Sistemas Integrados de Apoio à Decisão

Catarina Marques

Departamento de Métodos Quantitativos para Gestão e Economia

José Gonçalves Dias

Departamento de Métodos Quantitativos para Gestão e Economia

Teresa Calapez

Departamento de Métodos Quantitativos para Gestão e Economia

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.

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

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

Elsa Cardoso

Departamento de Ciências e Tecnologias da Informação

Jorge Afonso

Departamento de Ciências e Tecnologias da Informação

Sérgio Moro

Departamento de Ciências e Tecnologias da Informação

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.

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

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

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

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)

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

Elsa Cardoso

Departamento de Ciências e Tecnologias da Informação

Nelson José António

Departamento de Marketing, Operações e Gestão Geral

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.

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

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

Rosário Laureano

Departamento de Matemática

Rui Alexandre Gonçalves

Departamento de Ciências e Tecnologias da Informação

Vasco Moreira Rato

Departamento de Arquitectura e Urbanismo

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.

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

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

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).

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)

O sistema de avaliação é composto por
-Jogo de Simulação em Marketing (30%)
-Business Intelligence Assignment(20%)
-Customer Analytics Project(30%)
-Test (20%)

Bibliografia

Ana Maria de Almeida

Departamento de Ciências e Tecnologias da Informação

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.

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.

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

Carlos Serrão

Departamento de Ciências e Tecnologias da Informação

Pedro Miguel Abreu

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.

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.

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

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.

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.

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

Elsa Cardoso

Departamento de Ciências e Tecnologias da Informação

Isabel Machado Alexandre

Departamento de Ciências e Tecnologias da Informação

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.

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

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

Fernando Batista

Departamento de Ciências e Tecnologias da Informação

Ricardo Ribeiro

Departamento de Ciências e Tecnologias da Informação

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.

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

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

Elsa Cardoso

Departamento de Ciências e Tecnologias da Informação

Esta UC tem por objetivo central dotar os alunos de conhecimentos de visualização de dados para a área de apoio à decisão e de business intelligence.
Esta UC está focada nas boas práticas de utilização de tecnologias para o desenvolvimento de diferentes interfaces de visualização de informação que permitam a tomada de decisão nos diversos níveis de uma organização (i.e., operacional, tático e estratégico).
Nesta UC são abordados também os atuais desafios na visualização de big data analytics e text analytics.
A UC aborda também as boas práticas do desenho de interfaces no âmbito de Interface Homem-Máquina, com especial enfoque na usabilidade.

Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1. Visual Analytics e os sistemas de business intelligence e de apoio à decisão
CP2. Boas práticas para o desenvolvimento de dashboards para apoio à decisão
CP3. Desafios da visualização de dados para big data analytics e text analytics
CP4. Enquadramento de conceitos-chave, heurísticas e taxonomias na área da Interação Homem-Máquina
CP5. Confrontação das diretrizes teóricas com exemplos de boas práticas de design de interface em contexto analítico
CP6. Parâmetros definidores e avaliadores da usabilidade e experiência do utilizador de interfaces em analítico.

Avaliação contínua: com duas componentes:
1-Trabalho em grupo (60%).
2-Exercício individual (40%).
Critérios de elegibilidade para a avaliação contínua: assiduidade às aulas mínima de 50%.
Grupos de 2-3 elementos. Nota mínima de 10 valores em cada componente.
Alternativamente o aluno pode ser avaliado por um exame final que vale 100% da nota.

Bibliografia

Ana Maria de Almeida

Departamento de Ciências e Tecnologias da Informação

Conhecer os rudimentos da Aprendizagem Automática (AA) de modo a conseguir usar ferramentas com algoritmos de AA em problemas reais e construir algoritmos de complexidade média a partir de descrições.

CP1. Nota histórica sobre a Aprendizagem Automática. Relação com outras disciplinas. Principais aplicações.
CP2. Problemas e tipos de aprendizagem;
CP3. Aprendizagem Não Supervisionada;
CP4. Aprendizagem Supervisionada (simbólica e sub-simbólica);
CP5. Aprendizagem por Reforço;
CP6. Métodos de procura e Algoritmos Genéticos;
CP7. Preparação de dados, validação de resultados;
CP8. Técnicas de aceleração de algoritmos de AA.
CP9. Implementação de algoritmo de AA

A avaliação é feita por trabalho final (90%), incluindo relatório (com um máximo de 10 páginas) e apresentações orais (aprox. 10m). A realização de 3 mini-testes cuja média contribui com os restantes 10% da nota final.

