ficha de unidade curricular - isec.pt · planeamento e controlo de projetos com pert-cpm...
TRANSCRIPT
Im-13-79_A1 1/2
Mestrado em Instrumentação Biomédica Ano Lectivo 2014/2015
Ficha de Unidade Curricular
Unidade Curricular MODELOS DE APOIO À DECISÃO E AO DIAGNÓSTICO
Natureza Curricular Ciências de Base Área Científica Matemática
Ano 1º Seleccione 1º ECTS 6
Horas de Contacto Horas de Trabalho não Acompanhado
Tipo de Atividade Horas
Semanais Total de Horas
Tipo de Atividade Total de Horas
Ensino Teórico 2 30 Estudo 90
Ensino Teórico-Prático 2 30 Trabalhos / Trabalhos de Grupo
Ensino Prático e Laboratorial Projeto
Orientação Tutória Avaliação 4
Seminário 2 Outra
Total de Horas de Trabalho 156
Docentes
Tipo de Atividade Nome Habilitações Categoria
Ensino Teórico Deolinda Maria Lopes Dias Rasteiro Doutoramento Prof. Adjunto
Ensino Teórico-Prático Deolinda Maria Lopes Dias Rasteiro Doutoramento Prof. Adjunto
Ensino Prático e Laboratorial
Orientação Tutória
Docente (s) Responsável (eis)
Deolinda Maria Lopes Dias Rasteiro
Objetivos / Competências
- Aprender conceitos essenciais e de base sobre programação linear e não linear, otimização em redes, máquinas de vetores de suporte e data mining;
- Capacidade de utilização de técnicas matemáticas; - Desenvolver a capacidade de perceção de conceitos, de raciocínio abstrato, interpretação de resultados e sua aplicação à resolução de problemas; - Compreensão das especificidades dos conceitos estudados para a resolução de problemas; - Autoaprendizagem.
Conteúdo Programático
I. Programação linear com um ou mais objetivos:
Motivação
Modelos de programação linear - definição
Pressupostos da programação linear
Métodos de resolução
Exemplos
Conclusões
II. Programação não linear:
Motivação
Im-13-79_A1 2/2
Diferentes tipos de problemas de programação não linear
Otimização sem restrições a uma ou mais variáveis
Condições de Karush-Kuhn-Tucker para otimização não linear com restrições
Programação quadrática
Programação separável
Programação convexa
Programação não-convexa
Conclusões
III. Otimização em redes e grafos:
Motivação
Terminologia e estruturas de dados
Problema do trajeto mais curto
Problema da árvore de suporte de custo mínimo
Problema de fluxo máximo
Problema de fluxo de custo mínimo
Planeamento e controlo de projetos com PERT-CPM
Conclusões
IV. Máquinas de vetores de suporte:
Motivação
Conceitos básicos
Classificação de padrões linearmente separáveis
Classificação de padrões não-linearmente separáveis
Classificação multi-classes
Aplicações
Conclusão
V. Data Mining:
O contexto do data mining
Abordagens alternativas à descoberta de conhecimento Regressão/Classificação versus Descoberta de Conhecimento
O processo metodológico do data mining
Definição de problemas e recolha de dados
Preparação e pré-processamento de dados
Árvores de decisão
Redes neuronais
Conclusões
Trabalhos Realizados
Relatório, com discussão oral, de um projeto proposto pela docente responsável pela unidade curricular (poderá ser em grupo – máximo de 3 alunos) – Cotação 8 valores;
Metodologias de Ensino
As metodologias de ensino predominantes serão o método expositivo, nas aulas teóricas, e a resolução por parte do estudante de problemas práticos (sempre que possível aplicados à Engenharia Biomédica). A de Formulação/Modelação de problemas tem uma componente forte na avaliação uma vez que dele depende uma coerente resolução e consequente tomada de decisão e análise.
Bibliografia e Elementos de Estudo Facultados
•L. Valadares Tavares, “Investigação Operacional”, 1996, McGraw Hill.
•F. Hillier, G. Lieberman, “Introduction to Operations Research”, 2004, McGraw Hill. •Carlos Henggeler Antunes, Luís Valadares Tavares, (coordenadores), Casos de Aplicação da Investigação Operacional, Mc Graw-Hill, 2000. •E.Q.V.Martins, M.M.B.Pascoal, D.M.L.D.Rasteiro, J.L.E.Santos. The Optimal Path Problem, Investigação Operacional, Vol 19, no 1, Junho 1999, pp. 43-60. •LORENA, A. C.; CARVALHO, A. C. P. L. de. Introdução às Máquinas de Vetores Suporte. São Carlos - SP, Abril 2003. •Hand, D., Mannila, H., Smyth, P., ‘Principles of Data Mining’. MIT Press. 2001. ISBN 026208290X. •Course Notes Enterprise Miner TM: Applying Data Mining Techniques, SAS Institute. •Material de apoio preparado pela docente responsável pela unidade curricular (textos e exercícios práticos).
Im-13-79_A1 3/2
Método de Avaliação
Relatório, com discussão oral, de um projeto proposto pelos docentes da unidade curricular (poderá ser em grupo – máximo de 3 alunos) – Cotação 8 valores; Duas frequências realizadas ao longo do semestre em data a combinar com os alunos. Estes poderão também optar pela realização de um exame escrito nas épocas definidas no calendário escolar – Cotação 12 valores.
Condições de Acesso a Exame
Previstas no Regulamento de Frequência, Avaliação de Conhecimentos e Transição de Ano (em vigor a partir 2009-2010)(Despacho n.º 17523.2009).
Condições de Obtenção e Dispensa de Frequência
Não existe frequência obrigatória das aulas desta unidade curricular.
Condições de Melhoria de Classificação
As que constam no artigo 24º do Regulamento de Frequência, Avaliação de Conhecimentos e Transição de Ano (em vigor a partir 2009-2010)(Despacho n.º 17523.2009).
Data Assinatura do Docente Responsável pela Unidade Curricular
16.09.2014