2025
Ciência de Dados e Big Data
Nome: Ciência de Dados e Big Data
Cód.: INF14381L
6 ECTS
Duração: 15 semanas/156 horas
Área Científica:
Informática
Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português
Regime de Frequência: Presencial
Objetivos de Desenvolvimento Sustentável
Objetivos de Aprendizagem
Esta UC aborda o tema da computação distribuída e análise de dados, e tem como objetivos a aprendizagem dos fundamentos de Big Data e respetivos desafios computacionais, e ainda dotar os alunos da capacidade de desenvolver soluções de computação sobre grandes volumes de dados utilizando métodos analíticos de Ciência de Dados.
Conteúdos Programáticos
Big Data: fundamentos e tecnologias relacionadas
Métodos de análise de dados
Repositórios distribuídos
Armazenamento com Hadoop
Desafios metodológicos de grandes coleções de dados
A abordagem MapReduce
Processamento de fluxo de dados
Aprendizagem automática para Big Data
Analítica sobre fluxos de dados
Monitorização e visualização em tempo real
Métodos de análise de dados
Repositórios distribuídos
Armazenamento com Hadoop
Desafios metodológicos de grandes coleções de dados
A abordagem MapReduce
Processamento de fluxo de dados
Aprendizagem automática para Big Data
Analítica sobre fluxos de dados
Monitorização e visualização em tempo real
Métodos de Ensino
A metodologia de ensino compreende dois tipos de aula:
aulas teóricas
aulas práticas laboratoriais
As aulas teóricas apresentam os conteúdos da unidade curricular, juntamente com alguns casos de estudo.
As aulas de laboratório são dedicadas à aprendizagem de métodos e tecnologias de desenvolvimento para construir uma solução analítica sobre uma grande coleção de dados.
aulas teóricas
aulas práticas laboratoriais
As aulas teóricas apresentam os conteúdos da unidade curricular, juntamente com alguns casos de estudo.
As aulas de laboratório são dedicadas à aprendizagem de métodos e tecnologias de desenvolvimento para construir uma solução analítica sobre uma grande coleção de dados.
Avaliação
Avaliação contínua: 2 frequências (30% cada) + 2 Trabalhos práticos em grupo (20% + 20%)
Avaliação final: 1 exame (60%) + 2 Trabalhos práticos em grupo (20% + 20%)
Avaliação final: 1 exame (60%) + 2 Trabalhos práticos em grupo (20% + 20%)
Bibliografia
Ian Foster et. al. (2017). Big Data and Social Science - A Practical Guide to Methods and Tools. CRC Press
EMC 2015. Data Science & Big Data Analytics - Discovering, Analyzing, Visualizing and Presenting Data. Wiley
EMC 2015. Data Science & Big Data Analytics - Discovering, Analyzing, Visualizing and Presenting Data. Wiley