Mestrado em Sistemas Integrados de Apoio à Decisão

Contactos

Escola de Tecnologias e Arquitectura

Secretariado

Edifício Sedas Nunes (Edifício I), Sala 1W10

secretariado.ista @iscte.pt

(+351) 210 464 013

9:30 - 18:00

Escola de Tecnologias e Arquitectura

website

Secretariado

Edifício Sedas Nunes (Edifício I), Sala 1W10

secretariado.ista @iscte.pt

(+351) 210 464 013

9:30 - 18:00

Horário

Regime pós-laboral

Para os estudantes trabalhadores é muito importante conseguirem o apoio da entidade patronal para poderem participar ativamente nas aulas.

Período de aulas

Ínicio 24 set 2018

Fim 31 mai 2019

Propinas (2018/2019)

1.^ºAno 3300.00 €

2.^ºAno 1200.00 €

Propinas Estudantes Internacionais (2018/2019)

1.^ºAno 4000.00 €

2.^ºAno 1600.00 €

Saiba mais sobre o Estatuto do Estudante Internacional

Candidate-se

O mestrado em Sistemas Integrados de Apoio à Decisão tem a duração de dois anos, correspondentes à obtenção 120 créditos ECTS, repartidos entre: 60 em unidades curriculares obrigatórias, 12 em optativas e 48 na dissertação.

As unidades curriculares optativas são escolhidas (em articulação com a coordenação de curso) em função do perfil de especialização do estudante. As optativas permitem a obtenção de competências nas áreas de Big Data, Machine Learning (ou Aprendizagem Automática) e Análise Multicritério.

Tipicamente, as optativas mais escolhidas são:

Fundamentos de Bases de Dados (MSIAD)
Tópicos Avançados em Business Intelligence
Aprendizagem Automática
Algoritmos para Big Data
Processamento Computacional da Língua
Modelação Computacional dos Sistemas Sociais Complexos

O mestrado implica a realização de uma dissertação predominantemente de âmbito científico correspondente a 48 créditos. No novo plano curricular, a unidade curricular Dissertação em Sistemas Integrados de Apoio à Decisão tem um componente lectiva de 36h, repartidos pelos dois semestres do 2.º ano do curso. Nestas horas estão incluídos dois seminários (com participação obrigatória) de monitorização do progresso dos trabalhos de dissertação.

