Programação para a Ciência de Dados
Objetivos
A definir.
Caracterização geral
Código
100157
Créditos
6.0
Professor responsável
Flávio Luís Portas Pinheiro
Horas
Semanais - A disponibilizar brevemente
Totais - A disponibilizar brevemente
Idioma de ensino
Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês
Pré-requisitos
A definir.
Bibliografia
Lubanovic, Bill. Introducing Python: modern computing in simple packages. "O'Reilly Media, Inc.," 2014;
VanderPlas, Jake. Python data science handbook: essential tools for working with data. "O'Reilly Media, Inc.," 2016.
McKinney, Wes. Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. "O'Reilly Media, Inc.," 2012.
Grus, Joel. Data science from scratch: first principles with Python. "O'Reilly Media, Inc.," 2015
Método de ensino
A unidade curricular baseia-se em aulas teórico-práticas com uma forte componente de aprendizagem activa. Em cada sessão os alunos serão expostos a novos conceitos e metodologias, casos de estudo, e a à resolução de exemplos. Actividades de aprendizagem activa (debatess, quizzes, MUD cards) servirão para promever uma atitude mais pro-activa do aluno na sala de aula, promovedo peer-teaching e incentivando à discussão. Actividades práticas num ambiente computacional aconteceram semanalente durante as aulas de laboratório
Método de avaliação
Elementos de Avaliação:
EA1 Participação nas atividades da sala de aula (20%)
EA2 Trabalhos de Casa (40%)
EA3 Exame Prático (40%).
Conteúdo
A unidade está organizada em quatro Unidades de Aprendizagem (UA):
UA1 - Introdução ao ambiente Python para Data Science
UA2 - Processamento e Análise de dados com Pandas
UA3 - Exploração do ecossistema Python mais adequado para Ciência de Dados
UA4 - Desenvolver um projecto de Data Science