Departamento de Informática (UM)

Extração de Conhecimento de Bases de Dados Biológicas

9748 [ME37ME3702004766]

Mestrado em Bioinformática - Tecnologias de Informação [MBINF-TI]

S2

Rui Manuel Ribeiro Castro Mendes

Objetivos

Esta unidade curricular pretende promover a aquisição de conhecimentos e competências básicas sobre os processos e ferramentas de análise de dados multivariada, mineração de dados e aprendizagem máquina e suas aplicações na Bioinformática.

Programa

1. Métodos para pré-processamento de dados.
2. Métodos para análise multivariada de dados: redução de dimensionalidade e clustering.
3. Mineração de Dados e Aprendizagem Máquina: conceitos e métodos.
4. Modelos e algoritmos de classificação e regressão; árvores e regras, aprendizagem baseada em instâncias, modelos bayesianos, modelos funcionais, redes neuronais, máquinas de vetores de suporte.
5. Avaliação e comparação de modelos e algoritmos.
6. Aplicações na análise e mineração de dados biológicos: análise de dados ómicos. classificação de sequências biológicas.
7. Sistemas de computação científica, em particular o R e suas bibliotecas livres, e sua utilização para análise e mineração de dados.

Bibliografia

Análise Inteligente de Dados – Algoritmos e Implementação em Java; M. Rocha, P. Cortez, J. Neves; FCA; 2008.

I. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition, Morgan Kaufman, 2005.

T. Michell, “Machine Learning”, McGraw Hill, 1997.

J. Maindonald, j. Braun. Data Analysis and Graphics Using R – An example based approach, 2nd ed, Cambridge Press, 2006.

Resultados da aprendizagem

- Identificar e compreender os principais conceitos e métodos relacionados com a análise multivariada de dados;
- Identificar e compreender os principais conceitos e algoritmos relacionados com a aprendizagem máquina e a mineração de dados;
- Selecionar as metodologias e ferramentas apropriadas para a resolução de problemas ao nível da análise e mineração de dados/ aprendizagem máquina;
- Implementar scripts de análise e mineração de dados usando sistemas de computação científica;
- Aplicar as metodologias e ferramentas de análise e mineração de dados no caso específico de dados biológicos, em particular dados ómicos.

Método de avaliação

Os alunos serão avaliados por:
- Teste escrito;
- Trabalhos práticos de análise de dados realizados em grupo.

Funcionamento

Turno: T 1; Docente: Rui Manuel Ribeiro Castro Mendes; Dep.: DI; Horas: 30.
Turno: PL 1; Docente: Francisco Supino Marcondes; Dep.: DI; Horas: 15.