Plano de Estudos para 2017/2018

Unidades curriculares	Língua	Créditos
Unidades Curriculares Obrigatórias
1 Ano \| 1 Semestre
Sistemas de Informação Analíticos I Português 6.0 ECTS	Português	6.0
Docentes José Eduardo Barateiro Orlando Manuel Belo Departamento de Ciências e Tecnologias da Informação Pedro Miguel Perfeito Departamento de Ciências e Tecnologias da Informação 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 Ver mais
Sistemas Integrados de Apoio à Decisão Português 6.0 ECTS	Português	6.0
Docentes Elsa Cardoso Departamento de Ciências e Tecnologias da Informação Jorge Afonso Departamento de Ciências e Tecnologias da Informação José Eduardo Barateiro 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 Ver mais
Análise de Dados para Business Intelligence Português 6.0 ECTS	Português	6.0
Docentes 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 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 Continua: Cinco trabalhos individuais, 10% cada um. Um teste final, escrito, 50% na nota final. Nota mínima do teste: 7 em 20. Avaliação final (não contínua): Um trabalho individual - enunciado dado no final das aulas, entrega no dia da prova escrita - 30%; uma prova prática, em laboratório, de 1,5 h, 20%; um exame teórico, escrito, de 2,5h, 50% 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 MARAna 3 ex. ISBN: 972-618-331-6. REIS, Elizabeth (1997). Estatística Multivariada Aplicada. Edições Sílabo. Capítulos 11 e 12. MQ.124 REIEst 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 SINBus 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 BRYAna 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 JACUse (ISCTE). ISBN: 0-471-62267-2. REIS, Elizabeth (1998), Estatística Descritiva, Lisboa, Sílabo, 4ª ed. MQ.121 REIEst 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. Ver mais
Sistemas de Informação Estratégicos e Gestão de Desempenho Português 6.0 ECTS	Português	6.0
Docentes Elsa Cardoso Departamento de Ciências e Tecnologias da Informação Nelson José António Departamento de Marketing, Operações e Gestão Geral 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 Ver mais
1 Ano \| 2 Semestre
Aplicações de Siad I Português 6.0 ECTS	Português	6.0
Docentes Rosário Laureano Departamento de Matemática Rui Alexandre Gonçalves Departamento de Ciências e Tecnologias da Informação Vasco Moreira Rato Departamento de Arquitectura e Urbanismo 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 Ver mais
Aplicações de Siad II Português 6.0 ECTS	Português	6.0
Docentes Carlos Soares Departamento de Ciências e Tecnologias da Informação Cláudio Sá Departamento de Ciências e Tecnologias da Informação Jorge Afonso Departamento de Ciências e Tecnologias da Informação 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 Ver mais
Sistemas de Informação Analíticos II Português 6.0 ECTS	Português	6.0
Docentes José Eduardo Barateiro Orlando Manuel Belo Departamento de Ciências e Tecnologias da Informação Pedro Miguel Perfeito Departamento de Ciências e Tecnologias da Informação 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 Ver mais
Extracção de Conhecimento de Dados Empresariais Português 6.0 ECTS	Português	6.0
Docentes Ana Maria de Almeida Departamento de Ciências e Tecnologias da Informação Luís Carlos Gonçalves Departamento de Ciências e Tecnologias da Informação 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 Avaliação Contínua: 4 testes individuais (TI), 10% cada um. Um trabalho de grupo(TF) discutido intergrupos, com 60% na nota. Nota Final=TIx40%+TFx60%. Nota mínima-Testes:5val;Trabalho:7val. Avaliação final:trabalho individual (T)-enunciado fornecido por inscrição até um mês antes do final das aulas, entrega no último dia de aulas e discussão oral em dia marcado pelo docente na época de exames-50%.Um exame(E) escrito-50%. Nota Final=Tx50%+Ex50%. Nota mínima para cada elemento 7val. 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. Ver mais
Gestão de Projectos de Sistemas de Business Intelligence Português 6.0 ECTS	Português	6.0
Docentes Carlos Serrão Departamento de Ciências e Tecnologias da Informação Pedro Miguel Abreu Departamento de Ciências e Tecnologias da Informação Objectivos Pretende-se que os alunos, no final desta Unidade Curricular, desenvolvam 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 melhores práticas e standards internacionais. Pretende-se ainda que no plano da aplicação prática, sejam capazes de utilizar os métodos e técnicas abordados para a resolução de um problema real no domínio das TIC, com especial relevo para a área de Business Intelligence. Programa Processo de Avaliação Avaliação Contínua: - Trabalho de Grupo (45%) - Apresentação e discussão do trabalho de grupo (10%) - Realização de um teste individual (45%) Exame Final: - Exame/Prova escrita (100%) Os alunos que reprovarem na avaliação contínua possuem duas épocas de exame (1ª e de recurso). A frequência de um número mínimo de aulas não é obrigatória em nenhum dos métodos de avaliação. 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 Ver mais
2 Ano \| 1 Semestre
Dissertação em Sistemas Integrados de Apoio à Decisão (48 Ects) Português 48.0 ECTS	Português	48.0
Objectivos Contribuir para o conhecimento dos métodos e técnicas utilizadas em investigação. Programa Definido pelo orientador. Processo de Avaliação Avaliação final da dissertação (jurí) Bibliografia Bibliografia Obrigatória Definida pelo orientador/Defined by supervisor. Bibliografia Opcional Definida pelo orientador/Defined by supervisor. Ver mais
Text Mining Português 6.0 ECTS	Português	6.0
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 A avaliação é periódica e individual no período letivo, consistindo em: 1) dois trabalhos, cada um com um peso de 40%; 2) um teste online (20% da nota final). Um aluno com avaliação periódica positiva dispensa o exame final. 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 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 Ver mais
Optativas
1º Ano
Optativa 1 ECTS
Objectivos Programa Processo de Avaliação Bibliografia Bibliografia Obrigatória Bibliografia Opcional Ver mais
1 Ano \| 1 Semestre
Aprendizagem Automática Português 6.0 ECTS	Português	6.0
Docentes Ana Maria de Almeida Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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 Processo de Avaliação 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 Bibliografia Obrigatória (Alpaydin 2010) Ethem Alpaydin. Introduction to Machine Learning. MIT Press (2010).ISBN 026201243X. Bibliografia Opcional (Mitchell 97) Tom Mitchell. Machine Learning, McGraw Hill, 1997. (Haykin 99) Simon Haykin. Neural Networks. Prentice Hall, 1999. (Duda, Hart 73) R. Duda and P. Hart. Pattern Classification and Scene Analysis. Wiley & Sons, Inc, 1973 Ver mais
Fundamentos de Governação das Tecnologias de Informação Português 6.0 ECTS	Português	6.0
Docentes Rúben Pereira Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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. Processo de Avaliação 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 Bibliografia Obrigatória ?Slides de Fundamentos de Governação das TI, Rúben Pereira, disponíveis na plataforma de e-learning (à medida que os temas forem introduzidos), 2017/2018 ?Enterprise Governance of Information Technology: Achieving Strategic Alignment and Value, Van Grembergen and Steven de Haes, 2009th Edition, Springer, 2009. ?IT Governance: How Top Performers Manage IT Decision Rights for Superior Results, Peter Weil and Jeanne Ross, Harvard Business School, 2004 Bibliografia Opcional ?Artigos científicos que serão explicitamente indicados na plataforma de e-learning ?IT Governance: Policies and Procedures, Michael Wallace and Larry Webber, 2017 Edition, Wolters Kluwer, 2016 ?Implementing World Class IT Strategy: How IT Can Drive Organizational Innovation, Peter A. High, 1st Edition, Jossey-Bass, 2014 ?Governance, Risk Management, and Compliance: It Can't Happen to Us--Avoiding Corporate Disaster While Driving Success, Richard M. Steinberg, Wiley, 2011 ?Adventures of an IT Leader, Robbert D. Austin and Richard L. Nolan, Harvard Business School, 2009 Ver mais
Fundamentos de Ciência dos Dados Português 6.0 ECTS	Português	6.0
Docentes Augusto Afonso Albuquerque Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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. Processo de Avaliação 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 Bibliografia Obrigatória Making Sense of Data I: A Practical Guide to Exploratory Data Analysis and Data Mining, Second Edition. Glenn J. Myatt and Wayne P. Johnson. © 2014 John Wiley & Sons, Inc. Published 2014 by John Wiley & Sons, Inc. Bibliografia Opcional Ver mais
Tecnologias e Sistemas Cloud Português 6.0 ECTS	Português	6.0
Docentes Carlos Coutinho Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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. Processo de Avaliação Esta UC é feita apenas por aproveitamento no Exame Final. Bibliografia Bibliografia Obrigatória - Hwang, K., Fox, G., and Dongarra, J., "Distributed and Cloud Computing (From Parallel Processing to the Internet of Things)", Elsevier, 2011 - Josyula, V., Orr, M., Page, G., "Cloud Computing: Automating the Virtualized Data Center", Cisco Press, 2012 - Buyya, R., Broberg, J, Goscinski, A., "Cloud Computing Principles and Paradigms", Wiley & Sons, 2011 Bibliografia Opcional Apresentada no final de todas as aulas teóricas (slides). Ver mais
2º Ano
Optativa 2 ECTS
Objectivos Programa Processo de Avaliação Bibliografia Bibliografia Obrigatória Bibliografia Opcional Ver mais
2 Ano \| 1 Semestre
Aprendizagem Automática Português 6.0 ECTS	Português	6.0
Docentes Ana Maria de Almeida Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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 Processo de Avaliação 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 Bibliografia Obrigatória (Alpaydin 2010) Ethem Alpaydin. Introduction to Machine Learning. MIT Press (2010).ISBN 026201243X. Bibliografia Opcional (Mitchell 97) Tom Mitchell. Machine Learning, McGraw Hill, 1997. (Haykin 99) Simon Haykin. Neural Networks. Prentice Hall, 1999. (Duda, Hart 73) R. Duda and P. Hart. Pattern Classification and Scene Analysis. Wiley & Sons, Inc, 1973 Ver mais
Fundamentos de Governação das Tecnologias de Informação Português 6.0 ECTS	Português	6.0
