Introdução à Ciência de Dados
| Áreas Científicas |
| Classificação |
Área Científica |
| OFICIAL |
Ciência de Computadores |
Ocorrência: 2018/2019 - 1S
Ciclos de Estudo/Cursos
Docência - Responsabilidades
Língua de trabalho
Português - Suitable for English-speaking students
Objetivos
Os estudantes irão obter uma perspectiva global dos diferentes passos num projecto de Data Science. Para cada um destes passos, algumas das técnicas e métodos principais serão apresentados, sendo detalhes adicionais abordados em unidades curriculares mais específicas.
Resultados de aprendizagem e competências
Os alunos deverão conhecer todos os passos de um projecto de data science e respectivas operações mais comuns. Deverão compreender os diferentes tipos de problemas no âmbito das funções de um data scientist e desenvolver sentido crítico que permita analizar os prós e contras de cada abordagem.
Modo de trabalho
Presencial
Programa
O modelo CRISP-DM. Recolha de dados e pré-processamento. Modelação e diferentes tipos de problemas de aprendizagem. Métodos de avaliação de modelos. Colocação de modelos em produção.
Bibliografia Obrigatória
Torgo Luís;
Data mining with R. ISBN: 978-1-4398-1018-7
Métodos de ensino e atividades de aprendizagem
Aulas teórico-práticas com exposição de conteúdos teóricos e resolução de problemas.
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
| Designação |
Peso (%) |
| Teste |
50,00 |
| Trabalho prático ou de projeto |
50,00 |
| Total: |
100,00 |
Componentes de Ocupação
| Designação |
Tempo (Horas) |
| Elaboração de projeto |
78,00 |
| Estudo autónomo |
42,00 |
| Frequência das aulas |
42,00 |
| Total: |
162,00 |
Obtenção de frequência
Pelo menos 35% em cada um dos dois testes teóricos e a sua média ser superior a 9.5 valores.
Fórmula de cálculo da classificação final
Serão realizados dois testes teóricos e um trabalho de grupo prático. A nota final é dada pela média pesada das notas teóricas e práticas de acordo com a seguinte fórmula:
NotaFinal = 0.50 x NotaTeoria + 0.50 x NotaPract
onde NotaTeoria é a média das notas dos dois teste teóricos ou do exame final, e NotaPract é a nota da componente prática.
Os dois testes teóricos não são obrigatórios, mas se o estudante obtiver pelo menos 35% em cada um dos testes e a nota final (NotaTeoria) for positiva, então não necessitará de exame final. Caso contrário, NotaTeoria será a nota do exame final