filmeu

Disciplina Film Data Analytics and Management II

  • Apresentação

    Apresentação

    O objetivo central da ana¿lise de dados cinematogra¿ficos e¿ aprofundar a nossa compreensa¿o da cultura e da dina¿mica cinematogra¿ficas, desde a pura visa¿o acade¿mica ate¿ a¿ aplicac¿a¿o industrial.
  • Conteúdos Programáticos

    Conteúdos Programáticos

    Abordagens relevantes para a ana¿lise de dados de filmes na teoria e na pra¿tica; - Diferentes formas de dados de filmes; - Me¿todos computacionais de ponta; - Desafios de investigac¿a¿o que valem a pena, perspectivas interessantes e aplicac¿o¿es promissoras; - Construir experie¿ncia pra¿tica ba¿sica na ana¿lise de dados de filmes (dados tabulares, ana¿lise de redes, interac¿o¿es muito ba¿sicas com co¿digo); - Conceptualizac¿a¿o de um projeto de investigac¿a¿o e concec¿a¿o da investigac¿a¿o a realizar em Ana¿lise e gesta¿o de dados de filmes III; - Aquisic¿a¿o de dados de va¿rios arquivos de dados de filmes e bases de dados para serem analisados em Ana¿lise e Gesta¿o de Dados de Filmes III.
  • Objetivos

    Objetivos

    Ao concluir a uc, o aluno obte¿m os seguintes resultados de aprendizagem: - O aluno e¿ capaz de distinguir e selecionar me¿todos de ana¿lise de dados para procurar respostas a questo¿es de investigac¿a¿o originais sobre a cultura cinematogra¿fica; - O aluno esta¿ familiarizado com os pontos fortes e fracos de diferentes me¿todos de ana¿lise de dados e projectos de investigac¿a¿o; - O aluno realizou exerci¿cios pra¿ticos limitados, abrangendo aspectos essenciais do fluxo de trabalho geral da cie¿ncia dos dados.
  • Metodologias de ensino e avaliação

    Metodologias de ensino e avaliação

      Os alunos assistira¿o a aulas programadas durante as horas previstas; assistira¿o e participara¿o em actividades externas; participara¿o em discusso¿es de grupo e semina¿rios; participara¿o em demonstrac¿o¿es pra¿ticas e apresentac¿o¿es; e ser-lhes-a¿ atribui¿do tempo suficiente de estudo independente e pra¿tica para projectos/aprendizagem individuais e de grupo. Me¿todos especi¿ficos para este mo¿dulo incluem o uso e integrac¿a¿o de: - Semina¿rios e grupos de leitura - Workshops - Trabalhos pra¿ticos e escritos - Professores visitantes e convidados
  • Bibliografia principal

    Bibliografia principal

    Ibrus, Indrek, Schich, Maximilian and Tamm, Marek. "Cultural Science Meets Cultural Data Analytics" Cultural Science Journal, vol.13, no.1, 2021, pp.1-15. Ahnert, Ruth, Sebastian E. Ahnert, Catherine Nicole Coleman, and Scott B. Weingart. The Network Turn: Changing Perspectives in the Humanities. Cambridge University Press, 2021. Wickham, Hadley, Mine C¿etinkaya-Rundel, and Garrett Grolemund. R for data science. " O'Reilly Media, Inc.", 2023. Ian Goodfellow, Yoshua Bengio, & Aaron Courville (2016). Deep Learning. MIT Press. Stephanie Yee & Tony Chu (2016). A visual introduction to machine learning. Verhoeven, Deb, Katarzyna Musial, Stuart Palmer, Sarah Taylor, Shaukat Abidi, Vejune Zemaityte, and Lachlan Simpson. “Controlling for Openness in the Male-Dominated Collaborative Networks of the Global Film Industry.” PLOS ONE 15, no. 6 (June 12, 2020): Manovich, Lev. Cultural Analytics. MIT Press, 2020.  
INSCRIÇÃO AVULSO
Lisboa 2020 Portugal 2020 Small financiado eu 2024 prr 2024 republica portuguesa 2024 Logo UE Financed Provedor do Estudante Livro de reclamaões Elogios