Currículo
Programming Python for Data Science PPDS
Contextos
Groupo: Management > 2º Ciclo > Parte Escolar > Unidades Curriculares Optativas > Major Streams "Business Data Analytics"
ECTS
3.0 (para cálculo da média)
Objectivos
Objetivos de Aprendizagem: • LO1: Compreensão dos conceitos de programação aplicados à ciência de dados. • LO2: Proficiência em estruturas de dados e algoritmos para otimizar o processamento de dados. • LO3: Capacidade de usar bibliotecas para manipulação e modelação de dados. • LO4: Capacidade para automatizar fluxos de trabalho de dados por meio de scripting. Capacidades: • Especialização Técnica: Desenvolvimento de competências de programação para análise de dados. • Capacidade Analítica: Aplicação de algoritmos e estruturas de dados no pensamento analítico. • Proficiência em Resolução de Problemas: Uso de programação para resolver problemas e questões ligadas à análise de dados. • Colaboração e Comunicação: Desenvolvimento de trabalho em equipa e comunicação de conceitos técnicos.
Programa
Introdução à Ciência de Dados e Python (Aula #1) Preparação de Dados com Python (Aulas #2) Treino, Validação e Avaliação de Modelos (Aula #3) Machine Learning Supervisionado com Python (Aulas #4 e #5) Machine Learning Não Supervisionado com Python (Aula #6)
Método de Avaliação
Metodologias de Ensino Aulas Teóricas: Apresentações envolventes complementadas por recursos visuais e exemplos do mundo real para clarificar tópicos complexos. Laboratórios Práticos: Os alunos trabalham em exercícios de programação utilizando Python, focando em problemas de análise de dados do mundo real. Projetos em Grupo: Os alunos trabalham em equipas para desenvolver uma solução de software ou um projeto de análise, promovendo a aprendizagem entre pares e o trabalho em equipa. Revisão por Pares e Apresentações: Os alunos apresentam os seus projetos em grupo, recebendo feedback de colegas e instrutores, promovendo um ambiente de aprendizagem construtivo. Avaliação dos Alunos Projeto em Grupo (40%): Avaliação do projeto final em grupo, incluindo qualidade do código, criatividade e apresentação. Formato: Relatório do projeto e apresentação oral. Exame final (60%)
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 72.0
Carga Total -
Bibliografia
Principal
- The data science handbook. John Wiley & Sons.: Cady, F. 2024
- Data science from scratch: first principles with python. O'Reilly Media.: Grus, J. 2019
- Python for data analysis: Data wrangling with Pandas, NumPy, and IPython (2nd ed.). O'Reilly Media.: McKinney, W. 2018
- Python machine learning (3rd ed.). Packt Publishing: Raschka, S., & Mirjalili, V. 2019
- Effective Python: 90 specific ways to write better Python (2nd ed.). Addison- Wesley.: Slatkin, B. 2019
- Data structures and algorithms in Python. Packt Publishing.: Baka, B. 2019
- The pragmatic programmer: Your journey to mastery (20th Anniversary ed.). Addison-Wesley.: Hunt, A., & Thomas, D. 2019
- Python e Exploração de Dados [In Portuguese].: Caiado, J. 2024 Edições Sílabo
- Data Science with Python: Chopra, R. and England, A. 2019 Packt Publishing.