Visualização e Preparação de Dados

Código:

MECD04

Sigla:

VPD

Áreas Científicas
Classificação	Área Científica
CNAEF	Informática

Ocorrência: 2024/2025 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia e Gestão Industrial
Curso/CE Responsável:	Mestrado em Engenharia e Ciência de Dados

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MECD	32	Plano de estudos Oficial	1	-	6	42	162

Língua de trabalho

Inglês

Objetivos

Esta unidade curricular tem dois objetivos principais, preparar os estudantes para:

(i) utilizar os princípios e técnicas pré-processamento e preparação de dados de forma a obter um conjunto de dados com qualidade para ser analisado, que permita obter resultados com qualidade

(ii) e utilizar métodos de representação visual de dados que permitam melhorar a compreensão de dados complexos.

Resultados de aprendizagem e competências

No final da unidade curricular os estudantes deverão ser capazes de:

- aplicar técnicas pré-processamento para melhorar a qualidade de um conjunto de dados;

- desenhar visualizações de dados efetivas que permitam apreender a informação de um conjunto de dados;

- utilizar as ferramentas R, ggplot2 e tableau para a preparação e visualização de dados.

Modo de trabalho

Presencial

Programa

Pré-processamento de dados: Tipos de dados; Integração de dados; Discretização de variáveis contínuas; Tratamento de Outliers; Tratamento de Missing values; Técnicas de redução de dados, de seleção de atributos e de criação de novas variáveis; Amostragem.

Visualização de dados: Fundamentos de visualização de dados; Perceção na visualização de dados; Utilização da Cor; Codificação visual de variáveis discretas e contínuas; A gramática para construção de gráficos; Visualização Interativa.

Bibliografia Obrigatória

Salvador García; Data preprocessing in data mining. ISBN: 978-3-319-10247-4
Tamara Munzner; Visualization analysis & design. ISBN: 978-1-4665-0891-0

Bibliografia Complementar

Colin Ware; Information visualization. ISBN: 1-55860-819-2
Garrett Grolemund and Hadley Wickham; R for Data Science, O'Reilly Media, 2016. ISBN: ISBN-10: 1491910399

Métodos de ensino e atividades de aprendizagem

A lecionação desta unidade curricular baseia-se nas seguintes atividades complementares de ensino e aprendizagem, e correspondente avaliação:

- A exposição de noções teóricas feita nas aulas deverá ser apreendida pelos estudantes através de atividades de estudo e conceptualização.

- A exposição de casos e respetivas resoluções realizadas nas aulas deverá ser objeto de estudo, conceptualização e experimentação com novos problemas por parte dos estudantes.

- A apresentação nas aulas dos métodos disponíveis em pacotes do R para preparação de dados, da ferramenta Tableau para análise exploratória de dados e da linguagem ggplot2 para criação de novas formas de visualização, deverá conduzir à exploração e experimentação autónoma pelos estudantes.

- Realização de um projeto em grupo com o objetivo de possibilitar a experiência prática de conceber e implementar uma solução para um problema concreto de visualização

Software

Tableau
R

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Teste	55,00
Trabalho escrito	45,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	40,00
Elaboração de relatório/dissertação/tese	0,00
Estudo autónomo	70,00
Frequência das aulas	40,00
Trabalho de investigação	12,00
Total:	162,00

Obtenção de frequência

É necessário obter as classificações mínimas indicadas para ter frequência na disciplina e não exceder o número limite de faltas (cf. definição de frequência, “Normas Gerais de Avaliação”, Conselho Pedagógico da FEUP).

As provas escritas serão sem consulta, sendo fornecidas as principais fórmulas eventualmente necessárias.

A avaliação terá também em conta a apresentação, correção e qualidade do português utilizado.

Fórmula de cálculo da classificação final

P1: Projecto ggplot2 (45%) (É necessária uma nota mínima de 10 em 20)

P2: Mini-teste (55%) (É necessária uma nota mínima de 8 em 20)

 

Nota Final: 0.45 x P1 + 0.55 x P2

Provas e trabalhos especiais

O cálculo das classificações para os alunos com regimes especiais rege-se pelas mesmas normas de avaliação que os alunos ordinários.

Avaliação especial (TE, DA, ...)

Os estudantes com estatuto especial de trabalhador-estudante, militar ou atleta de alta competição, com impedimento de frequência das aulas, deverão tal como os restantes estudantes realizar o trabalho de grupo e apresentá-lo nos momentos de avaliação agendados.

Caso optem pela realização de avaliação em época especial, podem realizar o trabalho individualmente ou em grupo (em conjunto com outros estudantes nas mesmas circunstâncias) com um calendário de realização e avaliação previamente acordado com o docente da disciplina.

Melhoria de classificação

A componente de avaliação P2 (Mini-teste) poderá ser melhorada na época de exames.  A componente P1 (projeto) poderá ser melhorada mediante inscrição na disciplina no ano seguinte.