Disciplina Programação Aplicada para a Ciência de Dados

A UC Programação Aplicada para a Ciência de Dados insere-se no Mestrado em Ensino de Informática, na área científica de sigla AD, sendo lecionada no 2.º semestre. Visa dotar os futuros professores de Informática de conhecimentos fundamentais de programação em Python, capacitando-os para a resolução de problemas computacionais e para a manipulação, limpeza e análise de dados, incluindo dados escolares, com recurso a bibliotecas especializadas como NumPy, Pandas e Matplotlib. Atua ainda na promoção do uso ético da informação e da cidadania digital, em linha com o PASEO. Sendo uma UC do 2.º semestre, complementa a formação técnica em ciência de dados dos mestrandos, fornecendo competências de programação aplicadas ao ensino da Informática ao longo do ciclo de estudos.

Não aplicável

CP1 - Introdução à programação. CP2 - Introdução à linguagem Python e sua sintaxe. CP3 - Ambientes de trabalho: Jupyter Notebook, Google Colab e Moodle CodeRunner. CP4 - Sintaxe do Python: variáveis, operadores e tipos de dados simples (numéricos, strings e seus métodos). CP5 - Controlo de fluxo: 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 orientada a objetos: classes.

ME1 - Aulas expositivas dialógicas, com apresentação de conceitos-chave através de slides e demonstração por live coding, incentivando a participação ativa (OA1). ME2 - Laboratórios práticos com fichas em Jupyter Notebook, permitindo a experimentação imediata com conjuntos de dados reais ou simulados (OA2). ME3 - Aprendizagem orientada a projeto, com exercícios e projetos semanais autónomos e desafios exploratórios, promovendo autonomia e reflexão (OA3). ME4 - Atividades avançadas e desafios práticos, com mini-projetos que estimulam a integração de conceitos complexos e a inovação na programação (OA4).

Dinov (2023). Data Science and Predictive Analytics: Biomedical and Health Applications Using R (2nd ed.). Springer. Gil (2023). Programación de Inteligencia Artificial: Curso Práctico. RA-MA. Grus (2015). Data Science from Scratch: First Principles with Python. O'Reilly Media. Hen et al. (2024). Deep Learning and Machine Learning: Advancing Big Data Analytics and Management with Design Patterns. Martins (2019). Programação em Python (3.ª ed.). IST Press. Neto & Maciel (2021). Python Para Data Science e Machine Learning Descomplicado. Vasconcelos (2015). Python: Algoritmia e Programação Web. FCA.