Docentes Rúben Pereira Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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. Processo de Avaliação 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 Bibliografia Obrigatória ?Slides de Fundamentos de Governação das TI, Rúben Pereira, disponíveis na plataforma de e-learning (à medida que os temas forem introduzidos), 2017/2018 ?Enterprise Governance of Information Technology: Achieving Strategic Alignment and Value, Van Grembergen and Steven de Haes, 2009th Edition, Springer, 2009. ?IT Governance: How Top Performers Manage IT Decision Rights for Superior Results, Peter Weil and Jeanne Ross, Harvard Business School, 2004 Bibliografia Opcional ?Artigos científicos que serão explicitamente indicados na plataforma de e-learning ?IT Governance: Policies and Procedures, Michael Wallace and Larry Webber, 2017 Edition, Wolters Kluwer, 2016 ?Implementing World Class IT Strategy: How IT Can Drive Organizational Innovation, Peter A. High, 1st Edition, Jossey-Bass, 2014 ?Governance, Risk Management, and Compliance: It Can't Happen to Us--Avoiding Corporate Disaster While Driving Success, Richard M. Steinberg, Wiley, 2011 ?Adventures of an IT Leader, Robbert D. Austin and Richard L. Nolan, Harvard Business School, 2009 Ver mais
Fundamentos de Ciência dos Dados Português 6.0 ECTS	Português	6.0
Docentes Augusto Afonso Albuquerque Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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. Processo de Avaliação 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 Bibliografia Obrigatória Making Sense of Data I: A Practical Guide to Exploratory Data Analysis and Data Mining, Second Edition. Glenn J. Myatt and Wayne P. Johnson. © 2014 John Wiley & Sons, Inc. Published 2014 by John Wiley & Sons, Inc. Bibliografia Opcional Ver mais
Algoritmos para Big Data Português 6.0 ECTS	Português	6.0
Docentes João Pedro Oliveira Departamento de Ciências e Tecnologias da Informação Objectivos O objectivo geral desta UC é dar formação nas técnicas e algoritmos que permitem extrair modelos e informação a partir de grandes quantidades de informação. Programa CP1: Programação para larga escala - Sistema de ficheiros distribuídos - O modelo de programação MapReduce CP2: Locality-sensitive hashing algorithm CP3: Aprendizagem a partir de sequências CP4: Análise de hiperligações - PageRank - Link Spam CP5: Regras de associação CP6: Aprendizagem não supervisionada em larga escala CP7: Sistemas de recomendação CP8: Comunidades em redes sociais CP9: Redução de dimensionalidade - Análise de componentes principais - Decomposição em valores próprios singulares - Decomposição CUR CP10: Aprendizagem supervisionada em larga escala - Vizinho mais próximo - Máquinas de vetor de suporte CP11: Árvores de decisão CP12: Introdução ao Deep Learning Processo de Avaliação A avaliação pode ser realizada de duas formas: periódica [1] ou exame final [2]. [1] A avaliação periódica consiste em: - 2 testes escritos (com um peso na nota final de 20% cada), realizados ao longo do semestre, com uma nota mínima de 7; - 1 trabalho (de grupo) com um peso na nota final de 60%. [2] O exame final é composto por parte teórica e prática realizadas no ISCTE-IUL, realizada em época de recurso ou em época especial (ver detalhes obrigatórios no campo Observações). Bibliografia Bibliografia Obrigatória Mining of Massive Datasets, A. Rajaraman, J. Ullman, 2011, Cambridge University Press. Big Data: Algorithms, Analytics, and Applications, Kuan-Ching Li et al., Chapman and Hall/CRC, 2015. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, Sandy Ryza et al., O'Reilly Media, 2017. Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale, Ofer Mendelevitch, Casey Stella and Douglas Eadline, Addison-wesley, 2016. Deep Learning, Ian Goodfellow and Yoshua Bengio, 2016, MIT Press. Bibliografia Opcional Learning Spark: Lightning-Fast Big Data Analysis, Holden Karau, A. Konwinski, P. Wendell and M. Zaharia, O'Reilly Media, 2015. All of Statistics: A concise course in Statistical Inference, L.Wasserman, Springer, 2003. The elements of statistical learning, Trevor Hastie, Robert Tibshirani, and Jerome Friedman. Springer, 2001. Ver mais
Processamento Computacional da Língua Português 6.0 ECTS	Português	6.0
Docentes Fernando Batista Departamento de Ciências e Tecnologias da Informação Ricardo Ribeiro Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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 Processo de Avaliação A avaliação é contínua e individual no período lectivo, consistindo em 5 momentos de avaliação (em geral, 3 trabalhos, 1 mini-teste e 1 mini-teste ou trabalho) a realizar durante as aulas. Cada item vale 20%, sendo obrigatória a realização de pelo menos 4. É também obrigatória a presença em 66% das aulas. O exame final é composto por parte teórica e prática realizadas no ISCTE-IUL. Da avaliação durante o período lectivo, resulta a dispensa de exame final, em caso de classificação positiva. Bibliografia Bibliografia Obrigatória 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 - Foundations of Statistical Natural Language Processing, Christopher D. Manning and Hinrich Schütze, 1999, The MIT Press - Natural Language Understanding, James Allen, 1995, Addison Wesley Publishing Company Ver mais
Tecnologias e Sistemas Cloud Português 6.0 ECTS	Português	6.0
Docentes Carlos Coutinho Departamento de Ciências e Tecnologias da Informação Objectivos 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. Programa 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. Processo de Avaliação Esta UC é feita apenas por aproveitamento no Exame Final. Bibliografia Bibliografia Obrigatória - Hwang, K., Fox, G., and Dongarra, J., "Distributed and Cloud Computing (From Parallel Processing to the Internet of Things)", Elsevier, 2011 - Josyula, V., Orr, M., Page, G., "Cloud Computing: Automating the Virtualized Data Center", Cisco Press, 2012 - Buyya, R., Broberg, J, Goscinski, A., "Cloud Computing Principles and Paradigms", Wiley & Sons, 2011 Bibliografia Opcional Apresentada no final de todas as aulas teóricas (slides). Ver mais

