Programação para a Ciência de Dados

Objectivos

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

Cursos

Cursos onde a unidade curricular é leccionada: