Disciplina Análise Exploratória de Dados

Esta Unidade Curricular tem como objectivo principal dar ao aluno as competências e ferramentas necessárias para a análise exploratória e descritiva dos dados. Pretende-se que o aluno consiga um entendimento básico de seus dados e das relações existentes entre as variáveis analisadas.

1. Introdução à Análise Exploratória de Dados e compreensão da sua importância na Ciência de Dados; 

2. Caracterização dos diferentes tipos de dados e a sua natureza; 

3. Estatística Descriptiva:

• Tabelas de frequência;
• Estatística Descriptiva: medidas de localização, dispersão, assimetria e curtose; 
• Visualizações gráficas;

4. Análise Bivariada:

• Coeficiente de correlação linear de Pearson;
• Regressão linear;
• Independência entre variáveis;

5. Visualizações gráficas;

• Técnicas e melhores práticas;
• Análise Exploratória de Dados (AED) automatizada;

6. Python para análise exploratória de dados:

• Introdução às bibliotecas NumPy e Pandas para limpeza e análise de dados; 
• Introdução às bibliotecas Matplotlib, Seaborn, Plotly, Bokeh, entre outros para visualização de dados;
• Ferramentas de Análise Exploratória de Dados (AED) automatizada.

Nas aulas, introduzem-se os conceitos teóricos que são complementados com exemplos práticos reais. Os alunos são incentivados a resolver exercícios assim como a apresentar quaisquer dúvidas. Para cada tópico é apresentado um conjunto de exercícios de aplicação dos conceitos teóricos, procedendo-se ao acompanhamento da resolução dos mesmos e apresentando-se a resolução final.

Materiais de apoio e exercícios com sugestões de resolução serão disponibilizados no Moodle.

Acredita-se que a avaliação contínua, adaptada de acordo com a evolução dos alunos, seja uma boa prática. O acompanhamento individual e a disponibilidade para esclarecer dúvidas, sempre que necessário, é essencial para o aluno e para o seu desempenho.

• VanderPlas, J. (2016). Python Data Science Handbook: Essential Tools for Working with Data,. O'ReiIIy.
• Data Visualization with Python for Beginners: Visualize Your Data using Pandas, Matplotlib and Seaborn (2020). AI Publishing LLC.
• Grus, J. (2019). Dafa science from scratch: first principles with Python. O'ReiIIy Media.
• Murteira, B. & Antunes, M. (2012). Probabilidades e Estatística. (Vol.1). Lisboa: Escolar Editora.