Currículo
Fundamentos de Análise de Dados 04148
Contextos
Groupo: Tecnologias Digitais e Gestão - 2023 > 1º Ciclo > Unidades Curriculares Obrigatórias
Groupo: Tecnologias Digitais e Gestão - 2023 > 1º Ciclo > Unidades Curriculares Obrigatórias
Groupo: Tecnologias Digitais e Gestão - 2023 > 1º Ciclo > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
Após frequência bem sucedida na unidade curricular, os estudantes deverão ser capazes de: OA1. Conhecerem e ficarem familiarizados com diferentes formatos de dados. OA2. Conhecer um ciclo completo de análise dos dados. OA3. Saber fazer uma analise exploratória de dados usando o R. OA4. Saber modelar um conjunto de dados. OA5. Implementar uma solução de análise de dados com vista ao estudo de um determinado problema.
Programa
CP1. Introdução à análise de dados CP2. Introdução ao R e RStudio CP3. Conhecimento dos problemas em análise de dados, exemplos de aplicação CP4. O ciclo completo da análise de dados CP5. Dados e formatos dos dados CP6. Preparação dos dados CP7. Probabilidades; estatística descritiva de dados e análise exploratória de dados CP8. Visualização dos dados CP9. Modelação e aprendizagem automática de modelos de dados CP10. Métodos de avaliação dos modelos CP11. Reporte e publicação de resultados
Método de Avaliação
A avaliação na modalidade 'ao longo do semestre' resulta da efetivação de dois testes individuais : um teste intercalar e um outro no final do semestre (20% cada um) , e um trabalho em grupo (máximo de 3 alunos) com elaboração de dois relatórios (20% cada um) e uma apresentação oral (20%) a efetuar pelo grupo e esta com classificação individual. É exigida uma assiduidade mínima não inferior a 2/3 das aulas (os alunos podem faltar 4 aulas em 12). O Exame Final é um exame escrito, individual, sem consulta, com toda a matéria. Realiza exame final, na época 1, 2 ou especial, quem não tenha concluído com sucesso a avaliação ao longo do semestre, com uma nota média superior ou igual a 10 (em 20).
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 113.0
Carga Total -
Bibliografia
Principal
- Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund, 'R for Data Science', 2nd Edition, O'Reilly Media, Inc. 2023. Cole Nussbaumer Knaflic, 'Storytelling with data: a data visualization guide for business professionals', John Wiley & Sons, Inc., 2015.:
Secundária
- Torgo, Luis. 'Data mining with R: learning with case studies' (2nd Edition), chapman and hall/CRC, 2016. C. O'Neil, R. Schutt. 'Doing Data Science: Straight Talk from the Frontline', O'Reilly, 2013. T. W. Miller, 'Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python?' O'Reilly, 2015. Aggarwal, C. C. , 'Data mining: the textbook' (Vol. 1), Springer, 2015. Han, J., Pei, J., & Tong, H. 'Data mining: concepts and techniques', Morgan Kaufmann, 2022. P. Tattar, T. Ojeda, S. P. Murphy B. Bengfort, A. Dasgupta, 'Practical Data Science Cookbook', Second Edition, Packt Publishing, 2017.: