Introdução ao Pensamento Computacional e Ciência de Dados

Objectivos

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

Cursos

Cursos onde a unidade curricular é leccionada: