Disciplina Programação Aplicada para Ciências de Dados

Nesta Unidade Curricular (UC), mergulhamos nas bases essenciais da programação aplicada à Ciência de Dados. Aprimoramos a criação de algoritmos e a construção de estruturas de dados em Python, capacitando os estudantes para a manipulação (extração, transformação, armazenamento) e análise de dados, o cerne da Ciência de Dados. A UC pretende desenvolver 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 capacidade 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

Não aplicável

  Introdução à programação em Python: sintaxe, tipos de dados, estruturas de controlo, funções e módulos Algoritmos e estruturas de dados em Python; resolução de problemas e considerações de desempenho Gestão de ficheiros, formatos de dados e técnicas de visualização de dados Programação orientada a objetos: princípios de conceção, classes, herança e reutilização Conceitos de programação funcional em Python Pré-processamento de dados e engenharia de características Treino, inspeção, validação e avaliação de modelos com Python Algoritmos de regressão e classificação; seleção e comparação de modelos Modelos de caixa branca e caixa negra; interpretabilidade de modelos Análise de séries temporais e métodos de previsão Mineração de texto: pré-processamento, extração de características e introdução a modelos de linguagem de grande escala Métodos de clustering e aprendizagem não supervisionada Descoberta de padrões frequentes e regras de associação

M1: Ensino expositivo: A apresentação de conceitos teóricos é feita de forma expositiva através de slides.  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.