Currículo

Programação para Gestão 04784

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

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

Programa

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

Método de Avaliação

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.

Carga Horária

Bibliografia

Principal

• 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:

Secundária

• 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:

Disciplinas de Execução