Os temas dos trabalhos serão acordados com o docente até meio do semestre.

As avaliações serão publicadas na página da disciplina, na plataforma de e-learning e/ou directamente por mail.

A assiduidade não é usada como critério de avaliação ou reprovação.

Bibliografia

Augusto Afonso Albuquerque

Departamento de Ciências e Tecnologias da Informação

O principal objetivo desta UC é capacitar o aluno a usar qualquer informação disponível para extrair conhecimento para seu negócio, seja privado ou público.
A disciplina baseia-se na utilização dos princípios fundamentais da ciência dos dados a aplicar à gestão, às finanças e à economia. Uma forte ênfase é dada ao desenvolvimento de competências em vários casos de estudo.

CP1. Introdução à engenharia de dados e conhecimento
CP2. Curso em Python
CP3. Estruturas de dados
CP4. Carregamento de dados, armazenamento e formatos de arquivo
CP5. Data Wrangling: Limpar, Transformar, Mesclar, Redimensionar
CP6. Plotagem e Visualização
CP7. Agregação de Dados e Operações de Grupo. Estatísticas: tendência central, dispersão, correlação, regressão linear
CP8. Hipótese e Inferência
CP9. Clustering: Kmeans, silhueta, Análise de Componentes Principais. Caso de uso: O índice DAX e seus 30 estoques. Regressão bayesiana
CP10. Análise de rede. Caso de uso: comércio internacional
CP11. Séries temporais, incluindo funções de janela móvel
CP12. Aplicações de Dados Financeiros e Econômicos: Gerenciamento de Risco, Simulação de Modelos Financeiros, Teorema Fundamental de Precificação de Ativos e Risco-Neutro, Valorização de Derivativos.

Dada a natureza dos conteúdos lecionados, a avaliação será realizada por 2 trabalhos individuais. O seu tema deverá estar alinhado com a totalidade ou parte do programa da UC. Embora não obrigatório, é incentivada a contextualização deste trabalho na realidade empresarial.

A entrega será na época normal. Cada aluno realizará uma apresentação e discussão sobre os trabalhos, que terão um peso de 100% e será graduado na escala de 0 a 20.

É exigida uma assiduidade mínima de 80% às aulas.

Bibliografia

Rúben Pereira

Departamento de Ciências e Tecnologias da Informação

Esta UC, tem como principal objetivo introduzir os principais conceitos relacionados com a governação das tecnologias de informação. Após completarem com sucesso esta UC os alunos deverão ser capazes de perceber e ter opinião crítica, devidamente sustentada, sobre as principais problemáticas relacionadas com a governação das tecnologias de informação numa empresa.

Pretende-se assim com esta UC dotar os alunos de conhecimentos teóricos essenciais e transversais para que possam mais tarde aplicar na prática uma boa governação das tecnologias de informação, enfrentando os problemas que irão encontrar no terreno de forma eficaz, sempre orientados para o alinhamento entre o negócio e as tecnologias de informação.

CP1-Princípios e conceitos
Princípios e conceitos sobre governação das TI.
CP2-Governação vs gestão das TI
Principais diferenças entre governar e gerir as TI.
CP3-Mecanismos de governação das TI
Mecanismos para governação das TI, assim como as suas funcionalidades.
CP4-Gestão da estratégia das TI
Clarificar a importância de existir um bom planeamento das TI e de manter a estratégia de negócio e das TI alinhadas.
CP5-Valor das TI
Perceber o custo/benefício dos investimentos nas TI.
CP6-Desempenho das TI
Aplicação e relevância de um Balance ScoreCard nas TI.
CP7-Gestão de risco das TI
Importância da gestão de risco e como pode ser aplicada.
CP8-Gestão de conformidades nas TI
Importância de se manter em conformidade com as diversas políticas externas e internas.
CP9-Inovação
Como utilizar as TI para potenciar o negócio.
CP10-Quadros de referência para a governação das TI
Introdução aos principais quadros de referência no mercado para uma melhor governação das TI.

Dada a natureza dos conteúdos lecionados, a avaliação será realizada por trabalho individual. O seu tema deverá estar alinhado com a totalidade ou parte do programa da UC. Embora não obrigatório, é incentivada a contextualização deste trabalho na realidade empresarial.

