Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Ciência de Dados
Departamento / Department
ISCTE
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
Conhecimento previsto nas UCs do plano de curso nos semestres antecedentes.
Objetivos Gerais / Objectives
O objetivo principal deste curso é permitir que os alunos tenham um primeiro contacto em como desenvolver um projeto aplicado em ciência de dados. Baseados em alguns temas, os alunos terão acesso a bases de dados reais sobre as quais terão que trabalhar, nomeadamente: fazer limpeza e pré-processamento dos dados, escolher as visualizações mais apropriadas, elaborar análises estatísticas e/ou implementar os algoritmos adequados, de forma a apresentar soluções e resultados de forma adequada. Dá-se enfase a compreensão do problema em estudo, a interpretação correta dos resultados e a capacidade de transmissão da informação extraída. Para atingir estes objetivos, iremos organizar apresentações, debates, aulas abertas de forma que os skills (soft e técnicos) dos alunos ficam consolidados.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1 - Aprender técnicas de limpeza, pré-processamento, engenharia e integração de dados OA2 - Identificar a metodologia apropriada para o problema a resolver. OA3 - Compreender e interpretar os resultados. OA4 - Comunicar os resultados de forma correta (relatório e apresentação oral)
Conteúdos Programáticos / Syllabus
CP 1 Metodologia para desenvolvimento de um projeto com enfâse em Ciência de Dados. CP 2 Bibliotecas (Python) para manipulação, visualização e tratamento de dados. CP 3 Feature Engineering e compreensão das variáveis/dados CP 4 Metodologias para comunicação e disseminação de resultados. CP 5 Desenvolvimento do projeto.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
O alinhamento dos conteúdos programáticos com os objectivos de aprendizagem é o seguinte: OA1: CP2 e CP3 OA2: CP1 e CP3 OA3: CP2, CP3 e CP4 OA4: CP4 e CP5
Avaliação / Assessment
Dada a natureza aplicada deste unidade curricular, não existirá avaliação por exame. A avaliação será composta por: 1 - Um teste intercalar: 25%; 2 - Apresentações orais: 25%.; 3 - Projeto com relatório final e apresentação em workshop: 50%. A aprovação requer uma nota mínima ponderada de 10 valores
Metodologias de Ensino / Teaching methodologies
A metodologia de ensino-aprendizagem (ME) inclui componentes: ME1- Expositivas: para apresentação de quadros teóricos de referência. ME2 - Participativas: análise e discussão de artigos de apoio. ME3 - Auto-estudo: relacionado com o trabalho autónomo do aluno, tal como consta no planeamento das aulas. ME4 - Experimental: em laboratório de informática/computador, realizando análises sobre dados reais.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
ME1: todos ME2: todos ME3: todos ME4: todos
Observações / Observations
.
Bibliografia Principal / Main Bibliography
(1) Artigos científicos em conformidade com os temas específicos aos problemas em que os alunos vão desenvolver o seu projeto (2) Ficheiros (slides, scripts e notebooks) da UC a disponibilizar no Moodle (3) Wes McKinney (2022), Python for Data Analysis, 3rd Edition, O'Reilly Media, Inc. (https://wesmckinney.com/book/, https://github.com/wesm/pydata-book) (4) Marek Gagolewski (2023), Minimalist Data Wrangling with Python, CC BY-NC-ND 4.0. (https://datawranglingpy.gagolewski.com/)
Bibliografia Secundária / Secondary Bibliography
(1) Matt Harrison and Theodore Petrou (2020), Pandas 1.x Cookbook, Second Edition, Packt>. (2) Suresh Kumar Mukhiya and Usman Ahmed (2020), Hands-On Exploratory Data Analysis with Python, Packt>. (https://github. com/PacktPublishing/hands-on-exploratory-data-analysis-with-python)
Data da última atualização / Last Update Date
2024-02-16