto de Data Warehousing
CP7. Levantamento e Análise de Requisitos de Agentes de Decisão
CP8. Modelação Conceptual, Lógica e Física de Data Warehouses
CP9. Projecto de Sistemas de ETL
CP10. Administração de Sistemas de Data Warehousing
CP11. Exploração de Sistemas de Data Warehousing
CP12. Processamento Analítico de Dados (OLAP)
Processo de Avaliação
Os alunos para obterem aproveitamento nesta unidade curricular terão que realizar obrigatoriamente uma prova escrita e um trabalho prático. A avaliação final da disciplina é calculada a partir da média das notas obtidas na prova escrita e no trabalho prático. A nota mínima na prova escrita e no trabalho prático é de 10 valores. Se na prova escrita o aluno tiver nota inferior a 10, mas superior ou igual a 8, será submetido a uma prova oral de avaliação. O trabalho prático será realizado em grupo
Bibliografia
Bibliografia Obrigatória
- Golfarelli, M., Rizzi, S., Data Warehouse Design: Modern Principles and Methodologies, McGraw-Hill Osborne Media; 1st Edition, May 26, 2009.
- Kimball, R., Reeves, L., Ross, M., Thornthwait, W., The Data Warehouse Lifecycle Toolkit ? Pratical Techiniques for Building Data Warehouse and Business Intelligence Systems, John Wiley & Sons, 2ª Edição, 2008
Bibliografia Opcional
- Kimball, R., Caserta, J., The Data Warehouse ETL Toolkit - Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data, John Wiley & Sons, 2004.
- Kimball, R., Roos, M., The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling, John Wiley & Sons, 2ª Edição, 2002.
- Larissa Moss, Shaku Atre. Business Intelligence Roadmap. The Complete Lifecycle for Decision-Support Applications. Addison-Wesley Information Technology Series. 2003.
- Inmon, W.H., Building the Data Warehouse , John Wiley & Sons,1996
|
|
|
|
|
|
Objectivos
Apresentar aos alunos os fundamentos de estratégia empresarial. Dotar os alunos de uma visão integradora e crítica sobre os sistemas de informação estratégicos para a gestão de desempenho das organizações e apoio à tomada de decisão estratégica, com ênfase nas abordagens de balanced scorecard e gestão da qualidade.
Pretende-se que os alunos desenvolvam a capacidade de desenhar e criticar diferentes balanced scorecards e que sejam capazes de aplicar os conceitos leccionados a um caso de estudo numa determinada área de negócio. Os alunos devem igualmente ser capazes de implementar dashboards para a tomada de decisão a nível estratégico.
Programa
Módulo de Estratégia empresarial:
CP1. Estratégia: do Posicionamento ao Movimento
CP2. Análise do meio envolvente mediato e imediato
CP3. Perspetivas demográfica, económica, política e social
CP4. Teoria dos Stakeholders
CP5. Modelo das 5 forças de Porter e estratégias genéricas
CP6. Qualidade - principais ideias de Deming
CP7. A Teoria baseada nos Recursos
Módulo de Sistemas de Informação Estratégicos:
CP8. Enquadramento e elementos do Balanced Scorecard
CP9. Metodologias de desenvolvimento de BSC
CP10. Modelos de negócio e desenho da proposta de valor para o cliente
CP11. Factores críticos de sucesso de um projecto de BSC
CP12. Princípios fundamentais de TQM. Como medir qualidade no âmbito de um BSC?
CP13. Visualização de dados e desenho de dashboards
CP14. Alinhamento entre o BSC e os programas de melhoria continua / TQM
Processo de Avaliação
Existem dois tipos de avaliação: contínua e por exame.
Avaliação contínua é composta por:
1. Trabalho prático (em grupo): 40%
2. Escrita de artigo síntese com comparação BSC e TQM (em grupo): 20%
3. Teste teórico individual: 40%
Grupos compostos por 2 a 4 elementos.
A nota mínima para cada instrumento de avaliação é de 10 valores. A nota de exame constitui 100% da nota da UC.
