-
Apresentação
Apresentação
Esta disciplina oferece uma visão aprofundada do campo da Ciência de Dados, ensinando princípios e métodos fundamentais de análise e aprendizado a partir de dados. O curso é direcionado a analistas de dados sem conhecimentos prévios em estatística, e enfatiza a importância da ética na construção e uso de modelos obtidos a partir de dados. Os métodos de ensino incluem aulas tradicionais, debates em sala de aula e atividades de auto-avaliação, ajudando os alunos a desenvolver habilidades críticas e analíticas essenciais para o sucesso na ciência de dados. Ao final do curso, os alunos terão uma compreensão abrangente do campo, bem como as habilidades e conhecimentos necessários para se tornarem cientistas de dados de sucesso.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Licenciado | Semestral | 5
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
3 | Obrigatório | Português
-
Código
Código
ULHT260-22513
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
- Introdução à Ciência de Dados
- O que significa aprender com dados?
- Como garantir a precisão dos modelos?
- Regressão linear simples
- Regressão linear múltipla
- Como trabalhar com modelos de regressão?
- Classificação logística
- Modelos de classificação generativa
- Métodos de reamostragem
- Métodos baseados em árvores para regressão e classificação
- Aspetos éticos e regulamentos âmbito da Ciência de dados
-
Objetivos
Objetivos
- Familiarizar os estudantes com o campo multidisciplinar da Ciência de Dados
- Adquirir conhecimentos aprofundados sobre o que significa aprender estatisticamente a partir de dados
- Compreender o que são os modelos de regressão e classificação
- Compreender como validar e utilizar modelos construídos a partir de dados
- Adquirir uma diversidade de métodos para criar modelos de regressão e classificação
- Comparar criticamente diferentes métodos para produzir modelos de regressão ou classificação
- Compreender a importância e usos de métodos de reamostragem na Ciência de Dados
- Compreender os princípios éticos básicos e regulamentações no contexto de modelos baseados em dados
-
Metodologias de ensino e avaliação
Metodologias de ensino e avaliação
Incluir também as metodologias inovadoras de suporte ao processo de ensino-aprendizagem utilizadas
-
Bibliografia principal
Bibliografia principal
- James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112, p. 18). New York: springer.
-
Horário de Atendimento
Horário de Atendimento
-
Mobilidade
Mobilidade
Não