Disciplina Introdução à Ciência de Dados

A UC Introdução à Ciência de Dados insere-se no Mestrado em Ensino de Informática, na área científica de sigla AD, sendo lecionada no 1.º semestre. Visa capacitar os futuros professores de Informática com competências fundamentais de ciência de dados, desde a compreensão da natureza dos dados até à programação em Python, ao pré-processamento de dados, à análise exploratória e à aprendizagem automática. Atua ainda no domínio dos conceitos de API e microsserviços, incluindo a implementação de APIs com machine learning em Python. Sendo uma UC do 1.º semestre, fornece aos mestrandos uma base técnica sólida em ciência de dados, relevante para o ensino da Informática e para a integração de conteúdos de dados e inteligência artificial ao longo do ciclo de estudos.

Não aplicável

CP1 - Introdução à Ciência de Dados: importância e aplicações; workflow de projetos; tipos de dados (estruturados, semiestruturados e não estruturados); principais desafios. CP2 - Python para Ciência de Dados: configuração do Jupyter Notebook; NumPy; Pandas; ydata-profiling. CP3 - Pré-processamento de dados: limpeza e preparação de dados estruturados; tratamento de dados não estruturados (texto). CP4 - Introdução ao Machine Learning, modelos supervisionados e não supervisionados: conceitos base; regressão linear; regressão logística; redução de dimensionalidade (PCA). CP5 - Microsserviços e fundamentos de APIs: definição, desenho e implementação de APIs em Python; operação de APIs num contexto de previsão.

ME1 - Aulas expositivas interativas com debates e estudos de caso (OA1). ME2 - Atividades interativas com infográficos e diagramas para explorar a natureza dos dados (OA2). ME3 - Laboratórios de programação com exercícios práticos em Python (OA3). ME4 - Workshops e estudos de caso para preparação e pré-processamento de dados (OA4). ME5 - Projetos orientados, debates e apresentações sobre análise exploratória de dados (OA5). ME6 - Aprendizagem baseada em problemas, com desafios reais sobre o fluxo de trabalho do cientista de dados (OA6). ME7 - Experimentos controlados e debates sobre métodos de aprendizagem automática (OA7). ME8 - Seminários, debates e exercícios práticos sobre métricas de avaliação de modelos (OA8). ME9 - Exemplos práticos e atividade colaborativa sobre APIs e microsserviços (OA9). ME10 - Codificação ao vivo e revisão por pares na implementação de APIs com ML (OA10).

Bruce, Bruce & Gedeck (2020). Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python. O'Reilly Media. Foreman, Jennings & Miller (2014). Data Smart: Using Data Science to Transform Information into Insight. Wiley. Grus (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Knaflic (2015). Storytelling with Data: A Data Visualization Guide for Business Professionals. John Wiley & Sons. Provost & Fawcett (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media. Russell & Norvig (2016). Artificial Intelligence: A Modern Approach (3rd ed.). Pearson. Spiegelhalter (2019). The Art of Statistics: Learning from Data. Penguin UK. Theobald (2019). Data Analytics for Absolute Beginners: A Deconstructed Guide to Data Literacy.