Programação e Algoritmos II

Conhecimentos de Base Recomendados

N/A

Métodos de Ensino

A unidade curricular será leccionada através de aulas teórico-práticas.
A avaliação desta unidade curricular, na modalidade de avaliação contínua é feita com recurso a 1 teste individual, com peso de 40%. Um projeto, trabalho de programação em grupo, com apresentação e defesa, com peso de 60%. O projeto de livre tópico sobre as ciências de dados (Data Science), com o max de 3 alunos, terá várias fases: proposta, “pitch”, recolha de dados, análise, processamento, resposta a questões, visualização de resultados, relatório e defesa com sessão com “poster” (% a definir).Na avaliação de programas serão tidas em conta as componentes de estilo (modularidaridade, abstração, legibilidade, comentários, etc) e de funcionalidade (correção e eficiência do programa em todas as entradas de teste possíveis).
Exame (100%).

Resultados de Aprendizagem

Nesta unidade curricular espera-se que o aluno adquiria conhecimento e desenvolva competências para a utilização de linguagens de programação de forma estruturada. Analisar problemas, desenvolver e implementar soluções algorítmicas. Implementar algoritmos na linguagem de programação Python. Saber editar, compilar e executar os programas em várias ambientes e plataformas.

Programa

Ciências de dados com Python:
Noções básicas de Python
Estruturas de controle Python
Processando dados de um arquivo
Datas e horas
Processando dados JSON
Jupyter Notebbok, Github
Introdução ao NumPy
Lendo dados de um arquivo usando o Pandas, manipulando dados com o Panda
Extraindo linhas e colunas
Agregação de dados usando pandas
Juntando Pandas Dataframes
Formatos de dados largos e longos
Visualização de dados usando Matplotlib

Docente(s) responsável(eis)

Métodos de Avaliação

Exame
  • - Exame - 100.0%
Avaliação Contínua
  • - Trabalho Individual e/ou de Grupo - 60.0%
  • - Frequência - 40.0%

Estágio(s)

NAO

Bibliografia

Python Data Science Handbook

https://jakevdp.github.io/PythonDataScienceHandbook/index.html  

 

Python for Computational Science and Engineering

https://github.com/fangohr/introduction-to-python-for-computational-science-and-engineering/blob/master/Readme.md

 

“The Little Book of Algorithms”

http://bit.do/LBOA

 

Beginner’s Guide to Jupyter Notebooks for Data Science

https://morioh.com/p/a41ec25edc0a  

 

What is GitHub?

https://docs.google.com/document/d/1v3IQrC_0pFxsRBXsvCEzKBDAmYjzuSJCvXhkg8ewDn0/edit#