Introduction to Computational Thinking and DS
Objectives
A definir.
General characterization
Code
100158
Credits
4.0
Responsible teacher
Jorge Morais Mendes
Hours
Weekly - Available soon
Total - Available soon
Teaching language
Portuguese. If there are Erasmus students, classes will be taught in English
Prerequisites
A definir.
Bibliography
- Gareth, J., Witten, D., Hastie, T., Tibshirani, R. (2017). An Introduction to Statistical Learning with Applications in R, Springer.
- Guntag, J. V. (2016). Introduction to Computation and Programming Using Python with Application to Understanding Data, MIT Press.
Teaching method
A unidade curricular baseia-se em aulas teóricas-práticas e aulas laboratoriais. As aulas teóricas-práticas incluem a apresentação de conceitos e metodologias e discussão, assim como a demonstração da resolução de problemas. As aulas laboratoriais destinam-se à resolução presencial de alguns exercícios propostos e para os quais o docente esclarece as dúvidas existentes. As aulas de seminário destinam-se à apresentação de projetos.
Evaluation method
Avaliação:
1ª Época: teste 1 (30%); teste2 (30%); Projeto final (25%); Exercícios laboratoriais (10%)
2ª Época: Exame (75%); Projeto final (25%)
Subject matter
A unidade está organizada em 10 Unidades de Aprendizagem (UA):
UA1- Introdução à Aprendizagem Estatísitica
UA2- Pensamento Estocástico, Probabilidades e Distribuições
UA3- Linearidade e para além disso
UA4- Métodos de Reamostragem
UA5- Simulação de Monte Carlo
UA6- Amostragem e Intervalos de Confiança
UA7- Randomização e Verificação de Hipóteses
UA8- Probabilidade Condicional e Estatística Bayesiana
UA9- O básico sobre MCMC: Metropolis-Hastings e Gibbs Sampling
UA10- Estatística e mentiras