Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto
 
Contabilidade
 
Disciplina: RCC0221 - Data Analytics
Data Analytics

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2022 Desativação:

Objetivos
Aplicação de Accounting Analytics para tomada de decisão utilizando demonstrações financeiras, informações disponíveis ao mercado e Big Data. O objetivo das demonstrações financeiras é a tomada de decisão por investidores e credores, ou seja, usuários externos. Assim, essa disciplina visa a utilização de modernas técnicas de Machine Learning, especialmente no campo de Analytics e Big Data, para a tomada de decisão em Investimentos e Crédito com base em Informações Contábeis e Financeiras.
 
 
 
Docente(s) Responsável(eis)
2545008 - Fabiano Guasti Lima
3154460 - Marcelo Botelho da Costa Moraes
 
Programa Resumido
Utilização de técnicas de Machine Learning e conceitos de Big Data para a tomada de decisão para Investidores e Credores, utilizando a linguagem de software R e aplicando conceitos de Contabilidade para auxiliar a tomada de decisão.
 
 
 
Programa
1. Conceitos Iniciais: Analytics, Big Data e Machine Learning 2. Introdução ao R 3. Técnicas de Machine Learning: Revisão de Regressão Linear, Logística e Análise Discriminante, K-vizinhos mais próximos, Árvores de Classificação, Indução de Regras, Redes Neurais, Previsão e Análise de Conglomerados 4. Análise Fundamentalista 5. Análise de Crédito 6. Big Data 7. Projeto Final.
 
 
 
Avaliação
     
Método
A ser definido pelo docente responsável
Critério
A critério do docente ministrante, que deverá apresentar os detalhes da avaliação no início do semestre.
Norma de Recuperação
Será aplicada uma prova de reavaliação dentro do prazo regimental. A nota de recuperação será calculada pela fórmula AR = (A + R) / 2, onde A é a nota de aproveitamento do semestre e R é a nota da prova de reavaliação.
 
Bibliografia
     
Lantz, B. (2019). Machine Learning with R: Expert techniques for predictive modeling, 3rd Edition. Nwanganga, F., Chapple, M. (2020). Practical Machine Learning in R. Kubat, M. (2017). An Introduction to Machine Learning, 2nd Edition.
 

Clique para consultar os requisitos para RCC0221

Clique para consultar o oferecimento para RCC0221

Créditos | Fale conosco
© 1999 - 2022 - Superintendência de Tecnologia da Informação/USP