Programação II

Código:

CC1026

Sigla:

CC1026

Nível:

100

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2022/2023 - 2S

Ativa?	Sim
Página Web:	https://github.com/hpacheco/progii
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Licenciatura em Engenharia Geoespacial

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
L:B	0	Plano de Estudos Oficial	3	-	6	56	162
L:EG	15	Plano estudos a partir do ano letivo 2019	1	-	6	56	162
L:F	1	Plano de Estudos Oficial	3	-	6	56	162
L:G	0	Plano estudos a partir do ano letivo 2017/18	2	-	6	56	162
L:M	5	Plano de Estudos Oficial	2	-	6	56	162
			3
L:MA	0	Plano de Estudos Oficial	2	-	6	56	162
L:Q	2	Plano estudos a partir do ano letivo 2016/17	3	-	6	56	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

O objectivo da cadeira é desenvolver a capacidade de utilizar uma linguagem de programação para desenvolver programas complexos e automatizar tarefas práticas de exploração de dados, e oferecer uma introdução à extracção, processamento, e visualização de dados.

Resultados de aprendizagem e competências

O estudante deverá ser capaz de:

• Utilizar com confiança as estruturas de dados básicas do Python.
• Programar com o nível adequado de abstracção e encapsulamento.
• Produzir código correcto, bem estruturado e bem documentado.
• Extrair e processar dados de fontes diversas em diferentes formatos.
  
• Utilizar bibliotecas externas para visualização de dados numéricos e geográficos.

Nota: nesta unidade curricular a programação é feita utilizando a linguagem Python.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

É preferencial alguma familiaridade básica com a linguagem Python e o seu ambiente de desenvolvimento, tal como constante no programa da Unidade Curricular de Programação I.

Programa

Revisão do Python. Tipos básicos do Python. Tipos de dados para coleções: listas, tuplos, dicionários e conjuntos. Definição de novos tipos: noção de classe, objetos e métodos. Estruturação de código utilizando módulos.

Três princípios básicos de programação: encapsulamento, abstracção, e separação de conceitos.

Introdução à extracção e processamento de dados. Leitura de dados textuais em diferentes formatos e conversão em estruturas de dados Python. Manipulação e tratamento de dados programaticamente.

Introdução à visualização de dados. O uso de bibliotecas externas. Visualização de informação numérica e geoespacial.

Bibliografia Obrigatória

Allen Downey; How to think like a computer scientist. ISBN: 0-9716775-0-6

Bibliografia Complementar

Daniel Y. Chen; Pandas for Everyone, Addison-Wesley
Jake VanderPlas; Python data science handbook: Essential tools for working with data., O'Reilly Media, Inc (https://jakevdp.github.io/PythonDataScienceHandbook/)
Wes McKinney; Python for data analysis: Data wrangling with Pandas, NumPy, and IPython, O'Reilly Media, Inc
Christian Hill; Learning Scientific Programming with Python 2nd Edition, Cambridge University Press, 2020. ISBN: 1108745911 (https://scipython.com/book2/)

Métodos de ensino e atividades de aprendizagem

- Aulas teóricas em parte expositivas e em parte demonstrativas da resolução de problemas.

- Aulas práticas em laboratório.

- Trabalhos de casa.

Software

Pycharm Community Edition

Palavras Chave

Ciências Físicas > Ciência de computadores > Programação

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho prático ou de projeto	70,00
Prova oral	30,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	106,00
Frequência das aulas	56,00
Total:	162,00

Obtenção de frequência

Todos os estudantes que submetam os trabalhos práticos obtêm a frequência.

Fórmula de cálculo da classificação final

A avaliação será feita através de um trabalho prático individual (70%), a ser desenvolvido durante as aulas práticas e incluindo tarefas adicionais de trabalho de casa. Está prevista também uma prova oral para defesa do trabalho (30%).

A nota final será a soma das notas do trabalho e da prova oral.

Avaliação especial (TE, DA, ...)

Os estudantes com circunstâncias especiais devem discutir a sua situação com o responsável.

Melhoria de classificação

O trabalho prático pode ser melhorado e entregue em época de recurso, e nesse caso será exigida nova funcionalidade.