A entrega será na época normal. Cada aluno realizará uma apresentação e discussão sobre o trabalho, que terá um peso de 100% e será graduado na escala de 0 a 20.

É exigida uma assiduidade mínima de 80% às aulas.

Bibliografia

O objetivo desta UC é proporcionar aos alunos uma compreensão dos principais aspetos da arquitetura, recursos e tecnologias de sistemas de computação em Nuvem. Esta UC cobrirá os tópicos de virtualização de computadores, centros de dados, arquiteturas orientada a serviços, gestão de Nuvem, segurança e processos, tanto dentro de uma Nuvem assim como entre Nuvens. A UC também irá abranger os mais recentes desenvolvimentos em computação em Nuvem, como a computação "green", "edge", "IoT", "Big Data" e "Blockchain". A análise teórica destas tecnologias é complementada com exemplos reais de serviços e sistemas na Nuvem. O programa inclui diversas aulas práticas com desenvolvimento de aplicações e serviços reais na Nuvem.

CP1: Fundamentos de Nuvem, Business Drivers e História;
CP2: Tecnologia Pré-Nuvem, Virtualização, Hipervisores, Xen, Clusters Virtuais;
CP3: XaaS, Nuvens Públicas, Privadas, e Híbridas, Exemplos;
CP4: Princípios básicos de desenvolvimento de aplicações na Nuvem;
CP5: Centros de Dados: Princípios, Arquiteturas, Exemplos;
CP6: Green Computing, Parallel Computing, Economia de Nuvem;
CP7: IoT, Fog/Edge Computing, Interoperabilidade, Investigação europeia na área da Nuvem, "Industrie 4.0", FIWARE;
CP8: Desenvolvimento de Aplicações na Nuvem com Ligação a Sensores IoT e Atuadores;
CP9: Segurança, Riscos na Nuvem, Gestão da Nuvem;
CP10: Big Data, Hadoop, Map Reduce;
CP11: Blockchain, Criptomoedas;
CP12: Desenvolvimento de Aplicações na Nuvem com Aprendizagem e Análise Analítica.

Esta UC é feita apenas por aproveitamento no Exame Final.

Bibliografia

Bibliografia

Elsa Cardoso

Departamento de Ciências e Tecnologias da Informação

Esta UC tem por objetivo central dotar os alunos de conhecimentos de visualização de dados para a área de apoio à decisão e de business intelligence.
Esta UC está focada nas boas práticas de utilização de tecnologias para o desenvolvimento de diferentes interfaces de visualização de informação que permitam a tomada de decisão nos diversos níveis de uma organização (i.e., operacional, tático e estratégico).
Nesta UC são abordados também os atuais desafios na visualização de big data analytics e text analytics.
A UC aborda também as boas práticas do desenho de interfaces no âmbito de Interface Homem-Máquina, com especial enfoque na usabilidade.

Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1. Visual Analytics e os sistemas de business intelligence e de apoio à decisão
CP2. Boas práticas para o desenvolvimento de dashboards para apoio à decisão
CP3. Desafios da visualização de dados para big data analytics e text analytics
CP4. Enquadramento de conceitos-chave, heurísticas e taxonomias na área da Interação Homem-Máquina
CP5. Confrontação das diretrizes teóricas com exemplos de boas práticas de design de interface em contexto analítico
CP6. Parâmetros definidores e avaliadores da usabilidade e experiência do utilizador de interfaces em analítico.

Avaliação contínua: com duas componentes:
1-Trabalho em grupo (60%).
2-Exercício individual (40%).
Critérios de elegibilidade para a avaliação contínua: assiduidade às aulas mínima de 50%.
Grupos de 2-3 elementos. Nota mínima de 10 valores em cada componente.
Alternativamente o aluno pode ser avaliado por um exame final que vale 100% da nota.

Bibliografia

Ana Maria de Almeida

Departamento de Ciências e Tecnologias da Informação

Conhecer os rudimentos da Aprendizagem Automática (AA) de modo a conseguir usar ferramentas com algoritmos de AA em problemas reais e construir algoritmos de complexidade média a partir de descrições.