Bibliografia
Bibliografia Obrigatória
N. António (2006) Estratégia Organizacional: do posicionamento ao movimento. Edições Silabo
E. Cardoso (2015) Sebenta de SIAD II: Metodologia de desenvolvimento de Balanced Scorecard
E. Cardoso (2011) Business Intelligence e Gestão de Performance, in António N. (ed.), Estratégia Organizacional: do mercado à ética. Lisboa, Portugal: Escolar Editora, pp. 167-200.
R. Kaplan, D. Norton (2008) The Execution Premium: Linking Strategy to Operations for Competitive Advantage. Harvard Business School Press. Versão traduzida em Português: Prémio de Execução, Edição de Actual Editora, 2009
R. Kaplan, D. Norton (2004) Strategy Maps: Converting Intangible Assets into Tangible Outcomes, Harvard Business School Press
J. Dahlgaard, K. Kristensen, G. Kanji (2002) Fundamentals of Total Quality Management. Taylor & Francis Group.
Few, Stephen (2006) Information Dashboard Design - the effective visual communication of data. O'Reilly.
Bibliografia Opcional
B. Dale (2003) Managing Quality (4th Ed). Blackwell Publishing.
N. Logothetis (1992) Managing for Total Quality: From Deming to Taguchi and SPC. Prentice Hall
R. Kaplan, D. Norton (2006) Alignment: Using the Balanced Scorecard to Create Corporate Synergies, Harvard Business School Press
R. Person (2009) Balanced Scorecards & Operational Dashboards with Microsoft Excel, Wiley Publishing, Inc
P. Niven (2003) Balanced Scorecard Step-By-Step for Government and Nonprofit Agencies, John Wiley & Sons, Inc
P. Niven (2005) Balanced Scorecard Diagnostics. Maintaining Maximum Performance, John Wiley & Sons, Inc
N.G., Olve, J. Roy, M. Wetter (2004) Performance Drivers: a practical guide to using the Balanced Scorecard, John Wiley & Sons, Ltd (original Swedish Edition published in 1997)
Osterwalder, A. & Pigner, Y. 2010. Business Model Generation - a Handbook for Visionaries, Game Changers, and Challengers, Wiley, New Jersey.
Osterwalder, A., Pigner, Y., Smith, A., Bernarda, G., Papadakos, P. 2014. Value Proposition Design, Wiley, New Jersey.
Cairo, Alberto (2016). The Truthful Art: Data, Charts, and Maps for Communication. New Riders.
Evergreen, Stephanie (2016). Effective Data Visualization: The Right Chart for the Right Data. USA. SAGE Publications Ltd
|
|
1 Ano | 2 Semestre
|
|
|
|
|
|
|
|
Objectivos
A gestão de risco & Compliance e a tomada de decisão na presença de múltiplos critérios em conflito são hoje componentes importantes da gestão estratégica e operacional de uma organização. A capacidade para a sua implementação é vital para evolução e sobrevivência das empresas. Torna-se assim necessário o conhecimento dos principais desafios que a gestão de risco e o Compliance colocam, bem como as técnicas que a gestão tem a sua disponibilização para os mitigar. Relativamente à Análise Multicritério (AM), é fundamental a aplicação de técnicas que confiram objetividade à tomada de decisão quando existem múltiplos critérios para decidir entre várias alternativas. Neste âmbito, os sistemas de apoio à decisão são uma ferramenta essencial para capacitar os gestores com o conhecimento que lhe permita implementar este processo com sucesso.
Programa
CP1. Introdução a gestão de risco & Compliance
CP2. Risco de Mercado
CP3. Risco de Crédito
CP4. Risco Operacional
CP5. Fraude e Branqueamento de Capitais
CP6. O processo integrado de apoio à decisão: dados e análises
CP7. O processo integrado de apoio à decisão: arquiteturas e ferramentas
CP8. Termos e conceitos gerais da AM em problemas de decisão. Agente de decisão. Normalização e função de valor. Agregação de critérios. Avaliação global de alternativas. Análise de sensibilidade e de incerteza
CP9. Estruturação de problemas de decisão através da AM
CP10: Analytic Network Process (ANP) (e AHP-Analytic Hierarchy Process)
CP11. Measuring Attractiveness by a Categorical Based Evaluation Technique (MACBETH)
CP12. Outros métodos da AM
Processo de Avaliação
Avaliação contínua: nota mínima de 8 valores (escala 0-20) em todas as componentes de avaliação.
