Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Código :
04003
Acrónimo :
BDAE
Ciclo :
2.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :
Português

Carga Horária / Course Load

Semestre :
1
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
20.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
21.0h/sem
Trabalho Autónomo :
129.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area

Econometria

Departamento / Department

Ano letivo / Execution Year

2020/2021

Pré-requisitos / Pre-Requisites

Nenhum

Objetivos Gerais / Objectives

Apresentar soluções em ciência de dados para problemas em gestão.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

OA1. Proporcionar uma visão geral sobre os diferentes modelos e técnicas de análise de dados em gestão, as suas condições de aplicação e limitações. OA2. Familiarização e uso permanente do programa R/RStudio.

Conteúdos Programáticos / Syllabus

P1. Introdução aos modelos preditivos P2. Estimação dos modelos P3. Avaliação estatística dos modelos P4. Previsão

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

OA1 - Capítulos P1, P2 e P3 OA2 - Capítulo P2, P3, P4

Avaliação / Assessment

Presenças mínimas de 60% 1) Avaliação periódica: trabalhos ou casos, individuais/grupo (50%) e teste escrito individual (50%). Aprovação: a) mín. 9,5 valores na avaliação individual b) classificação final mín. 10 valores; c) assiduidade mínima de 60% das aulas. 2) Avaliação por exame (1ª época): teste escrito (100%), com classificação mínima 10 valores. 3) Avaliação por exame (2ª época): teste escrito (100%) com classificação mínima 10 valores. Escala: 0-20 valores.

Metodologias de Ensino / Teaching methodologies

Metodologias de Ensino-Aprendizagem (MEA): MEA1.Expositivas com apresentação dos quadros conceptuais MEA2. Participativas e de debate com análise de exemplos MEA3. Ativas com a realização de trabalhos de grupo e apresentação MEA4. Auto-estudo

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

MEA1. Transversal a todos os AO MEA2. Transversal a todos os OA MEA3. Transversal a todos os OA MEA4. Transversal a todos os AO

Observações / Observations

.

Bibliografia Principal / Main Bibliography

Wiley, M. e Wiley, J. F. (2019), Advanced R Statistical Programming and Data Models, Springer Provost, F. e Fawcett, T. (2013), Data Science for Business, O?Reilly Curto, J. D. (2017), Protenciar os negócios? A estatística dá uma ajuda!, 2ª edição, Edição de Autor

Bibliografia Secundária / Secondary Bibliography

Data da última atualização / Last Update Date

2024-02-16