Análise de Dados

Imagem d@ Sebastião Pais [Ficheiro Local]
Sebastião Pais
Código:
16682
Ano:
3
Semestre:
S1
Créditos ECTS:
6
Carga Horária:
PL(30H)/T(30H)
Área Científica:
Informática
Objectivos de Aprendizagem:
No final da unidade curricular, o(a) estudante deve ser capaz de:
1. Descrever o papel da análise de dados no ciclo de um projeto de ciência de dados;
2. Distinguir os diferentes tipos de dados e aplicar as técnicas de pré-processamento adequadas a cada um;
3. Aplicar e interpretar análises descritivas, diagnósticas, preditivas e prescritivas;
4. Sintetizar dados através de medidas descritivas e de associação, justificando as conclusões face às questões em estudo;
5. Construir visualizações rigorosas e eficazes que suportem a tomada de decisão;
6. Reduzir a dimensão dos dados e selecionar variáveis preditivas (métodos filter, wrapper e embedded), prevenindo data leakage;
7. Analisar séries temporais e fluxos contínuos de dados (streaming), recorrendo a janelas, estatísticas incrementais e deteção de concept drift;
8. Implementar, em Python (pandas, NumPy, scikit-learn), análises reprodutíveis, comunicando e defendendo os resultados em equipa.
Conteúdos programáticos:
1. Introdução à análise de dados e compreensão da sua importância na ciência de dados;
2. Caracterização dos diferentes tipos de dados e a sua natureza;
3. Caracterização dos diferentes tipos de análise de dados;
4. Redução de dimensão/número de variáveis;
5. Visualização de dados para análise de dados;
6. Sumário estatístico dos dados;
7. Seleção de variáveis preditivas;
8. Streaming data;
9. Python para análise de dados.
Metodologias de Ensino e Critérios de Avaliação:
Os conteúdos desta unidade curricular são expostos em aulas teóricas (métodos expositivos e interativos) e a sua vertente prática é explorada em aulas laboratoriais. Cada tipo de aula tem duas horas de contacto por semana. As aulas práticas regem-se por guias e fichas laboratoriais que os estudantes executam nos computadores dos laboratórios. Os trabalhos individuais e de grupo propostos são concebidos de modo a que os alunos desenvolvam as capacidades técnicas descritas nos objetivos através do projeto e da implementação de laboratórios. Avaliam-se as componentes teóricas e práticas recorrendo a 3 elementos principais: - Fichas práticas 50% - 10 Valores; - Projeto Final 30% - 6 Valores; - Mini-testes 20% - 4 Valores.
Bibliografia principal:
Reis, Joe, and Matt Housley. Fundamentals of Data Engineering. " O'Reilly Media, Inc.", 2022.
McKinney, Wes. Python para análise de dados: Tratamento de dados com Pandas, NumPy e IPython. Novatec Editora, 2018.
Rogel-Salazar, Jesus. Data science and analytics with python. CRC Press, 2018.
Nelli, Fabio. Python data analytics: Data analysis and science using PANDAs, Matplotlib and the Python Programming Language. Apress, 2015.
Mukhopadhyay, Sayan. Advanced data analytics using Python: with machine learning, deep learning and nlp examples. Apress, 2018.
Língua:
Português
Esta informação promove os seguintes Objetivos de Desenvolvimento Sustentável da ONU:
Garantir o acesso à educação inclusiva, de qualidade e equitativa, e promover oportunidades de aprendizagem ao longo da vida para todos Construir infraestruturas resilientes, promover a industrialização inclusiva e sustentável e fomentar a inovação Garantir padrões de consumo e de produção sustentáveis Reforçar os meios de implementação e revitalizar a Parceria Global para o Desenvolvimento Sustentável