A avaliação contínua da UC é composta pelas seguintes componentes:
- Trabalho final individual em um dos módulos: 70%
- Apresentação dos trabalhos: 30%
A UC não pode ser feita por exame.
Bibliografia
Bibliografia Obrigatória
Hopkin, Paul, Fundamentals of risk Management, Kogan Page, 2012
Crouhy, M., Galay, D. and Mark, R., The Essencials of Risk Management, McGraw Hill, 2014
Ishizata, A. and Nemery, P., Multi-Criteria Decision Analysis - Methods and Software, John Wiley & Sons, United Kingdom, 2013
Communities and Local Government, Multi-criteria analysis: a manual. Communities and Local Government Publications [Online], 2009
Greco, S., Ehrgott, M. and Figueira, J.R., Multiple Criteria Decision Analysis - State of the Art Surveys, Springer, New York, 2016
Bibliografia Opcional
Levine, Scott, Implementing Systems solutions for Financial Risk Management. Riskbooks, 2007
Almeida, A.T., Cavalcante, C.A.V., Alencar, M.H., Ferreira, R.J.P., Almeida-Filho, A.T. and Garcez, T.V., Multicriteria and Multiobjective Models for Risk, Reliability and Maintenance Decision Analysis, Springer, Switzerland, 2015
Roman B. Statnikov and Joseph B. Matusov, Multicriteria Analysis in Engineering, Springer-Science+Business Media, B.V., 2002
|
|
|
|
|
|
Objectivos
Os objectivos gerais desta UC assentam em fornecer uma visão aplicacional do processo de tomada de decisões em marketing e uma formação na especificação, concepção e desenvolvimento de aplicações de Customer Intelligence (CRM Analítico).
Programa
1.Jogo de Simulação em Marketing Management: Marketing Game!
a.Processo de tomada de decisões em Marketing
b.Análise situacional: triângulo mercado, concorrência, empresa
c.Responsabilidades da Direcção de Marketing: estratégia e políticas de Marketing, estudos de mercado e orçamento de marketing
2.Software de Business Intelligence: MicroStrategy
a.Introdução ao MicroStrategy e Scripted Demo
b.MicroStrategy Application Modules (Customer, Sales Force, Sales and Distribution Analysis)
c.Exercícios e Projectos de Aplicação Prática
3.Customer Intelligence (CRM Analítico)
a.Especificação (Business Understanding e Data Understanding)
b.Preparação de Dados para utilização Analítica (Data Preparation)
c.Modelos de Customer Intelligence (Modelling)
d.Comparação de Modelos e Implementação (Evaluation)
e.Aplicação no Apoio à Decisão das Organizações (Deployment)
Processo de Avaliação
O sistema de avaliação é composto por
-Jogo de Simulação em Marketing (30%)
-Business Intelligence Assignment(20%)
-Customer Analytics Project(30%)
-Test (20%)
Bibliografia
Bibliografia Obrigatória
Mason, Charlotte & William Perreault. The Marketing Game! (3rd edition) McGraw-Hill, New York
Mastering Data Mining: The Art and Science of Customer Relationship Management? - Michael J. A. Berry & Gordon S. Linoff
Wiley
Data Mining Cookbook: Modeling Data for Marketing, Risk and Customer Relationship Management?. Olivia Parr Rud. Wiley
Bibliografia Opcional
Competing on Analytics?. Davenport & Harris. Harvard Business School Press. 2007
Data Preparation for Analytics Using SAS®?. Svolba, Gerhard. SAS Institute Inc. 2006.
