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 análise de dados. • LO2: Proficiência em estruturas de dados e algoritmos para otimizar o processamento de dados. • LO3: Capacidade de usar bibliotecas para manipulação e análise 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
Sessão 1: Introdução ao Python e à Ciência de Dados • Instalação do Python; • Biblitecas do Python. • Ambientes do Anaconda: Jupyter Notebook, Spyder. Sessão 2: Programação com o Python • Bibliotecas do Pandas, Numpy, Matplotlib e Seaborn • Tuplos e Listas • Estruturas de condição e repetição • Funções Sessão 3: Importação, Representação e Visualização de Dados • Tipos de dados • Importação de dados em formatos CSV, Excel e texto • Representações gráficas de dados • Sessão 4: Limpeza, Transformação e Integração de DadosTratamento de dados ausentes • Detecção e correção de outliers • Erros nos dados e duplicações • Codificação de dados • Estandardização e normalização de dados • Discretização de dados • Integração de dados Sessão 5: Estudo de Casos e Projeto Final • Estudo de casos com dados seccionais • Estudo de casos com dados temporais • Elaboração e discussão de projetos em grupo com dados reais
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. • Estudos de Casos: Analisar estudos de caso do mundo real que demonstrem aplicações bemsucedidas de programação em análise de dados, discutindo desafios e soluções. • 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 • Trabalhos de Programação (20%): Trabalhos regulares que avaliam a compreensão dos alunos sobre conceitos de programação e a sua capacidade de implementar soluções. Formato: Submissões de código com documentação a acompanhar • 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 (40%): exame final para avaliar a compreensão dos alunos sobre conceitos teóricos e aplicações práticas. Formato: Questões de múltipla escolha, tarefas de codificação e questões de resolução de problemas.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 72.0
Carga Total -
Bibliografia
Principal
- The pragmatic programmer: Your journey to mastery (20th Anniversary ed.). Addison-Wesley.: Hunt, A., & Thomas, D. 2019
- Data structures and algorithms in Python. Packt Publishing.: Baka, B. 2019
- Effective Python: 90 specific ways to write better Python (2nd ed.). Addison- Wesley.: Slatkin, B. 2019
- Python machine learning (3rd ed.). Packt Publishing: Raschka, S., & Mirjalili, V. 2019
- Python for data analysis: Data wrangling with Pandas, NumPy, and IPython (2nd ed.). O'Reilly Media.: McKinney, W. 2018
- Data science from scratch: first principles with python. O'Reilly Media.: Grus, J. 2019
- Python e Exoploração de Dados. Edições Sílabo.: Caiado, J. 2024
- The data science handbook. John Wiley & Sons.: Cady, F. 2024