| Código |
16255
|
| Ano |
3
|
| Semestre |
S2
|
| Créditos ECTS |
6
|
| Carga Horária |
PL(30H)/T(30H)
|
| Área Científica |
Informática
|
|
Objectivos de Aprendizagem |
Esta UC tem como objetivo equipar os estudantes com um profundo conhecimento teórico e prático sobre as metodologias, ferramentas e técnicas utilizadas para recolher automaticamente, analisar e interpretar dados provenientes de redes sociais e da web. Pretende-se que os alunos compreendam a importância das redes sociais na sociedade moderna, identifiquem e diferenciem tipos de informação (estruturada e não-estruturada), e estejam aptos a aceder a essa informação de maneira eficaz.
A UC também capacitará os estudantes na prospecção de conhecimento, incluindo a análise de dados, prospecção de texto e análise de grafos, utilizando algoritmos de aprendizagem automática e modelos de linguagem natural. Espera-se que, no final do curso, os estudantes sejam proficientes na aplicação destas técnicas para resolver problemas reais, capazes de extrair insights valiosos e identificar padrões significativos nos dados.
|
|
Conteúdos programáticos |
1. As Redes Sociais e a World Wide Web (RSeW)
1.1. Introdução e Caracterização Geral das Redes Sociais
1.1.1. Descrição e Evolução
1.1.2. Possibilidade e Sensibilidade
1.2. Categorias de Informação nas RSeW
1.2.1. Informação Estruturada e Não-Estruturada
1.2.2. Informação de Diferentes Modalidades
2. Acesso à Informação nas RSeW
2.1. Acesso Protocolado
2.1.1. API da X/Twitter
2.1.2. API da Reddit
2.1.3. APIs da Google
2.2. Acesso Invasivo
2.2.1. Uso de “Web Scrappers”
2.2.2. Criação de Bots
3. Prospeção de Conhecimento
3.1. Prospeção de Dados
3.1.1.Introdução
3.1.2. Pré-Processamento
3.1.3. Algoritmos de Aprendizagem Automática
3.2. Prospeção em Texto
3.2.1. Representação Vetorial de Texto
3.2.2. Modelos de Linguagem Natural
3.2.3. Aplicações Práticas e Casos de Estudo
3.3. Prospeção em Grafos
3.3.1. Generalidades
3.3.2. Centralidades
3.3.3. Comunidades
3.3.4. Probabilidades
|
|
Metodologias de Ensino e Critérios de Avaliação |
As metodologias são projetadas para promover uma aprendizagem integrada e aplicada, combinando elementos teóricos e práticos. Serão ministradas aulas teóricas expositivas para apresentar os conteúdos programáticos, onde conceitos chave serão explicados detalhadamente, acompanhados de exemplos práticos que ilustram a aplicação desses conceitos. Esta abordagem não só facilita a compreensão dos princípios subjacentes às redes sociais e à prospecção de dados na web, mas também demonstra sua relevância e aplicabilidade em diversos contextos. Para consolidar a aprendizagem teórico, serão realizadas aulas práticas centradas em fichas de trabalho desenhadas para permitir que os estudantes apliquem diretamente os conceitos estudados e explorem as possibilidades existentes. A realização de um projeto final constitui um elemento crucial da metodologia de ensino, oferecendo aos estudantes a oportunidade de integrar e aplicar de forma abrangente os conhecimentos adquiridos ao longo do curso.
|
|
Bibliografia principal |
[1] Russel, M., (2019). Mining the Social Web, 3rd Edition. O’Reilly.
[2] Vo, L. T. (2019). Mining Social Media: Finding Stories in Internet Data. No Starch Press.
[3] Szabó, G., Polatkan, G., Boykin, P. O., & Chalkiopoulos, A. (2018). Social media data mining and analytics. John Wiley & Sons.
[4] Sarkar, D., Bali, R., & Sharma, T. (2018). Practical machine learning with Python. Apress.
[5] Zafarani, R., Abbasi, M., and Liu, H., (2014). "Social Media Mining". Cambridge University Press.
[6] Steven Bird, S., Klein, E., and Loper, E., (2009). "Natural Language Processing with Python". O’Reilly.
|
| Língua |
Português
|