Data Mining Techniques in CRM: Inside Customer Segmentation?. Konstantinos Tsiptsis, Antonios Chorianopoulos. 2009. Wiley
|
|
|
|
|
|
Objectivos
A unidade desenvolve competências em extração de conhecimento a partir de dados empresariais. Problemas típicos passíveis de serem estudados: descoberta de padrões de consumo, deteção de fraudes, estimação do risco de incumprimento no crédito ao consumo ou a empresas, deteção de fatores de abandono de serviços, seleção de clientes de companhias de seguros, descoberta de sequências típicas de visitas a páginas Web e outros.
Programa
CP1. Introdução à extração de conhecimento a partir de dados (Data Mining) e principais metodologias.
CP2. Aplicação de modelos de aprendizagem supervisionada e não supervisionada;
CP3. Problemas de classificação e métricas;
CP4. Problemas de regressão e métricas;
CP5. Problemas de predição e métricas;
CP6. Tratamento e preparação de dados;
CP7. A importância da seleção das variáveis adequadas;
CP8. Utilização do software open source R para proceder à modelação básica e análise de dados;
CP9. Visualização de dados: princípios básicos e ferramentas;
CP10. Adaptive Business Intelligence.
Processo de Avaliação
Aval. Contínua:
4 testes (TI), 10% cada
Um trabalho de grupo(TF) discutido intergrupos, na 1ª época (60%).
Nota Final=TIx40%+TFx60%. Min.Testes:5val;Trabalho:7val.
Alternativa - Aval. 1ª época:
trabalho individual (T) min.7val- inscrição até um mês antes do final das aulas e discussão oral -50%.
Um exame(E) min.7val, na data da 1ª época -50%.
Nota Final=Tx50%+Ex50%.
Avaliação 2ª época:
Trabalho de grupo (60%) + Exame (40%)
OU
Trabalho individual 1ª época (50%) + Exame (50%)
Bibliografia
Bibliografia Obrigatória
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Sharda, R., Delen, D., Turban, E., Aronson, J., & Liang, T. P. (2014). Businesss Intelligence and Analytics: Systems for Decision Support-(Required). Prentice Hall.
Bibliografia Opcional
Foster Provost, Tom Fawcett (2013) Data Science for Business. What you need to know about data mining and data-analytic thinking, 1st edition. O'Reilly.
P. Cortez (2015). A tutorial on using the rminer R package for data mining tasks. https://repositorium.sdum.uminho.pt/bitstream/1822/36210/1/rminer-tutorial.pdf
P. Cortez (2014). Modern optimization with R. Springer.
M. Rocha & P. Ferreira. Análise e exploração de dados com R. FCA.
|
|
|
|
|
|
Objectivos
Pretende-se que os alunos, no final desta Unidade Curricular, de-senvolvam competências que lhes permitam, no plano conceptual, compreender os conceitos relacionados com a gestão de projetos, recorrendo a metodologias tradicionais e ágeis, nas respectivas dimensões inerentes e abordar a temática na perspectiva das me-lhores práticas e standards internacionais. Pretende-se ainda que no plano da aplicação prática, sejam capazes de utilizar os méto-dos e técnicas abordados para a resolução de um problema real no domínio das TIC, com especial relevo para a área de Business Intelligence.
Programa
CP1: Fundamentos da Gestão de Projectos
CP2: Contexto Organizacional, Processos e Áreas de Conhecimento da Gestão de Projectos - PMBOK
CP3: Gestão Integrada de Projectos: Autorização; Preparação; Realização; Fecho
CP4: Gestão Ágil de Projetos: SCRUM e Extreme Programming
CP5: Complementos de Gestão de Projectos: As especificidades dos Projectos de TIC; funções do PMO; modelos de maturidade; análise e discussão de Casos de Estudo
CP6: Os Ciclos de Vida de Projeto de BI e suas características.
CP7: Boas práticas de Gestão de Projeto e Modelos de Maturida-de.
CP8: O Planeamento da Gestão de um Projeto. As fases de Análise e Desenho de um Projeto.
