Disciplina Fundamentos de Ciência de Dados

Esta unidade curricular constitui o primeiro contacto dos estudantes com as principais dimensões da Ciência de Dados, apresentando conceitos, métodos e ferramentas fundamentais que serão aprofundados ao longo da licenciatura. Os estudantes irão percorrer o workflow completo de um projeto de Ciência de Dados, desde a definição do problema até à comunicação dos resultados.   A UC pretende desenvolver competências na recolha, preparação, exploração e análise de dados, através da resolução de problemas do mundo real em diferentes contextos, nomeadamente sociais e empresariais. Será ainda promovida uma abordagem crítica e baseada em evidência, incluindo a reflexão sobre as implicações éticas da utilização de dados.

Não aplicável

1. Introdução à Ciência de Dados Importância, conceitos e aplicações Fluxo de trabalho de um projeto de Ciência de Dados Dados, fontes de dados e qualidade dos dados 2. Programação para Ciência de Dados Python NumPy Pandas 3. Manipulação e Preparação de Dados DataFrames Limpeza e transformação de dados 4. Exploração e Visualização de Dados Estatística descritiva Análise univariada, bivariada e multivariada Visualização de dados Identificação e interpretação de padrões 5. Introdução à Aprendizagem Automática Conceitos fundamentais Aprendizagem supervisionada vs. aprendizagem não supervisionada 6. Modelos de Regressão e Classificação Regressão linear Regressão logística Aplicação a problemas do mundo real 7. Avaliação e Interpretação de Modelos Métricas de avaliação Comparação de modelos Interpretação dos resultados e limitações 8. Ética e Utilização Responsável dos Dados Qualidade e vies dos dados Privacidade e protecção dos dados Ética em CD

Nas aulas, introduzem-se conceitos teóricos que são complementados com exemplos práticos. 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. A avaliação é realizada em regime de avaliação contínua, que consiste na realização de 4 minitestes de 15 minutos (cuja média corresponde a 20% da nota final), dois trabalhos computacionais (cuja média corresponde a 30% da nota final) e um exame final (contará 50% da nota final). São considerados aprovados os alunos que obtenham nota final não inferior a 10 valores.

Adhikari, A., Denero, J., Wagner, D. - Computational and inferential thinking: The foundations of data science. University of California, Berkeley. 2019. Disponível em: https://inferentialthinking.com O'Neil, C., & Schutt, R. (2013). . O'Reilly Media, Doing data science: Straight talk from the frontline Inc. ISBN: 9781449358655