Técnicas de DataWarehouse

Ficha de Unidade Curricular – 2º Ciclo

Unidade Curricular / Curricular Unit
Técnicas de Data Warehousing

Ciclo de Estudos / Study Cycle
Mestrado em Engenharia Informática e Sistemas de Informação

Nome do Docente Responsável
Dr. Manuel Pita

Objectivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
Os objetivos deste curso são principalmente dois. Por um lado introduzir às metodologias e implementação de grandes conjuntos de dados geralmente no contexto da inteligência busines. O foco aqui é sobre a realização de implementações de dados que estejam bem alinhadas com processos cruciais de negócios específicos. Por outro lado, este curso introduz os alunos aos conceitos e técnicas utilizadas na Ciência dos Dados, com uma orientação mais analitica nas areas de inteligência de negocio.

Intended learning outcomes (knowledge, skills and competences to be developed by the students)
The goals of this course are two-fold. On the one hand students are introduced to the methodologies and implementation of large datasets usually in the context of busines intelligence. The focus here is on making data implementations that are well aligned with specific business crucial processes. On the other hand, this course introduces students to the concepts and techiques used in Data Science.

Conteúdos programáticos
Part 1.

– A necessidade duma datawarehouse.
– Factores de desenho duma data warehouse.
– Revisão de normalização, e de-normalização de bases de dados.
– Como ir dos requerimentos de dados, até a implementação final.
– Modelamento de data dimensional.

Part 2.

– Introdução a Data Science
– Estadistica basica
– Analise de dados exploratoria
– Como e que aprendemos dos (grandes) dados?
– Introdução a visualização de informação

Syllabus
Part 1.

– The need for a datawarehouse
– Possible avenues and their match with business processes
– Review of Normalization and De-Normalization of databases.
– From requirements to implementation and testing
– Dimensional Data Modelling

Part 2.

– Introduction to Data Science
– Basic statistics
– Exploratory data analysis
– How to move forward to learn from data?
– Introduction to information visualization

Demonstração da coerência dos conteúdos programáticos com os objectivos de aprendizagem da unidade curricular
O ensino é feito em palestras que incluem componentes teóricas e práticas. A avaliação será feita sob a forma de dois exames (60%) e um projecto (40%). Os resultados de aprendizagem descritos anteriormente são:

1. Compreender os requisitos para data warehousing
2. Projetar e comunicar e justificar a arquitetura de um data warehouse
3. Compreender os conceitos básicos de modelagem dimensional
4. Compreender as diferenças entre os dados estruturados, semi-estruturados e estruturados
4. Tornar-se capaz de realizar a análise inicial de dados exploratórios em qualquer conjunto de dados.
5. Ter um mapa conceitual de técnicas e metodologias a partir da ciência dos dados para aprender com os dados
6. Conceitos básicos de visualização de informação

Evidence of the syllabus coherence with the curricular unit’s intended learning outcomes
Teaching is done in lectures that include both theoretical and practical components. Evaluation will be done in the form of two exams (60%) and one project (40%). The learning outcomes described earlier are:

1. Understand requirements for data warehousing
2. Design and communicate and justify the architecture of a data warehouse
3. Understand the basic concepts of dimensional modelling
4. Understand the differences between structured, semi structured and structured data
4. Become capable of performing initial exploratory data analysis on any dataset.
5. Have a conceptual map of techniques and methodologies from data science to learn from data
6. Basic concepts of information visualization

Metodologias de ensino (avaliação incluída)
Parte 1 deste curso fornece todos os conceitos necessários, técnicas e metodologias para lidar com objetivos do curso 1-4 , ou seja, todo o ciclo de implementação dum data warehouse. A segunda parte do curso em Data Science destina-se a lidar com os objetivos 4-6 fornecendo aos estudantes uma base sólida sobre as metodologias e técnicas que permitam a transformação de dados em conhecimento útil para a previsão e os processos de tomada de decisão.

Teaching methodologies (including assessment)
Part 1 of this course provides all the necessary concepts, techniques and methodologies to deal with course goals 1-4, i.e. the entire implementation cycle of a data warehouse. The second part of the course on data science is aimed at dealing with goals 4-6 providing students with a solid foundation on the methodologies and techniques that allow the transformation of data into useful knowledge for prediction and decision making processes.

Demonstração da coerência das metodologias de ensino com os objectivos de aprendizagem da unidade curricular
Esta cadeira tem componentes teoricas e praticas muito fortes, As aulas presenciais diretas vao permitir a transferencia de conhecimento teorico, mas tambem o suporte directo nos procesos seguidos no contexto de data warehousing na industria.

Evidence of the teaching methodologies coherence with the curricular unit’s intended learning outcomes
This course has strong theoretical and practical components , Direct face-to face lectures allow the transfer of theoretical knowledge, but also direct support in following the processes used in data warehousing in the context of the industry.

Bibliografia Principal / Main Bibliography
(1) W. H. Inmon and Dan Linstedt. 2014. Data Architecture: A Primer for the Data Scientist Big Data, Data Warehouse and Data Vault (1st ed.). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA.

(2) The Data Warehouse Lifecycle Toolkit Second Edition, by Ralph Kimball, Margy Ross, Warren
Thornthwaite, Joy Mundy and Bob Becker, 2008. ISBN: 978-0-470-14977-5.

(3) Nina Zumel and John Mount. 2014. Practical Data Science with R (1st ed.). Manning Publications Co., Greenwich, CT, USA.

(4) Dimensional Modeling: In a Business Intelligence Environment (IBM Redbooks) URL https://www.redbooks.ibm.com/redbooks/pdfs/sg247138.pdf