CP9: A Monitorização e Controlo de um Projeto. As fases de Cons-trução, Pré-Produção, e Produção de um Projeto. O Encerramen-to de um Projeto.
CP10: Metodologia ágil de execução de um Projeto.
CP11: Conceitos e casos práticos de Gestão da relação com o Cli-ente. Conceitos e casos práticos da Gestão de um Portfolio.
Processo de Avaliação
Avaliação Contínua:
- Participação nas aulas/realização de exercícios (15%)
- Realização do trabalho de grupo, apresentações intermédias e apresentação final (85%)
Os alunos que reprovarem na avaliação contínua podem realizar um exame na época de recurso (2ª época), que conta com 100% da nota.
É obrigatória a presença dos alunos nas aulas que envolvam a reali-zação de exercícios práticos que sejam considerados para avalia-ção, nas apresentações intermédias e apresentação final.
Bibliografia
Bibliografia Obrigatória
A Guide to the Project Management Body of Knowledge Pmbok Guide - 5th Edition: Project Management Institute: Books. (n.d.).
Meredith, J. R., Mantel, S. J., & Jr. (2011). Project Management: A Managerial Approach. John Wiley & Sons.
Information Technology Project Management - 4th Edition, Jack T. Marchewka, John Wiley and Sons, Inc.
Carroll, J. (2012). Effective Project Management in Easy Steps. In Easy Steps.
Carroll, J. (2012). Agile Project Management in Easy Steps. In Easy Steps.
Roger S Pressman, Software Engineering: A Practitioner's Approach, 7th Ed, ISBN 0073375977
Ralph Hughes, Agile Data Warehousing Project Management, ISBN 9780123964632
Lawrence Corr, Agile Data Warehouse Design: Collaborative Dimensional Modeling, from Whiteboard to Star Schema, ISBN 9780956817204
Bibliografia Opcional
Materiais diversos fornecidos pelos docentes da UC.
|
|
|
|
|
|
Objectivos
Esta unidade curricular tem como missão disponibilizar um espaço de discussão e formação avançada em data warehousing que proporcione as condições necessárias para que os alunos adquiram conhecimento e perícia na especificação, desenvolvimento e gestão de sistemas de povoamento de data warehouses ? ETL (Extract, Transform, and Load). Pretende-se reforçar os conhecimentos dos alunos no domínio dos sistemas de suporte à decisão, cimentando os conceitos transmitidos previamente na unidade curricular de SIA I. Pretende-se demonstrar que a validade, e consequente utilidade, de um data warehouse depende em grande parte do sucesso da implementação e efetividade do seu sistema de povoamento, ou seja dos sistemas responsáveis por levarem os dados para o data warehouse.
Programa
CP1. O povoamento de um data warehouse.
CP2. Técnicas e estratégias para o povoamento de data warehouses.
CP3. Extração, transformação e carregamento de dados ? ETL.
CP4. Arquitetura básica de um sistema de ETL.
CP5. Especificação e projeto de um sistema de ETL.
CP6. Desenvolvimento de um sistema de ETL CP7. Monitorização de sistemas de ETL.
CP8. Otimização de um sistema de ETL.
Processo de Avaliação
Os alunos para obterem aproveitamento nesta unidade curricular terão que realizar obrigatoriamente uma prova escrita e um trabalho prático. A avaliação final da disciplina é calculada a partir da média das notas obtidas na prova escrita e no trabalho prático. A nota mínima na prova escrita e no trabalho prático é de 10 valores. Se na prova escrita o aluno tiver nota inferior a 10, mas superior ou igual a 8, será submetido a uma prova oral de avaliação. O trabalho prático será realizado em grupo
Bibliografia
Bibliografia Obrigatória
- Kimball, R., Caserta, J., The Data Warehouse ETL Toolkit - Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data, John Wiley & Sons, 2004.
- Golfarelli, M., Rizzi, S., Data Warehouse Design: Modern Principles and Methodologies, McGraw-Hill Osborne Media; 1st Edition, May 26, 2009.
