apoios-header

 

Maxdata

 

NKA

 

WEDO

 

F3M

 

 

Gestão de Dados e Conhecimento (GDC)


Motivação e Objetivos

Vivemos atualmente numa sociedade digital, onde o armazenamento eletrónico de dados é umontornável e vital para as atividades das organizações e dos indivíduos. Nos últimos anos temos assistido não só a um aumento extraordinário da quantidade de dados digitais, mas também a uma fragmentação dos dados. Há novos desafios que se colocam para uma gestão de dados eficaz, eficiente e segura. Desde logo, a maior quantidade de dados e variedade de fontes de dados colocam desafios ao nível da integração e limpeza dos dados, mas também ao nível da extração de conhecimento.

Num futuro próximo, este cenário não irá mudar, bem pelo contrário as tendências apontam para um crescimento ainda maior da quantidade de dados disponíveis. O crescente poder computacional e analítico, aliado a uma democratização da utilização dos dados para fins analíticos e de apoio à decisão, ao nível das organizações e dos indivíduos, aumenta ainda mais a relevância de uma gestão de dados eficaz, eficiente e segura.

Há diversas disciplinas científicas dedicadas à investigação dos problemas resultantes da necessidade de gestão e tratamento de dados eletrónicos. À semelhança de fóruns internacionais como a ACM International Conference on Information and Knowledge Management, pretende-se unir, num único evento, comunidades como as dos investigadores e profissionais das áreas de Business Intelligence, Data Mining, Machine Learning, Bases de Dados, Data Warehouse, Information Retrieval, Processamento de Língua Natural, Text Mining e Ontologias, cujo trabalho científico se pode complementar na solução de problemas atuais e prementes.

Pretende-se com esta sessão divulgar trabalhos provenientes destas áreas bem como fomentar um fórum de discussão e troca de experiências entre investigadores e profissionais nacionais com vista à adoção de abordagens e técnicas multidisciplinares.

Edições anteriores

A sessão é organizada desde a primeira edição do INForum.

Tópicos de Interesse

Os trabalhos submetidos devem reportar resultados de investigação nas áreas de:

  • Bases de Dados
  • Data Warehouse
  • Data Profiling
  • Integração de Dados
  • Limpeza e Transformação de Dados
  • Information Retrieval
  • Business Intelligence
  • Big Data Analytics
  • Decision Support Systems
  • Data Mining
  • Visualização de Dados
  • Text Mining
  • Processamento de Língua Natural
  • Machine Learning
  • Deep Learning
  • Ontologias

Coordenadores

Elsa CardosoISCTE - IUL / INESC-ID
Pável CaladoIST - U. Lisboa / INESC-ID

Comissão de Programa

Ana de AlmeidaISCTE - IUL / CISUC e ISTAR-IUL
Bruno OliveiraESTG - I. P. Porto / CIICESI
David Martins de MatosIST - U. Lisboa / INESC-ID
Elsa CardosoISCTE - IUL / INESC-ID
Fernando BatistaISCTE - IUL / INESC-ID
Helena GalhardasIST - U. Lisboa / INESC-ID
João Carlos FerreiraISCTE - IUL / INOV
José BorbinhaIST - U. Lisboa / INESC-ID
Luís NunesISCTE - IUL
Luísa CoheurIST - U. Lisboa / INESC-ID
Orlando BeloU. Minho
Pável CaladoIST - U. Lisboa / INESC-ID
Ricardo RibeiroISCTE - IUL / INESC-ID
Sara MadeiraFC - U. Lisboa / LASIGE
organizacao-header

 

Universidade do Minho
 
Sections