Conteúdo / Main content
Menu Rodapé
  1. Início
  2. Cursos
  3. Introdução à Ciência de Dados
  4. Introdução à Ciência de Dados

Introdução à Ciência de Dados

Código 16808
Ano 1
Semestre L0
Créditos ECTS 3
Carga Horária PL(20H)/T(10H)
Área Científica Informática
Objectivos de Aprendizagem A disciplina de Introdução à Ciência de Dados visa fornecer aos estudantes uma compreensão abrangente das técnicas e metodologias utilizadas na análise de dados. No final da Unidade Curricular, o estudante deverá ser capaz de:
- Compreender e utilizar técnicas de recolha e ingestão de dados.
- Compreender e utilizar técnicas de processamento e transformação de dados.
- Realizar uma análise exploratória de um conjunto de dados.
- Criar fluxos de processamento de dados usando linguagens de programação.
- Implementar modelos de análise preditiva a partir de um conjunto de dados.
Conteúdos programáticos 1. Introdução à Ciência de Dados
- Definição e importância da Ciência de Dados.
- O papel do Cientista de Dados.
- Ciclo de vida de um projeto de Ciência de Dados.

2. Ferramentas e Áreas de Conhecimento
- Ferramentas importantes para um Cientista de Dados.
- Introdução à algoritmia e programação.

3. Introdução ao Python e Jupyter Notebooks
- Instalação, configuração e teste dos ambientes de desenvolvimento.

4. Programação em Python
- Introdução às bibliotecas de Python (Pandas, Matplotlib).

5. Exemplos Práticos de Ciência de Dados
- Análise, limpeza e transformação de dados.

6. Web Scraping
- Técnicas de extração de dados da web.
- Classificação vs Regressão.

7. Modelos de Preditivos
- Árvores de decisão.
- Random Forests.
- KNN e Clustering
Metodologias de Ensino e Critérios de Avaliação Metodologias de Ensino:
- Aulas teóricas.
- Aulas práticas laboratoriais.
- Projeto Individual.
- Sessões de tutoria para esclarecimento de dúvidas e acompanhamento dos projetos dos alunos.

Métodos e Critérios de Avaliação:
As componentes teóricas e práticas são avaliadas através da realização de um projeto individual, que envolve a aplicação dos vários conhecimentos adquiridos ao longo da disciplina.
A classificação final da disciplina corresponde à classificação obtida neste trabalho.
Bibliografia principal 1. Joel Grus, *Data Science from Scratch: First Principles with Python*, 2nd Edition, O'Reilly Media, 2019.
2. Wes McKinney, *Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython*, O'Reilly Media, 2017.
3. Jake VanderPlas, *Python Data Science Handbook: Essential Tools for Working with Data*, O'Reilly Media, 2016.
4. Andreas C. Müller and Sarah Guido, *Introduction to Machine Learning with Python: A Guide for Data Scientists*, O'Reilly Media, 2016.
5. D.P. Kroese, Z.I. Botev, T. Taimre, R. Vaisman, *Data Science and Machine Learning: Mathematical and Statistical Methods*, Chapman & Hall/CRC, 2019.
6. Hui Lin, Ming Li, *Practitioner’s Guide to Data Science*, 2023.
Língua Português

Regente

Não tem Fotografia:
João Carlos Raposo Neves

Curso

Introdução à Ciência de Dados
Data da última atualização: 2024-07-17
As cookies utilizadas neste sítio web não recolhem informação pessoal que permitam a sua identificação. Ao continuar está a aceitar a política de cookies.