Disciplina Curricular
Estatística Prática e Ciência de Dados EPCD
Mestrado Bolonha em Matemática Aplicada à Economia e Gestão - 2_MMAEG 2018/19
Contextos
Grupo: 2_MMAEG 2018/19 > 2º Ciclo > Parte Escolar > Opcionais > 2º Ano > Grupo MAEG - QA > 744_Grupo A
Período:
Grupo: 2_MMAEG 2018/19 > 2º Ciclo > Parte Escolar > Opcionais > 1º Ano > Grupo MAEG - QA > 1º Semestre > 744_Grupo A
Período:
Peso
6.0 (para cálculo da média)
Objectivos
OA1. A disciplina inicia-se com um pequeno módulo de revisões sobre métodos de comparação de valores médios e análise de regressão simples e múltipla, temas que são dados para permitir uma introdução ao código "R". OA2. Em seguida, e utilizando a plataforma SAS Viya for learners, são apresentados os métodos estatísticos mais utilizados na análise de grandes quantidades de dados, tais como análise de clusters e análise em componentes principais, bem assim como algoritmos de aprendizagem automática, nomeadamente, árvores de decisão e suas extensões, support vector machine e redes neuronais. OA3. O curso será dado numa perspectiva muito prática, de modo que o aluno seja capaz de resolver os problemas de negócio mais comuns na prática. Serão convidadas várias empresas a apresentar problemas e desafios aos alunos, cujas soluções serão apresentadas por escrito e oralmente, constituindo a base para a avaliação de conhecimentos.
Programa
PARTE I: ESTATÍSTICA PRÁTICA COM R CP1. Apresentação da disciplina e o que é Ciência de Dados. Introdução ao código "R". CP2: Comparação de duas populações. Comparação de várias populações. CP3: Regressão linear simples. CP4: Regressão linear múltipla. PARTE II: APRENDIZAGEM AUTOMÁTICA COM SAS VIYA CP5: Introdução à plataforma SAS Viya: trabalhar com ficheiros de dados em SAS. CP6: Análise descritiva e análise de Clusters. CP7: Análise das Componentes Principais. CP8. Árvores de regressão e de decisão. CP9. Regressão logística. CP10. Support Vector machine. CP11. Random Forest, Gradient Boosting e redes neuronais.
Métodos de ensino e avaliação
ME1. Expositivas, para apresentação dos quadros teóricos de referência ME2. Participativas, com a análise e discussão de casos práticos, problemas e de artigos científicos ME3. Ativas, com realização de trabalho individual e em grupo Método de Avaliação: (1) Prova de avaliação com estudo de caso: realizado em pequeno grupo, com um peso de 100% na classificação final da UC. O estudo de caso envolverá atividade(s) prática(s) de análise de dados usando R/SAS. Apresentação e discussão dos trabalhos de grupo serão apreciados por um júri que inclui os docentes e personalidades externas, especialistas em Ciência de Dados Aprovação: Classificação final de 9.5/20 valores.