A capacidade de desenvolver sistemas de suporte à decisão é muito valorizada no mercado de trabalho porque ajuda as organizações a tomarem decisões mais informadas e eficazes, otimizando processos e recursos, reduzindo riscos e criando vantagens competitivas, o que torna os profissionais com estas competências essenciais num mundo cada vez mais orientado por dados. Nesta UC, são abordados os fundamentos e exploradas as funcionalidades do Python para obter, organizar, manipular, visualizar e analisar dados. A ênfase é colocada na aquisição e integração de dados de diversas fontes, na preparação dos dados para análise, na criação de visualizações informativas e na realização de análises estatísticas para descrever situações, investigar associações, identificar padrões e desenvolver modelos preditivos.
Semestral
CP1. Visão geral sobre Sistemas de Suporte à Decisão, Business Intelligence e Analytics
Business Intelligence
Indicadores
Analytics
Data Warehousing
Online Analytical Processing
CP2. Descoberta de Conhecimento em Bases de Dados
Fases do processo
Metodologia CRISP-DM
CP3. Visualização de Informação
Ferramentas de ETL (Extract, transform, and load)
Business Reporting, Visual Analytics e Dashboards
CP4. Análise Estatística de Dados
Estatística Descritiva
Estatística Inferencial
CP5. Machine Learning na Tomada de Decisões
Machine Learning e a sua utilização em Sistemas de Apoio à Decisão
Aprendizagem Supervisionada e Não Supervisionada
Aplicações de Machine Learning em tomada de decisões: Clustering, Regressão e Classificação
CP6. Python para Sistemas de Apoio à Decisão
OA1. Compreender os conceitos de Business Intelligence, Analytics e Decision Support.
OA2. Saber analisar e mapear processos de negócio em modelação dimensional.
OA3. Compreender a arquitetura de implementação de soluções Data Warehousing.
OA4. Entender as fases do processo de descoberta de conhecimento em bases de dados.
OA5. Desenvolver formas de visualização de informação, incluindo dashboards.
OA6. Distinguir e aplicar técnicas de análise de dados para fins exploratórios, explicativos ou preditivos.
OA7. Responder a questões de negócio através da aplicação de técnicas de Estatística Descritiva e Inferencial.
OA8. Aplicar técnicas de Machine Learning e explorar como utilizá-las em Sistemas de Apoio à Decisão.
OA9. Distinguir situações de aplicação de técnicas de clustering, regressão e classificação.
OA10. Utilizar o Python para obtenção, preparação, visualização e análise de dados.
Obrigatório
A metodologia de ensino inclui o método expositivo (ME1) para apresentar os conteúdos necessários, o demonstrativo (ME2) para ilustrar a sua aplicação a casos práticos e o ativo (ME3) para resolução de exercícios em sala de aula, com e recurso ao computador.
A avaliação de conhecimentos é feita por avaliação contínua ou por prova escrita de exame final. A avaliação contínua consiste na realização de um trabalho de grupo.
Português
Não
Harrison, M. (2016) Pandas Library: Python Tools for Data Munging, Data Analysis, and Visualization. Treading on Python Series.
Hastie, T.; Tibshirani, R.; Friedman, J. (2009). The Elements of Statistical Learning Data Mining, Inference, and Prediction, New York: Springer
McKinney, W. (2018) Python for Data Analysis: Data Wrangling with Pandas, Numpy, and Python. USA: O’Reilly.
Santos, M. Y., Ramos I. (2017). Business Intelligence – Da Informação ao Conhecimento (3.ª ed.). Lisboa: FCA Editora.
