Abstract
This position paper proposes a framework based on a feature clustering method using Emergent Self-Organizing Maps over streaming data (Ubi-SOM) and Ramex-Forum - a sequence pattern mining model for financial time series modeling based on observed instantaneous and long term relations over market data. The proposed framework aims at producing realistic monte-carlo based simulations of an entire portfolio behavior over distinct market scenarios, obtained from models generated by these two approaches. © 2013 IJCAI.

Abstract
Sequence mining combines the discovery of frequent itemsets and the order they appear in. Most of the sequence pattern discovery techniques present some handicaps like the generation of a huge number of rules and the lack of scalability. In this work the proposed algorithm concerns the analysis of the whole rather than the parts, thus providing a holistic view of the sequences. The algorithm analyzes event logs and allows a non-expert user to understand the sequences using a poly-tree visualization. The scalability associated with condensed data structures, which shrink the data without losing information, allows dealing with the Big Data challenge. Ramex was implemented in different scenarios. © Springer International Publishing Switzerland 2015.

Abstract
Financial data provides a valuable up-to-date knowledge of the world economy. However, it is presented in extremely large data volumes, in diverse formats, and is constantly being updated at a high speed. The Ramex-Forum algorithm is oriented to guide financial experts in finding new and relevant information. We present a sensitivity analysis and new visualizations using an improved version of the Ramex-Forum algorithm. The proposed algorithm is applied to two case studies - the petroleum production chain and the European financial institutions risk analysis. Different combinations of parameters and new ways to visualize data are used. Results highlight the importance of Ramex-Forum for analysing relevant relationships in price variations in financial markets.

Abstract
Apresentamos o mais recente número da Revista de Ciências da Computação. As primeiras palavras de agradecimento vão para os autores, para os membros do conselho editorial encarregues das revisões científicas e para os revisores de língua portuguesa e inglesa. É com tristeza que retiramos o nome do falecido colega Jaime Remédios do conselho editorial. Os artigos estão organizados por ordem de chegada. O primeiro artigo, vindo na continuidade do número anterior, trata de um projeto didático para a programação paralela distribuída. O segundo artigo, de um recente mestre desta universidade, trata uma curiosa aplicação de algoritmos conhecidos na seleção de recursos humanos. O terceiro e quarto artigo, de licenciados recentes desta universidade, tratam respetivamente o planeamento de ações e a visualização de redes. Finalmente, o quinto artigo, apresenta uma nova métrica para a acessibilidade de velocípedes. Se houver solicitações por parte dos leitores, este número terá uma edição em papel disponível na Amazon com o título Revista de Ciências das Computação nº13. Entretanto, convidam-se os autores a submeter trabalhos originais em língua portuguesa ou inglesa para o próximo número da Revista das Ciências da Computação da Universidade Aberta.

Abstract
As instalações desportivas que oferecem serviços desportivos regulares têm vindo a adotar sistemas ERP e CRM, existindo atualmente bases de dados com dados históricos de grande valia. Neste trabalho demonstramos que aplicando modelos preditivos a estes dados é possível identificar perfis de abandono. Com base nos perfis encontrados é realizado um planeamento de experiências, com grupos de teste e controlo, com vista a encontrar ações concretas de fidelização.;The sports facilities that offer regular sports services have been adopting ERP and CRM systems and there are now databases with historical data of great value. In this work, we demonstrate that by applying predictive models to these data it is possible to identify abandonment profiles. Based on the profiles found, experience planning is carried out, with test and control groups, in order to find concrete actions of loyalty.

Abstract
O tratamento de conjuntos de dados de grande dimensão é uma questão que é recorrente nos dias de hoje. Uma das abordagens possíveis passa por realizar uma seleção de atributos que permita diminuir, consideravelmente, a dimensão dos dados sem aumentar a inconsistência dos mesmos. A Análise Lógica de Dados Inconsistentes (LAID) é uma metodologia sistematizada, robusta, sendo fácil de interpretar e consegue lidar com dados inconsistentes. O paradigma, relativamente ao manuseamento de grandes volumes de dados, tem-se alterado. Antes, o tratamento dos dados era efetuado num único computador e o acesso era realizado depois do seu carregamento em memória. A tendência atual é aceder aos dados em disco, num ambiente cloud. Este trabalho pretende validar o novo paradigma, com recurso ao sistema de dados HDF5 e ao ambiente remoto disponibilizado pela. Pelo facto de o HDF5 ser o sistema adotado pela comunidade Python para lidar com dados de grande dimensão, esta linguagem foi escolhida para implementação do LAID.;The treatment of large datasets is an issue that is often addressed today and whose task is not simple, given the computational limitations that still exist.One possible approach is to perform a feature selection that allows a considerably reduction of data size without increasing inconsistency. Logical Analysis of Inconsistent Data (LAID) is a systematic, robust methodology that is easy to interpret and can handle inconsistent data.The paradigm regarding the handling of large data has hasbeen changing over. Previously, data processing was performed on a single computer, with in-memory data access. The current trend is to access data on disk, in a cloud environment. The present work intends to validate this new paradigm, using HDF5 data system and remote environment provided by INCD. Because HDF5 is the system adopted by Python’s community to handle large datasets, this language was chosen for LAID algorithm implementation.