Bibliografia Opcional
- Kimball, R., Reeves, L., Ross, M., Thornthwait, W., The Data Warehouse Lifecycle Toolkit ? Pratical Techiniques for Building Data Warehouse and Business Intelligence Systems, John Wiley & Sons, 2ª Edição, 2008
- Kimball, R., Ross, M., The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling, John Wiley & Sons, 2ª Edição, 2002.
- Larissa Moss, Shaku Atre. Business Intelligence Roadmap. The Complete Lifecycle for Decision-Support Applications. Addison-Wesley Information Technology Series. 2003.
- Inmon, W.H., Building the Data Warehouse, John Wiley & Sons, 1996
|
|
2 Ano | 1 Semestre
|
|
|
|
|
|
|
|
Objectivos
Esta UC tem por objectivo orientar e acompanhar os alunos no desenvolvimento da dissertação de mestrado em Sistemas Integrados de Apoio à Decisão. Deste modo, procura transmitir e consolidar um conjunto de conhecimentos e competências relacionadas com a condução de projetos de investigação nas áreas científicas do mestrado.
Programa
A natureza da UC não permite definir um programa com matérias concretas, pois procura aplicar competências já adquiridas para alcançar o objectivo de conclusão da dissertação de mestrado. Não obstante, algumas das matérias constantes da UC compreendem:
CP1: Introdução à investigação
CP2: Formulação do problema e objectivos de investigação (proposta de dissertação e capítulo de Introdução)
CP3: Boas práticas para o desenvolvimento do estado da arte (revisão de literatura)
CP4: Metodologias de investigação: design science, case study, action research e investigação por questionário
CP5: Boas práticas de escrita científica e apresentação de trabalhos de investigação
Processo de Avaliação
A dissertação deverá ser defendida em provas públicas onde se avaliarão as componentes técnica, a forma do trabalho escrito e a apresentação e defesa pública. A Dissertação deve ser apresentada de acordo com as normas e prazos estabelecidos pelo ISCTE-IUL. A presença nos seminários é fundamental para o desenvolvimento do projeto. Será facultada ao júri da dissertação a informação sobre a assiduidade de cada aluno/a aos seminários desta UC.
Bibliografia
Bibliografia Obrigatória
Normas orientadoras para a dissertação ou trabalho de projeto de mestrado (ISCTE-IUL)
Oliveira, L. A. (2011) Dissertação e tese em Ciência e Tecnologia segundo Bolonha. Guia de boas práticas. Lidel.
Briony Oates (2006) Researching Information Systems and Computing. Sage Publications
Patton, M. Q. (2002) Qualitative Research & Evaluation Methods, US, Sage Publications, Inc.
Punch, K.F. (2006). Developing effective research proposals (2nd Ed.) Londres: SAGE.
Ridley, D. (2008). The literature review: a step-by-step guide for students. London: Sage.
Zobel, J. (2004) Writing for Computer Science (2nd Edition). Springer.
Bibliografia Opcional
Baskerville, R. (1999). Investigating Information Systems with Action Research. Communications of the Association for Information Systems (AIS), Vol. 2, Issue 3es, Article No. 4, Nov. 1999.
Baskerville, R., and Wood-Harper, T. (1996). A critical perspective on action research as a method for information systems research. Journal of Information Technology, Vol. 11, Issue 3, pp. 235-246, Sep. 1996.
Hevner, A., March, S., and Park, J (2004).Design Science in Information Systems Research. MIS Quarterly, 28, 75-105.
Hill, M., and Hill, A. (2012) Investigação por Questionário (2ª Edição). Edições Sílabo.
Järvinen, P. (2007) Action Research is Similar to Design Science. Quality & Quantity, Vol. 41, Number 1, pp. 37-54, Feb. 2007.
March, S., and Smith G. (1995). Design and natural science research on information technology. Decision Support Systems, 15, 251-266.
