Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Informática Aplicada
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
Domínio básico da leitura de inglês.
Objetivos Gerais / Objectives
Pretende-se que os estudantes desenvolvam competências para gerir tabelas e bases de dados (em folhas de cálculo), utilizando a linguagem de programação Python, que lhe permita compreender e escrever um programa, analisar e visualizar um conjunto de dados e extrair daí informação útil. Salienta-se o desenvolvimento de competências pela utilização de casos de estudo interessantes para a Gestão e as Ciências Sociais. No final, os estudantes terão noções básicas de programação e experiência prática, em Python, pela utilização de algumas bibliotecas, como o Numpy e Pandas, para o processamento e análise de dados e informação estruturada.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Com esta unidade curricular o aluno deverá ficar apto a: OA1. Organizar dados e informação estruturada, e usar tabelas dinâmicas (numa folha de cálculo). OA2. Desenvolver funções que implementem algoritmos simples, usando variáveis e estruturas de controlo. OA3. Manipular objetos e desenvolver classes de objetos simples. OA4: Fazer um programa em Python que utilize tipos estruturados de dados: tuplos, listas, dicionários OA5: Utilizar a biblioteca numpy para criar e manipular vectores e matrizes OA6: Utilizar a biblioteca pandas para criar e manipular tabelas de dados OA7: Importar um ficheiro e manipular os seus dados OA8: importar, preparar e visualizar dados graficamente
Conteúdos Programáticos / Syllabus
Introdução e Fundamentos CP1. Organização de dados e tabelas dinâmicas CP2. Variáveis e estruturas de controlo CP3. Funções, invocação, e argumentos CP4: Procedimentos e input/output CP5. Objetos e classes de objetos CP6. Tipos estruturados de informação: tuplos, listas e dicionários CP7. Utilização básica de arrays NumPy: Vetores e Matrizes CP8. Biblioteca Pandas e as suas principais estruturas de dados CP9. leitura de ficheiros, representação e gravação de dados CP10. Agregação de dados, operações de grupo e Pivot tables CP11. Visualização gráfica de dados
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
A interligação entre os conteúdos programáticos e os objetivos de aprendizagem (OA) é a seguinte: Os objetivos de aprendizagem OA1 e OA2 estão relacionados com os conteúdos programáticos CP1-CP4, dado que os conceitos são aplicados essencialmente por meio do desenvolvimento de funções e procedimentos. OA3 é abordado no conteúdo programático CP5, cujos exercícios associados envolvem a criação e a manipulação de objetos. OA4 e OA5 concretizam-se nos conteúdos programático CP6 e CP7, que tratam dos tipos estruturados de informação e dos vetores e matrizes, respetivamente. OA6, OA7 e OA8 concretizam-se no conteúdos programáticos CP8-CP11, que abordam as principais funcionalidades da biblioteca Pandas.
Avaliação / Assessment
Avaliação Periódica: - Trabalho de grupo (40%): Projecto, obrigatório, sem nota mínima. - Teste individual (60%): Teste escrito, intercalar, previsto para ser online e apoio por Zoom, obrigatório, com nota mínima de 8 (em 20). Exame Final (100%): - Exame escrito individual, sem consulta, com toda a matéria. Realiza exame final – na época 1, 2 ou especial, quem não concluir a avaliação periódica com uma nota média superior ou igual a 10 (em 20). A assiduidade não é requisito de aprovação.
Metodologias de Ensino / Teaching methodologies
Esta unidade curricular está estruturada em aulas teóricas e teórico-prática laboratoriais. Uma parte das aulas é dedicada a explicar os conceitos e a resolver exercícios passo-a-passo, demonstrando a aplicação de conceitos. Uma parte significativa das aulas é dedicada à realização de exercícios ao longo do semestre, os quais acompanham os conceitos abordados.
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 entre cada componente de avaliação e os objetivos definidos para a UC é feito da seguinte forma: - Trabalho de Grupo: OA1-OA8 - Teste Individual: OA1-OA6
Observações / Observations
A documentação necessária ao acompanhamento dos conteúdos lecionados na unidade curricular está disponível na plataforma de e-learning do Iscte, onde também serão publicados os resultados da avaliação.
Bibliografia Principal / Main Bibliography
Martins, João (2015). Programação em Python: Introdução à programação com múltiplos paradigmas. Lisboa: Instituto Superior Técnico. ISBN 9789898481474 VanderPlas, Jake (2017). Python Data Science Handbook: Essential Tools for Working with Data (2nd. ed.). Boston, USA: O'Reilly Media. ISBN 9781491912058
Bibliografia Secundária / Secondary Bibliography
McKinney, Wes (2018). Python for Data Analysis - Data Wrangling with Pandas, NumPy, and Ipython (2nd. Ed.). Boston, USA: O'Reilly Media, Inc. ISBN 9781491957639 Myatt, Glenn J., & Johnson, Wayne (2014). Making Sense of Data I: A Practical Guide to Exploratory Data Analysis and Data Mining (2nd. Ed.). John Wiley & Sons, Inc. ISBN 9781118407417 Vasconcelos, José, & Barão, Alexandre (2017). Ciência Dos Dados Nas Organizações - Aplicações Em Python. Lisboa: FCA Editora. ISBN 9789727228850 Zumstein, Felix (2021). Python for Excel - A Modern Environment for Automation and Data Analysis. Boston, USA: O'Reilly Media, Inc. ISBN 9781492081005
Data da última atualização / Last Update Date
2025-02-20