Currículo
Introdução à Ciência de Dados 03583
Contextos
Groupo: Escola de Tecnologias e Arquitetura > Optativas > Departamento de Ciências e Tecnologias da Informação > 1º Ciclo
Groupo: Escola de Tecnologias e Arquitetura > Optativas > Departamento de Ciências e Tecnologias da Informação > 1º Ciclo
ECTS
6.0 (para cálculo da média)
Objectivos
Após a conclusão do curso, os alunos serão capazes de: OA1. Explicar os domínios de aplicação e quais as competências necessárias para analisar vários tipos de dados. OA2. Definir conceitos como dados e informação, análise exploratória de dados, inferência estatística e modelação, aprendizagem automática e análise de dados n-dimensionais. OA3. Justificar a necessidade de pesquisa reprodutível e as questões éticas e regulamentares que se levantam para a tomada de decisão orientada por dados e a possibilidade de existência de enviesamentos. OA4. Explicar as técnicas subjacentes à visualização e comunicação de resultados.
Programa
Conteúdos programáticos (CP): CP1. Introdução à Ciência de Dados: principais conceitos e metodologias. CP2. Dados no suporte à decisão: privacidade, ética: dados pessoais, conduta de investigação e desafios éticos da Inteligência Artificial. CP3. Apresentação de estudos de caso que incluam o ciclo completo de dados, provenientes de diferentes áreas. CP4. Recolha e tratamento de dados não estruturados. CP5. Conceitos e técnicas para visualização de dados e perceção visual para comunicação de conhecimento. CP6. Técnicas básicas de preparação de dados estruturados. CP7. Construção de modelos de inferência a partir dos dados.
Método de Avaliação
Devido ao facto de a UC ser maioritariamente de experimentação prática, a avaliação é periódica durante o semestre letivo, ou seja, "por avaliação ao longo do semestre" e não existe avaliação por exame. A nota final é calculada através da avaliação a: - Exercícios/Minitestes ao longo do semestre: 20%. - Relatório e apresentação do trabalho de grupo num caso de estudo e discussão oral: 80%. Para os casos de inscrição excecional em Época Especial, os estudantes nessas condições deverão realizar um projeto especial e apresentar os resultados e um relatório escrito. Para esse, os estudantes devem contactar a coordenação do curso até 2 semanas antes da data de inicío da Época Especial em que se vão inscrever.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 123.0
Carga Total -
Bibliografia
Principal
- Rachel Schutt and Cathy O'Neil. 2013. Doing Data Science: Straight Talk from the Frontline. O'Reilly Media, Inc. Cairo, A. 2016. The Truthful Art: Data, Charts and Maps for Communication. New Riders Voeneky, S., Kellmeyer, P., Mueller, O., & Burgard, W. (Eds.). 2022. The Cambridge Handbook of Responsible Artificial Intelligence: Interdisciplinary Perspectives. Cambridge: Cambridge University Press.:
Secundária
- P. Mathur. 2018. Machine Learning Applications Using Python: Cases Studies from Healthcare, Retail, and Finance. Apress. P. Tattar, T. Ojeda, S. P. Murphy B. Bengfort, A. Dasgupta. 2017. Practical Data Science Cookbook, Second Edition. Packt Publishing. I. Foster, R. Ghani, R. S. Jarmin, F. Kreuter, J. Lane. 2016. Big Data and Social Science: A Practical Guide to Methods and Tools, 1st Edition. CRC Press, Chapman & Hall. T. W. Miller. 2015. Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python?. O'Reilly. M. N. Jones, 2016. Big Data in Cognitive Science (Frontiers of Cognitive Psychology), Taylor & Francis. F. Provost. 2013. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly. S. Few. 2004. Show Me the Numbers: Designing Tables and Graphs to Enlighten. Analytics Press.: