-
Apresentação
Apresentação
Este e¿ um curso de acompanhamento do curso Film Data Analytics 1.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Mestre | Semestral | 5
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
2 | Obrigatório | Português
-
Código
Código
ULHT6903-25805
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
- Aprender os conceitos ba¿sicos da cie¿ncia de dados atrave¿s do desenvolvimento e execuc¿a¿o de projectos pra¿ticos de ana¿lise de dados; - Afinar os dados adquiridos em Film Data Analytics 1; - Analisar os dados adquiridos no Film Data Analytics 1 usando diferentes programas de ana¿lise estabelecidos; - Resumir e apresentar os resultados da investigac¿a¿o; - Aprender a combinar aspectos multidisciplinares em fluxos de trabalho personalizados para atingir os objectivos do projeto.
-
Objetivos
Objetivos
- Identificar e compreender criticamente o papel da ana¿lise de dados nas pra¿ticas do patrimo¿nio cinematogra¿fico - Desenvolver e construir questo¿es de investigac¿a¿o que utilizem a ana¿lise de dados como meio de melhorar as pra¿ticas do patrimo¿nio cinematogra¿fico, como o arquivo, o restauro e a preservac¿a¿o. - Desenvolver compete¿ncias em mate¿ria de recolha, organizac¿a¿o e gesta¿o de dados cinematogra¿ficos, tais como a utilizac¿a¿o de grandes conjuntos de dados relacionados com arquivos de filmes. - Compreender o papel de uma base de dados no estudo da histo¿ria e do patrimo¿nio cinematogra¿ficos. - Demonstrar capacidade para compreender as principais normas de gesta¿o de dados Aceder a tipos de bases de dados utilizados por instituic¿o¿es da cultura cinematogra¿fica, como a Crescine, e aplicar estas compete¿ncias no seu pro¿prio projeto de investigac¿a¿o baseado em 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.
-
Horário de Atendimento
Horário de Atendimento
-
Mobilidade
Mobilidade
Não
