Conteúdo / Main content
Menu Rodapé
  1. Início
  2. Cursos
  3. Informática Web, Móvel e na Nuvem
  4. Prospeção em Redes Sociais e na Web

Prospeção em Redes Sociais e na Web

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
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
Data da última atualização: 2024-02-22
As cookies utilizadas neste sítio web não recolhem informação pessoal que permitam a sua identificação. Ao continuar está a aceitar a política de cookies.