Currículo

Big Data and Business Analytics BDBA

Contextos

ECTS

3.0 (para cálculo da média)

Objectivos

Objetivos de Aprendizagem • LO1 Compreensão de Big Data: Entende conceitos, características e tecnologias de Big Data. • LO2 Coleta e Gestão de Dados: Avalia métodos e práticas éticas na recolha de dados. • LO3 Técnicas Analíticas: Aplica mineração de dados e aprendizagem automática para análise sustentável. • LO4 Frameworks de Processamento: Explica frameworks para processamento em tempo real e em lote. • LO5 Análise de Casos: Avalia estudos de Big Data em sustentabilidade e extrai lições. • LO6 Tendências Futuras: Explora tecnologias emergentes em Big Data e suas aplicações sustentáveis. Competências • Habilidades Analíticas: Análise de dados para estratégias sustentáveis. • Proficiência Técnica: Uso de ferramentas e tecnologias de Big Data. • Consciência Ética: Compreensão das implicações éticas de Big Data. • Pensamento Crítico: Avaliação da eficácia de iniciativas de Big Data. • Resolução Colaborativa: Trabalho em equipa para desafios complexos. • Adaptabilidade: Acompanhamento de tendências emergentes.

Programa

Sessão 1: Introdução ao Big Data • Definição e características do Big Data (volume, velocidade, variedade, veracidade, valor). • Importância no ambiente empresarial e na sustentabilidade. • Tecnologias em análise de Big Data (Hadoop, Spark, NoSQL). Sessão 2: Coleta e Gestão de Dados • Métodos de recolha (questionários, web scraping, sensores, API). • Armazenamento de dados estruturados e não estruturados. • Governança e práticas éticas, com foco em impacto ambiental. Sessão 3: Técnicas Analíticas • Mineração de dados e aprendizagem automática. • Análise preditiva para indústrias e sustentabilidade. Sessão 4: Processamento de Big Data • Estruturas de processamento (MapReduce, Apache Spark). • Processamento em lote vs. tempo real e aplicações em sustentabilidade. Sessão 5: Estudos de Caso • Casos de sucesso do uso de Big Data em sustentabilidade (eficiência energética, redução de resíduos). Sessão 6: Tendências Futuras • Tecnologias emergentes (IA, IoT, blockchain). • Big Data no futuro dos negócios sustentáveis.

Método de Avaliação

Metodologias de Ensino e Aprendizagem: • Aulas expositivas: Realizadas em cada sessão para introduzir conceitos fundamentais e estruturas teóricas. • Labs práticos: Exercícios práticos utilizando ferramentas como Hadoop ou Spark , permitindo que os alunos apliquem os conceitos. • Estudos de caso: Casos de negócios do mundo real são discutidos para ilustrar a aplicação de Big Data em diferentes indústrias. • Trabalho em grupo: Os alunos trabalharão em equipes para resolver problemas complexos de Big Data e apresentar suas conclusões. • Discussão: Discussões interativas sobre os desafios éticos e práticos do Big Data nos negócios. Avaliação • Participação em aula (10%): Baseada no envolvimento nas discussões em aula e labs práticos. • Projeto em grupo (40%): As equipas receberão um problema de Big Data para resolver utilizando ferramentas analíticas. Elas devem apresentar suas conclusões e recomendações. • Exame final (50%): Uma combinação de questões teóricas e práticas que avaliam a compreensão dos alunos sobre os tópicos abordados em aula.

Carga Horária

Bibliografia

Principal

• Big Data analytics methods: analytics techniques in data mining, deep learning and natural language processing. Walter de Gruyter GmbH & Co KG.: Ghavami, P. 2019
• Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. McGraw-Hill.: Zikopoulos, P., Eaton, C., DeRoos, D., Deutsch, T., & Lapis, G. 2012
• Big Data in Practice: How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results. Wiley.: Marr, B. 2016
• Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media.: Provost, F., & Fawcett, T. 2013
• Big Data technologies and applications. Springer.: Furht, B., & Villanustre, F. 2016

Secundária

Disciplinas de Execução

2025/2026 - 2 Semestre