Disciplina Ciência de Dados

  • Apresentação

    Apresentação

    Adquirir e desenvolver competências para representar e interpretar a realidade através de dados e para utilizar métodos de inteligência artificial para identificar padrões e realizar predições.

  • Conteúdos Programáticos

    Conteúdos Programáticos

    • Preparação de dados
    • Estruturação de bases de dados
    • Business intelligence
    • Estatística descritiva
    • Visualização
    • Python
    • Metodologia CRISP-DM
    • Classificação
    • Previsão
    • Análise de clusters
    • Redes neuronais
  • Objetivos

    Objetivos

    A era atual é caracterizada por um crescimento exponencial da quantidade, variedade e velocidade de produção de dados. A UC de Ciência de Dados visa proporcionar aos alunos, com o apoio do estudo de casos e de software, a aprendizagem de metodologias, métodos, técnicas e ferramentas que permitam a preparação, estruturação, descrição, análise, inferência e visualização de dados com vista à extração de conhecimento, deteção de padrões e o apoio à tomada de decisões. Pretende-se que o aluno desenvolva competências na identificação de problemas que podem ser solucionados com recurso à ciência de dados, na descrição estatística de dados, na estruturação de problemas através de modelos descritivos e preditivos, na utilização de ferramentas de análise de dados e na interpretação dos resultados obtidos face aos métodos estatísticos aplicados.

  • Metodologias de ensino e avaliação

    Metodologias de ensino e avaliação

    A metodologia de ensino será fundamentalmente assente na exposição da matéria, em trabalhos individuais e no estudo de casos, recorrendo a problemas reais e a software e linguagens de programação específicas, nomeadamente o Microsoft Power BI, DAX e Python.

    A avaliação será contínua e consistirá na realização de um projeto individual de análise de dados e de um teste no final do semestre.

    Caso os alunos não obtenham aproveitamento na avaliação contínua poderão ainda submeter-se a um exame final sobre toda a matéria em que a nota mínima deverá ser de 10/20.

  • Bibliografia principal

    Bibliografia principal

    • Moreira, JM, Carvalho, A, Horváth, T (2018) A general introduction to data analytics. Hoboken: Wiley

    • Igual, L, Seguí, S (2017) Introduction to Data Science - A Python Approach to Concepts, Techniques and Applications. Springer

  • Horário de Atendimento

    Horário de Atendimento

    Os Docentes podem ser contactados através do Moodle, e-mail ou telefone, a disponibilizar aos alunos no início do semestre.
    Atendimento presencial pode ser marcado até duas horas por semana através dos contactos supra referidos.

INSCRIÇÃO AVULSO
Política de Cookies
Este website utiliza cookies para lhe proporcionar uma melhor experiência de navegação.
Aceitar
Lisboa 2020 Portugal 2020 Small Logo EU small Logo PRR Logo UE Financed Logo PT Provedor do Estudante Livro de reclamaões Elogios