Peffers, K., Tuunanen, T., Rothenberger, M., and Chatterjee, S. (2007-8). A Design Science Research Methodology for Information Systems Research. Journal of Management Information Systems, 24, 45-78
Simon, H. (1996). The Sciences of the Artificial (3rd edition), Cambridge, Massachusetts, MIT Press.
Susman, G., and Evered, R. (1978) An assessment of the scientific merits of action research. Administrative Science Quarterly, Vol. 23, Issue 4, pp. 582-603, Dec. 1978.
Yin, R. 2003. Case Study Research - Design and Methods (3rd edition), Sage Publications.
Walliman, N. (2005). Your research project (2nd Ed.). London. SAGE.
|
|
|
|
|
|
Objectivos
O principal objetivo desta UC é o de dar a conhecer ao aluno o potencial das grandes quantidades de texto atualmente disponíveis e os métodos computacionais que podem ser utilizados para extrair conhecimento a partir desses dados.
Os alunos devem ficar a conhecer as tecnologias necessárias ao desenvolvimento de processos de Text Mining. Pretende-se que os alunos conheçam as tecnologias envolvidas, as suas aplicações imediatas e as suas limitações. Assim, as principais competências e atitudes que identificam os processos cognitivos internos do aluno serão as seguintes: reconhecer as diferentes vertentes científicas envolvidas nos processos de Text Mining; perceber quais são os métodos, algoritmos e resultados de cada uma das tarefas envolvidas; conhecer as aplicações realizáveis com as tecnologias atuais e discutir a evolução futura (previsível) dos tópicos nucleares e sua aplicação específica a tarefas tais como análise de sentimento e modelação de tópicos.
Programa
Introdução
CP1: Utilidade de grandes quantidades de texto, desafios e métodos atuais
CP2: Informação não estruturada vs. (semi-)estruturada
CP3: Obtenção e filtragem de informação, extração de informação e Data Mining
Representação de documentos
CP4: Preparação e limpeza de documentos
CP5: Extração de propriedades
CP6: Estratégias de pesagem de termos
CP7: Modelos de espaços vectoriais
CP8: Medidas de similaridade
Processamento Computacional da Língua
CP9: Modelos de língua
CP10: Morfologia e análise morfossintática
CP11: Estruturas complexas: análise sintáctica
CP12: Extração de informação
Classificação de Texto
CP13: Introdução à aprendizagem automática estatística
CP14: Medidas de avaliação
CP15: Classificadores generativos
CP16: Classificadores discriminativos
CP17: Aprendizagem não supervisionada
CP18: Recursos para Text Mining
Casos de Estudo
CP19: Análise de sentimento
CP20: Identificação de tópicos
Processo de Avaliação
Esta UC é feita apenas por avaliação periódica, não contemplando a modalidade de exame final. A avaliação consiste em duas componentes: TRABALHOS (2 trabalhos, valendo cada um 30%) e MINI-TESTES (2 mini-testes, valendo cada um 20%). A nota da componente TRABALHOS está limitada à nota da componente MINI-TESTES + 6 valores. É obrigatória a presença em 66% das aulas. Em caso de reprovação, a nota da componente MINI-TESTES pode ser substituída por uma prova escrita realizada em 1ª ou 2ª época.
Bibliografia
Bibliografia Obrigatória
Text Mining Handbook: advanced approaches in analyzing unstructured data, Ronen Feldman and James Sanger, 2006, Cambridge University Press
Data Mining: Practical Machine Learning Tools and Techniques, Ian Witten, Eibe Frank, and Mark A. Hall, 2011 (Third Edition), Morgan Kaufmann Publishers
SPEECH and LANGUAGE PROCESSING: An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition, Daniel Jurafsky & James H. Martin, 2009 (Second Edition), Prentice-Hall
Bibliografia Opcional
Speech and Language Processing (3rd ed. draft), Dan Jurafsky and James H. Martin. https://web.stanford.edu/~jurafsky/slp3/
Text Mining: classification, clustering and applications, Ashok Srivastava and Mehran Sahami (eds.), 2009, Chapman & Hall
Foundations of Statistical Natural Language Processing, Christopher D. Manning and Hinrich Schütze, 1999, The MIT Press
|
|
2 Ano | 2 Semestre
|
|
|
|
|
|
|
|
Objectivos
Esta UC tem por objectivo orientar e acompanhar os alunos no desenvolvimento da dissertação de mestrado em Sistemas Integrados de Apoio à Decisão. Deste modo, procura transmitir e consolidar um conjunto de conhecimentos e competências relacionadas com a condução de projetos de investigação nas áreas científicas do mestrado.