Objetivos

Gerais
Aprendizagem

O Mestrado em Sistemas Integrados de Apoio à Decisão (MSIAD) tem por missão dotar o mercado de profissionais habilitados a gerir, especificar, implementar e usar com sucesso sistemas que apoiem os processos de decisão, devidamente integrados na gestão da informação organizacional. Os objetivos gerais definidos para MSIAD são:

Dar formação avançada e abrangente nos diferentes tipos de Sistemas de Apoio à Decisão, integrados na arquitetura global de Sistemas de Informação de uma organização.
Promover a integração e complementaridade de conhecimentos das áreas da informática, da gestão e dos métodos quantitativos;
Gerar investigação na área científica de Business Intelligence, fomentando a partilha de conhecimento, de métodos e de resultados, entre as empresas e as universidades.

As unidades curriculares do MSIAD permitem aos estudantes adquirirem os seguintes conhecimentos e competências:

Possuir uma formação teórica-prática abrangente nos diferentes tipos de Sistemas de Apoio à Decisão (SAD) e integrada na arquitetura global de sistemas de nformação de uma organização, incluindo os SAD baseados em dados, em conhecimento e em modelos;
Conceber, implementar e explorar sistemas de Data Warehouse (DW) e de Business Intelligence;
Possuir conhecimentos profundos de técnicas de modelação dimensional para DW;
Possuir conhecimento e perícia na especificação, desenvolvimento e gestão de sistemas de povoamento de DW – ETL (Extract, Transform, and Load).
Possuir conhecimento profundo de sistemas de informação estratégicos para a gestão de performance das organizações e apoio à tomada de decisão estratégica;
Conceber e desenvolver sistemas de informação estratégicos e de gestão de performance, aplicando as abordagem de Balanced Scorecard e ABC/ABM;
Aplicar técnicas de análise de dados a problemas específicos;
Desenvolver sistemas para extração de conhecimento a partir de dados empresariais aplicando técnicas de Data Mining;
Conhecer as principais metodologias para a gestão de risco nas organizações;
Compreender o processo de tomada de decisões em Marketing;
Conceber e desenvolver aplicações de Customer Intelligence (CRM Analítico)
Possuir conhecimentos sobre os principais modelos utilizados na gestão de projetos de SI/TI (sistemas de informação/tecnologias de informação), tradicionais e ágeis;
Planear, monitorizar, controlar e encerrar a gestão de um projeto de Business Intelligence;
Possuir conhecimentos sobre as tecnologias necessárias ao desenvolvimento de processos de Text Mining;
Aplicar métodos e algoritmos apropriados para a resolução de problemas nas áreas de processamento computacional da língua, classificação de texto e representação de documentos;
Conhecer as tendências e desafios atuais de Big Data Analytics;
Aplicar métodos de análise multicritério a problemas específicos.

Estes objetivos de aprendizagem são operacionalizados através dos objetivos específicos de cada unidade curricular, que se encontram especificados na respetiva FUC (Ficha de Unidade Curricular). A medição do seu grau de cumprimento é realizada em cada unidade curricular, na respetiva FUC, da qual constam as metodologias de avaliação utilizadas em cada objetivo específico.

Anterior Apresentação Apresentação

Próximo Docentes Docentes

Candidate-se

DissertaçõesVer mais

Melhoria da atratividade internacional das instituições de ensino superior através de análise de sentimentos

Santos, Carolina Leana Lopes dos

Influência dos sentimentos dos turistas nos social media para o desenvolvimento do turismo

Nave, Marta Alpedrinha Ramos de Almeida