Processamento de Big Data

Ryza, Sandy et al. (2017). Advanced Analytics with Spark: Patterns for Learning from Data at Scale. O'Reilly Media. Ofer Mendelevitch, O., Stella, C. & Eadline, D. (2016). Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale. Addison-Wesley. Li, Kuan-Ching et al. (2015). Big Data: Algorithms, Analytics, and Applications. Chapman and Hall/CRC.
Ciência de Dados (L) (ISMAT)
6321
23091
Processamento de Big Data
ISMAT6321-23091
3
6
0
12
Não
Português
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 recurso ao computador. A avaliação de conhecimentos é feita por avaliação contínua ou por prova escrita de exame final. A avaliação contínua inclui a realização de dois testes escritos com uma ponderação de 30% cada e um trabalho de grupo (40%).
Obrigatório
OA1: Conhecer as tecnologias para processamento de grandes conjuntos de dados; OA2: Aplicar técnicas e algoritmos para extrair informações e desenvolver modelos a partir de grandes quantidades de dados. OA3: Desenvolver sistemas de recomendação
CP1: Programação para larga escala CP2: Análise de stream de dados CP3: Aprendizagem automática para larga escala CP4: Análise de hiperligações CP5: Sistemas de recomendação

As componentes de avaliação são as seguintes:

Semestral
A unidade curricular de Processamento de Big Data tem como objetivo principal introduzir os estudantes às tecnologias, técnicas e algoritmos utilizados no processamento e análise de grandes volumes de dados. Num contexto em que as organizações produzem e recolhem dados em larga escala, torna-se essencial dominar métodos capazes de transformar esses dados em informação útil, conhecimento acionável e modelos preditivos. Esta unidade curricular aborda temas fundamentais como a programação para larga escala, a análise de streams de dados, a aprendizagem automática em ambientes de grande dimensão, a análise de hiperligações e o desenvolvimento de sistemas de recomendação.