Programa
A natureza da UC não permite definir um programa com matérias concretas, pois procura aplicar competências já adquiridas para alcançar o objectivo de conclusão da dissertação de mestrado. Não obstante, algumas das matérias constantes da UC compreendem:
CP1: Introdução à investigação
CP2: Formulação do problema e objectivos de investigação (proposta de dissertação e capítulo de Introdução)
CP3: Boas práticas para o desenvolvimento do estado da arte (revisão de literatura)
CP4: Metodologias de investigação: design science, case study, action research e investigação por questionário
CP5: Boas práticas de escrita científica e apresentação de trabalhos de investigação
Processo de Avaliação
A dissertação deverá ser defendida em provas públicas onde se avaliarão as componentes técnica, a forma do trabalho escrito e a apresentação e defesa pública. A Dissertação deve ser apresentada de acordo com as normas e prazos estabelecidos pelo ISCTE-IUL. A presença nos seminários é fundamental para o desenvolvimento do projeto. Será facultada ao júri da dissertação a informação sobre a assiduidade de cada aluno/a aos seminários desta UC.
Bibliografia
Bibliografia Obrigatória
Normas orientadoras para a dissertação ou trabalho de projeto de mestrado (ISCTE-IUL)
Oliveira, L. A. (2011) Dissertação e tese em Ciência e Tecnologia segundo Bolonha. Guia de boas práticas. Lidel.
Briony Oates (2006) Researching Information Systems and Computing. Sage Publications
Patton, M. Q. (2002) Qualitative Research & Evaluation Methods, US, Sage Publications, Inc.
Punch, K.F. (2006). Developing effective research proposals (2nd Ed.) Londres: SAGE.
Ridley, D. (2008). The literature review: a step-by-step guide for students. London: Sage.
Zobel, J. (2004) Writing for Computer Science (2nd Edition). Springer.
Bibliografia Opcional
Baskerville, R. (1999). Investigating Information Systems with Action Research. Communications of the Association for Information Systems (AIS), Vol. 2, Issue 3es, Article No. 4, Nov. 1999.
Baskerville, R., and Wood-Harper, T. (1996). A critical perspective on action research as a method for information systems research. Journal of Information Technology, Vol. 11, Issue 3, pp. 235-246, Sep. 1996.
Hevner, A., March, S., and Park, J (2004).Design Science in Information Systems Research. MIS Quarterly, 28, 75-105.
Hill, M., and Hill, A. (2012) Investigação por Questionário (2ª Edição). Edições Sílabo.
Järvinen, P. (2007) Action Research is Similar to Design Science. Quality & Quantity, Vol. 41, Number 1, pp. 37-54, Feb. 2007.
March, S., and Smith G. (1995). Design and natural science research on information technology. Decision Support Systems, 15, 251-266.
Peffers, K., Tuunanen, T., Rothenberger, M., and Chatterjee, S. (2007-8). A Design Science Research Methodology for Information Systems Research. Journal of Management Information Systems, 24, 45-78
Simon, H. (1996). The Sciences of the Artificial (3rd edition), Cambridge, Massachusetts, MIT Press.
Susman, G., and Evered, R. (1978) An assessment of the scientific merits of action research. Administrative Science Quarterly, Vol. 23, Issue 4, pp. 582-603, Dec. 1978.
Yin, R. 2003. Case Study Research - Design and Methods (3rd edition), Sage Publications.
Walliman, N. (2005). Your research project (2nd Ed.). London. SAGE.
|
