Introdução ao Pensamento Computacional e Ciência de Dados
Objetivos
A definir.
Caracterização geral
Código
100158
Créditos
4.0
Professor responsável
Jorge Morais Mendes
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
- 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.
Método de ensino
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.
Método de avaliação
Avaliação:
1ª Época: teste 1 (30%); teste2 (30%); Projeto final (25%); Exercícios laboratoriais (10%)
2ª Época: Exame (75%); Projeto final (25%)
Conteúdo
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