Disciplina Programação Aplicada para Ciência de Dados

Nesta Unidade Curricular (UC), mergulhamos nas bases essenciais da programação aplicada à Ciência de Dados. Aprimoramos habilidades na criação de algoritmos e na construção de estruturas de dados em Python, capacitando para a manipulação (extração, transformação, armazenamento) e análise de dados, o cerne da Ciência de Dados. Estrategicamente situada no primeiro semestre do mestrado, esta UC fomenta habilidades cruciais. Desenvolve a capacidade de abstração, o pensamento lógico e estruturado, além de aprimorar a mestria algorítmica. Mais do que isso, estimula o pensamento criativo e a habilidade de resolver problemas - competências fundamentais na formação de um cientista de dados. Estas bases sólidas constituem alicerces essenciais, preparando os estudantes para módulos mais avançados do mestrado

Os Conteúdos Programáticos (CP) desta unidade curricular são os seguintes:

CP1. Introdução à programação

CP2. Introdução à linguagem Python e sua sintaxe

CP3. Intordução aos ambientes de trabalho Jupyter Notebook, Google Collab e Moodle CodeRunner.

CP4. Sintaxe do Python. Variáveis e operadores. Tipos de dados simples: numéricos; strings e seus métodos.

CP5: Controlo de fluxo, com decisores e ciclos.

CP6. Funções. Módulos e packages.

CP7: Tipos de dados compostos: listas, tuplos, sets e dicionários

CP8: Manipulação e gestão de ficheiros (texto, JSON, CSV).

CP9: Visualização de dados com matplotlib.

CP10: Programação funcional. Compreensões, lambda, map, filter, reduce.

CP11: Programação orientada a objetos. Classes.

M1: Ensino expositivo: A apresentação de conceitos teóricos é feita de forma expositiva através de slides. Disponibilizam-se num canal Educast da FCCN video-tutoriais curtos desenvolvidos sobre os conceitos chave da disciplina.

M2: Ensino ativo: os conceitos teóricos são demonstrados recorrendo a "live coding" pelo docente.

M3: Aprendizagem experimental: São usadas fichas em Jupyter Notebook que permitem a experimentação imediata dos conceitos lecionados.

M4: Aprendizagem participativa: Durante as aulas é estimulada a discussão em grupo dos exercícios e projetos semanais.

M5: Auto-avaliação: foi desenvolvida uma plataforma que permite realizar quizzes para avaliação de todos os conhecimentos, cuja solução submetida é validada de forma automática.

M6: Aprendizagem orientada a projeto: são realizados de forma autónoma exercícios e projetos semanais com desafios exploratórios de aspectos complementares.

M7: Avaliação contínua: fichas semanais, quizzes, projetos, minitestes e frequencias.

• Martins, P. (2019). Programação em Python. IST Press. 3ª Ed.
• Grus, J. (2015). Data science from scratch: first principles with python. O'Reilly Media, Inc.