Introdução à Ciência de Dados
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Ciência de Computadores |
Ocorrência: 2023/2024 - 1S ![Requerida a integração com o Moodle Ícone do Moodle](/fcup/pt/imagens/MoodleIcon)
Ciclos de Estudo/Cursos
Língua de trabalho
Português - Suitable for English-speaking students
Obs.: As aulas serão em inglês no caso de haver estudantes que não falam português. Todos os materiais estão em inglês. Classes are in English iin case there are non-Portuguese speaking students. All materials are in English.
Objetivos
Os estudantes irão obter uma perspectiva global dos diferentes passos num projecto de Ciência de Dados. 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 ciência de dados e respectivas operações mais comuns;
- identificar tipos diferentes de problemas de ciência de dados;
- selecionar justificadamente métodos, algoritmos e ferramentas adequadas para a resolução desses problemas
- aplicar justificadamente métodos, algoritmos e ferramentas para a resolução desses problemas
- explicar os fundamentos dos métodos, algoritmos e ferramentas
- avaliar os resultados e propôr melhoramentos
- conhecer especificidades da aplicação de soluções de ciência de dados em ambiente de produção
Modo de trabalho
Presencial
Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)
Conhecimentos de programação, sobretudo em Python ou R
Conhecimentos de estatística
Programa
O modelo CRISP-DM. Recolha de dados e pré-processamento. Modelação e diferentes tipos de problemas de aprendizagem. Algoritmos de ciência de dados. Métodos de avaliação de modelos. Colocação de modelos em produção.
Bibliografia Obrigatória
Jake VanderPlas; Python Data Science Handbook, O'Reilly, 2016. ISBN: 978-1-491-91205-8
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 (%) |
Trabalho prático ou de projeto |
35,00 |
Exame |
40,00 |
Teste |
25,00 |
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
Nota superior a zero no trabalho prático e no teste. Resposta a questões de aula submetidas online.
Fórmula de cálculo da classificação final
Haverá um teste e um trabalho de grupo prático.
Serão realizadas atividades que promovam a participação e o feedback, tais como questões de aula e discussões de grupo.
Será realizado um exame final.
A nota final é dada pela média pesada das notas teóricas e práticas de acordo com a seguinte fórmula:
NotaFinal.0 = 0.40 x NotaExame + 0.35 x NotaTrab + 0.25 x NotaTeste
CompIndividual=media_ponderada(NotaExame, NotaTeste)
NotaFinal = min(NotaFinal.0, CompIndividual*1.35)
Melhoria de classificação
Os trabalhos não podem ser considerados para melhoria na época de recurso