CP1. Nota histórica sobre a Aprendizagem Automática. Relação com outras disciplinas. Principais aplicações.
CP2. Problemas e tipos de aprendizagem;
CP3. Aprendizagem Não Supervisionada;
CP4. Aprendizagem Supervisionada (simbólica e sub-simbólica);
CP5. Aprendizagem por Reforço;
CP6. Métodos de procura e Algoritmos Genéticos;
CP7. Preparação de dados, validação de resultados;
CP8. Técnicas de aceleração de algoritmos de AA.
CP9. Implementação de algoritmo de AA

A avaliação é feita por trabalho final (90%), incluindo relatório (com um máximo de 10 páginas) e apresentações orais (aprox. 10m). A realização de 3 mini-testes cuja média contribui com os restantes 10% da nota final.

Os temas dos trabalhos serão acordados com o docente até meio do semestre.

As avaliações serão publicadas na página da disciplina, na plataforma de e-learning e/ou directamente por mail.

A assiduidade não é usada como critério de avaliação ou reprovação.

Bibliografia

Augusto Afonso Albuquerque

Departamento de Ciências e Tecnologias da Informação

O principal objetivo desta UC é capacitar o aluno a usar qualquer informação disponível para extrair conhecimento para seu negócio, seja privado ou público.
A disciplina baseia-se na utilização dos princípios fundamentais da ciência dos dados a aplicar à gestão, às finanças e à economia. Uma forte ênfase é dada ao desenvolvimento de competências em vários casos de estudo.

CP1. Introdução à engenharia de dados e conhecimento
CP2. Curso em Python
CP3. Estruturas de dados
CP4. Carregamento de dados, armazenamento e formatos de arquivo
CP5. Data Wrangling: Limpar, Transformar, Mesclar, Redimensionar
CP6. Plotagem e Visualização
CP7. Agregação de Dados e Operações de Grupo. Estatísticas: tendência central, dispersão, correlação, regressão linear
CP8. Hipótese e Inferência
CP9. Clustering: Kmeans, silhueta, Análise de Componentes Principais. Caso de uso: O índice DAX e seus 30 estoques. Regressão bayesiana
CP10. Análise de rede. Caso de uso: comércio internacional
CP11. Séries temporais, incluindo funções de janela móvel
CP12. Aplicações de Dados Financeiros e Econômicos: Gerenciamento de Risco, Simulação de Modelos Financeiros, Teorema Fundamental de Precificação de Ativos e Risco-Neutro, Valorização de Derivativos.

Dada a natureza dos conteúdos lecionados, a avaliação será realizada por 2 trabalhos individuais. O seu tema deverá estar alinhado com a totalidade ou parte do programa da UC. Embora não obrigatório, é incentivada a contextualização deste trabalho na realidade empresarial.

A entrega será na época normal. Cada aluno realizará uma apresentação e discussão sobre os trabalhos, que terão um peso de 100% e será graduado na escala de 0 a 20.

É exigida uma assiduidade mínima de 80% às aulas.

Bibliografia

Rúben Pereira

Departamento de Ciências e Tecnologias da Informação

Esta UC, tem como principal objetivo introduzir os principais conceitos relacionados com a governação das tecnologias de informação. Após completarem com sucesso esta UC os alunos deverão ser capazes de perceber e ter opinião crítica, devidamente sustentada, sobre as principais problemáticas relacionadas com a governação das tecnologias de informação numa empresa.

Pretende-se assim com esta UC dotar os alunos de conhecimentos teóricos essenciais e transversais para que possam mais tarde aplicar na prática uma boa governação das tecnologias de informação, enfrentando os problemas que irão encontrar no terreno de forma eficaz, sempre orientados para o alinhamento entre o negócio e as tecnologias de informação.

CP1-Princípios e conceitos
Princípios e conceitos sobre governação das TI.
CP2-Governação vs gestão das TI
Principais diferenças entre governar e gerir as TI.
CP3-Mecanismos de governação das TI
Mecanismos para governação das TI, assim como as suas funcionalidades.
CP4-Gestão da estratégia das TI
Clarificar a importância de existir um bom planeamento das TI e de manter a estratégia de negócio e das TI alinhadas.
CP5-Valor das TI
Perceber o custo/benefício dos investimentos nas TI.
CP6-Desempenho das TI
Aplicação e relevância de um Balance ScoreCard nas TI.
CP7-Gestão de risco das TI
Importância da gestão de risco e como pode ser aplicada.
CP8-Gestão de conformidades nas TI
Importância de se manter em conformidade com as diversas políticas externas e internas.
CP9-Inovação
Como utilizar as TI para potenciar o negócio.
CP10-Quadros de referência para a governação das TI
Introdução aos principais quadros de referência no mercado para uma melhor governação das TI.

Dada a natureza dos conteúdos lecionados, a avaliação será realizada por trabalho individual. O seu tema deverá estar alinhado com a totalidade ou parte do programa da UC. Embora não obrigatório, é incentivada a contextualização deste trabalho na realidade empresarial.

A entrega será na época normal. Cada aluno realizará uma apresentação e discussão sobre o trabalho, que terá um peso de 100% e será graduado na escala de 0 a 20.

É exigida uma assiduidade mínima de 80% às aulas.

Bibliografia

Fernando Batista

Departamento de Ciências e Tecnologias da Informação

Ricardo Ribeiro

Departamento de Ciências e Tecnologias da Informação

Os alunos devem ficar a conhecer as tecnologias necessárias ao processamento da língua natural escrita e falada. 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, uma vez finalizado o processo educativo, são as seguintes: reconhecer as diferentes vertentes científicas envolvidas na análise e compreensão da língua natural; perceber quais são os métodos, algoritmos e resultados de cada uma das tarefas envolvidas no processamento da língua escrita; conhecer os métodos e técnicas atualmente utilizadas no processamento da língua falada; conhecer as aplicações realizáveis com as tecnologias atuais e discutir a evolução futura (previsível) no processamento computacional da língua, concretamente em áreas tais como a tradução automática, sistemas de extração e recuperação de informação, identificação de tópicos, etc.

Processamento das palavras: morfologia, algoritmos e técnicas de processamento
CP1: Expressões regulares e autómatos
CP2: Morfologia e Transdutores
CP3: Modelos de N-gramas
CP4: Análise morfossintática
CP5: Modelos de Markov e modelos de Máxima Entropia
Processamento de fala
CP6: Fonética
CP7: Síntese de fala
CP8: Reconhecimento automático de fala
CP9: Fonologia computacional
CP10: Aplicações de processamento de fala
Processamento sintático
CP11: Gramáticas livres de contexto
CP12: Análise sintáctica
CP13: Análise sintáctica probabilística
Processamento Semântico
CP14: Representação de significado
CP15: Semântica computacional
CP16: Semântica lexical
Aplicações Reais
CP17: Sistemas de recuperação de informação
CP18: Resposta a perguntas e sumarização
CP19: Análise de sentimento

Esta UC é feita apenas por avaliação periódica, não contemplando a modalidade de exame final. A avaliação consiste em duas componentes: TRABALHOS (3 trabalhos, valendo cada um 20%) 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

O objetivo desta UC é proporcionar aos alunos uma compreensão dos principais aspetos da arquitetura, recursos e tecnologias de sistemas de computação em Nuvem. Esta UC cobrirá os tópicos de virtualização de computadores, centros de dados, arquiteturas orientada a serviços, gestão de Nuvem, segurança e processos, tanto dentro de uma Nuvem assim como entre Nuvens. A UC também irá abranger os mais recentes desenvolvimentos em computação em Nuvem, como a computação "green", "edge", "IoT", "Big Data" e "Blockchain". A análise teórica destas tecnologias é complementada com exemplos reais de serviços e sistemas na Nuvem. O programa inclui diversas aulas práticas com desenvolvimento de aplicações e serviços reais na Nuvem.

CP1: Fundamentos de Nuvem, Business Drivers e História;
CP2: Tecnologia Pré-Nuvem, Virtualização, Hipervisores, Xen, Clusters Virtuais;
CP3: XaaS, Nuvens Públicas, Privadas, e Híbridas, Exemplos;
CP4: Princípios básicos de desenvolvimento de aplicações na Nuvem;
CP5: Centros de Dados: Princípios, Arquiteturas, Exemplos;
CP6: Green Computing, Parallel Computing, Economia de Nuvem;
CP7: IoT, Fog/Edge Computing, Interoperabilidade, Investigação europeia na área da Nuvem, "Industrie 4.0", FIWARE;
CP8: Desenvolvimento de Aplicações na Nuvem com Ligação a Sensores IoT e Atuadores;
CP9: Segurança, Riscos na Nuvem, Gestão da Nuvem;
CP10: Big Data, Hadoop, Map Reduce;
CP11: Blockchain, Criptomoedas;
CP12: Desenvolvimento de Aplicações na Nuvem com Aprendizagem e Análise Analítica.

Esta UC é feita apenas por aproveitamento no Exame Final.

Bibliografia