Currículo
Projeto Final Aplicado em Ciência dos Dados PFACD
Contextos
Groupo: Ciência de Dados - PL > 1º Ciclo > Unidades Curriculares Obrigatórias
ECTS
12.0 (para cálculo da média)
Objectivos
No final da UC, cada estudante deverá ser capaz de: OA1. Definir os objetivos e formular as tarefas em CD que permitem extrair o conhecimento pretendido pelo cliente. OA2. Definir as variáveis de dados e os metadados que conduzem ao conhecimento necessário. OA3. Planear as diferentes fases de desenvolvimento do projeto. OA4. Tratar os dados com as ferramentas de Ciência de Dados mais apropriadas para atingir os objetivos propostos. OA5. Produzir visualizações de dados e documentos adequados a correta comunicação dos resultados obtidos. OA6. Resolver problemas inerentes à utilização de dados reais numa ótica de ethics-by-design.
Programa
Os conteúdos programáticos (CP) são os seguintes: CP1. Introdução aos desafios (projetos) propostos e organização de equipas de projeto. CP2. Metodologias de pesquisa de informação para enquadramento do tema de projeto. CP3. Abordagens práticas ao desenvolvimento de projeto numa ótica de ethics-by-design. CP4. Ferramentas para cada etapa de desenvolvimento do projecto. CP5. Modelos usuais de comunicação de dados e de resultados.
Método de Avaliação
Sendo uma UC de projeto, não existe a figura de exame a 100%. A avaliação será efetuada ao longo do semestre, consistindo nas diferentes etapas de desenvolvimento do projeto, onde: (i) cada etapa é pontuada por um entregável (escrito / apresentado em aula) (E) com feedback. (ii) uma apresentação intermédia (A1) com feedback. (iii) uma apresentação final (A2) com discussão. (iv) um poster (informativo) (P). (v) um relatório de projeto final (R). A nota será o resultado de: E x 0,15 + A1 x 0,10 + P x 0,10 + A2 x 0,30 + R x 0,35.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 227.0
Carga Total -
Bibliografia
Principal
- Dependente dos temas específicos do desafio em que cada grupo de estudantes irá desenvolver os trabalhos do projeto.:
Secundária
- Voeneky, S., Kellmeyer, P., Mueller, O., & Burgard, W. (Eds.). 2022. The Cambridge Handbook of Responsible Artificial Intelligence: Interdisciplinary Perspectives. Cambridge: Cambridge University Press. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. 2016. Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann. Provost, F., & Fawcett, T. 2013. Data Science for Business: What you need to know about data mining and data-analytic thinking. O'Reilly Media, Inc.: