-
Apresentação
Apresentação
A disciplina de Introdução à Ciência de Dados tem como objectivo dar ao estudante competências essenciais na análise de dados, numa perspetiva multidisciplinar, como se trata a Ciência de Dados. Através da apresentação de metodologias e técnicas fundamentais para tratar, transformar, construir e analisar os dados, é objectivo desta disciplina dar ao estudante capacidade para traduzir essa análise em conhecimento e valor, de modo sustentado para a tomada de decisão.
A componente prática é um dos aspetos fundamentais da disciplina, pelo que a capacidade de traduzir conhecimento em ações práticas e decisões de análise é particularmente valorizada. A ligação estreita ao mundo empresarial para resposta a perguntas de negócios será retratada nesta disciplina.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Mestre | Semestral | 7
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
1 | Obrigatório | Português
-
Código
Código
ULHT6347-23265
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
1. Introdução à Ciência de Dados:
- Importância e aplicações da Ciência de Dados
- Worflow de Projectos: Exemplos Práticos
- Tipos de dados: Estruturados, Semi-estruturados e não estruturados
- Principais desafios na Ciência de Dados
2. Python para Ciência de Dados
- Setup: Jupyter notebook
- NumPy
- Pandas
- ydata-profiling
3. Pré-processamento de dados
- Limpeza e preparação de dados estruturados (data wrangling: slicing, grouby, pivoting, missing values, imputation, duplicates, outliers, etc)
- Tratamento de dados não estruturado - Texto (lemmatisation, stemming, etc.)
4. Introdução ao Machine Learning, modelos superviosionados e não superviosionados
- Conceitos base
- Regressão Linear
- Regressão Logística
- Redução de Dimensionalidade (PCA)
5. Micro-Serviços e fundamentos de APIs
- Definição de API
- Desenho de APIs
- Implementação de APIs em Python
- Operação de APIs num contexto de processo de previsão
-
Objetivos
Objetivos
A disciplina tem como objetivos dar ao aluno as competências para:
- OA1. Compreender a importância da Ciência de Dados no mundo real
- OA2. Compreender a natureza dos dados
- OA3. Entender as principais técnicas e métodos, em programação Python, usados por cientistas de dados, através da sua prática
- OA4. Ser capaz de proceder a tarefas básicas de preparação e pré-processamento de dados
- OA5. Fazer análise exploratórias de dados com implementação em Python
- OA6. Entender o fluxo de trabalho de um cientista de dados e ser capaz de pensar sobre a solução de problemas com dados
- OA7. Entender e implementar métodos de aprendizagem automática, supervisionados e não supervisionados
- OA8. Conhecer as métricas de avaliação do desempenho de um modelo
- OA9. Entender o conceito de API e desenhar micro serviços num contexto de análise de dados
- OA10. Ser capaz de implementar APIs que suportem métodos de aprendizagem automática em Python
-
Metodologias de ensino e avaliação
Metodologias de ensino e avaliação
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.
-
Bibliografia principal
Bibliografia principal
- Grus, J. (2019). Dafa science from scratch: first princples with Python . O'ReiIIy Media.
-
Horário de Atendimento
Horário de Atendimento
-
Mobilidade
Mobilidade
Não