Currículo
Python para Análise de Dados PAD
Contextos
Groupo: Tecnologias Digitais Emergentes > Pós-Graduação (2º Ciclo) > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
OA1: Compreender os princípios e conceitos de análise de dados. OA2: Aplicar técnicas de manipulação e limpeza de dados para preparar datasets para análise. OA3: Avaliar os desafios e as oportunidades da análise de dados. OA4: Explorar estudos de casos de sucesso e melhores práticas de análise de dados. OA5: Desenvolver competências de pensamento crítico para avaliar o impacto da análise de dados. OA6: Aplicar bibliotecas e ferramentas Python para manipulação, visualização e análise eficazes de dados. OA7: Aplicar técnicas de visualização de dados apropriadas para comunicar conhecimentos. OA8: Aplicar algoritmos de aprendizagem automática para análise de dados e análise preditiva. OA9: Avaliar o desempenho de modelos de aprendizagem automática utilizando métricas específicas do domínio. OA10: Demonstrar considerações éticas na análise de dados, privacidade OA10: Demonstrar considerações éticas na análise de dados de saúde, privacidade.
Programa
PC1. Introdução à análise de dados: Conceitos chave e importância. PC2. Tecnologias e Tendências: IoT, Big Data, IA, ML, Cloud Computing. PC3. Manipulação e limpeza de dados: Técnicas de pré-processamento de dados. PC4. Análise Exploratória de Dados: Análise e visualização de dados. PC5. Seleção e engenharia de características: Métodos de seleção de características relevantes. PC6. Algoritmos de Aprendizagem Automática: Modelos de classificação e regressão na análise de dados. PC7. Avaliação de modelos e métricas de desempenho: Avaliação da eficácia de modelos. PC8. Visualização de dados: Comunicar os conhecimentos de forma eficaz. PC9. Considerações éticas: Privacidade, segurança e tratamento responsável de dados em análises. PC10. Tendências futuras: Tecnologias emergentes e seu impacto na análise de dados
Método de Avaliação
Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados. - Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores. A média final terá de ser igual ou superior a 9,5 valores. De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 125.0
Carga Total -
Bibliografia
Principal
- Hands-On Exploratory Data Analysis with Python: Suresh Kumar Mukhiya, Usman Ahmed (2020) Publisher(s): Packt Publishing 2020 ISBN: 9781789537253
- Python Data Science Handbook: Essential Tools for Working with Data: 1st Edition by Jake VanderPlas - ISBN 10 1491912057
- Python Data Analysis: Third Edition by Avinash Navlani, Armando Fandango, Ivan Idris (2021) Publisher(s): Packt Publishing 2021 ISBN: 9781789955248
- Python for Data Analysis: 2nd Edition by Wes McKinney (2017) ,Publisher(s): O'Reilly Media, Inc. 2017 ISBN: 9781491957660