Internet das Coisas e Ciência dos Dados

Objetivos

I) Compreender o papel dos sistemas computacionais assentes na Cloud e na Internet das Coisas no processo de modelação, transformação e mineração de dados.

II) Conhecer as múltiplas aplicações da Internet das Coisas no quotidiano.

III) Perceber o impacto da IoT no contexto da Ciência dos Dados, em particular, a influência que pode trazer na implementação de soluções sustentáveis

IV) Saber escolher uma solução baseada na nuvem para recolha, armazenamento e mineração de informação recolhida a partir da Internet das Coisas

Programa

1. Sistemas de Apoio à Decisão (SAD). Tecnologias de Big Data e de data warehouse. Aprendizagem Automática. Internet das coisas.
2. Pré-processamento de informação. Visualização e exploração de dados.
3. Aprendizagem supervisionada e não supervisionada. Modelos simples. Avaliação e validação de modelos. Validação cruzada e por hold out sample.
4. Indução de árvores de classificação, de regressão e de modelos. Interpretação de resultados, o problema do sobreajustamento. Pré-poda e pós-poda.
5. O Algoritmo do Perceptrão. Redes multicamada. A Regra de Treino do Perceptrão, critério do gradiente descendente.
6. Utilizar ferramentas de desenvolvimento de aplicações.
7. Reconhecer desafios no desenho e implementação de sistemas baseados na Internet das Coisas e na Ciência dos Dados. Desenvolvimento de projetos.

Métodos de Ensino

Nas sessões teóricas é utilizado o método expositivo e demonstrativo, com o recurso a ajudas visuais e a exemplos.

Nas sessões de laboratório, os alunos desenvolvem projetos com base em guiões e com acompanhamento do docente, permitindo que trabalhem de forma autónoma mas supervisionada.

Nos projetos, os alunos são desafiados a identificar dados em qualquer formato e sobre um tema escolhido pelo grupo e a preparar uma sequência de aulas sobre a aplicação de algoritmos de aprendizagem e a interpretação dos padrões identificados, para o projeto de ciência de dados.
No projeto de Internet das coisas, os alunos são desafiados a construir uma aplicação usando os algoritmos do projeto anterior e que permita utilizar os padrões identificados.

Bibliografia

ciência de dados
Jake VanderPlas. (2016). Python Data Science Handbook. O’Reilly Media. (eBook)

Garrett Grolemund & Hadley Wickham. (2016). R for Data Science. O’Reilly Media, Inc. (eBook)

Aurélien Géron. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2.ª ed.). O’Reilly Media.

Steven L. Franconeri, Lace M. Padilla, Priti Shah, Jeffrey M. Zacks, & Jessica Hullman. (2021). The Science of Visual Data Communication: What Works. Psychological Science in the Public Interest. https://doi.org/10.1177/15291006211051956

Introdução ao R:
Haroz, S. (sem data). A Succinct Intro to R. (eBook)

 KNIME
Rosaria Silipo (Ed.). (2023). Practicing Data Science—The Data Science Case Study Collection (1st ed.). KNIME Press. https://www.knime.com/knimepress#

Internet das coisas e cloud computing:
"Hersent, O., Boswarthick, D. (2012). The Internet of Things: Key Applications and Protocols: Wiley.

Hwang, K. (2017). Cloud and Cognitive Computing: A Machine Learning Approach (Cloud Computing for Machine Learning and Cognitive Applications): MIT Press.

Marinescu, D. C. (2013). Cloud Computing: Theory and Practice: Morgan Kaufmann.
Rajkumar, B. & Dastjerdi, A. V. (2016). Internet of Things: Principles and Paradigms: Morgan Kaufmann."

Método de Avaliação