Métodos de Ensino
A unidade curricular articula fundamentos teóricos com prática aplicada, privilegiando aulas teórico–práticas e aprendizagem ativa. O uso de IDEs, bibliotecas computacionais e apoio crítico de ferramentas de IA promove a ligação entre conceitos e aplicação, assegurando aquisição de conhecimentos, desenvolvimento de aptidões e consolidação de competências em análise de dados e resolução de problemas.
Resultados de Aprendizagem
No final da unidade curricular, os estudantes deverão ser capazes de distinguir diferentes ambientes computacionais, utilizar bibliotecas e respetivos métodos, aplicar conceitos elementares de programação e desenvolver programas simples para manipular dados e aplicar técnicas estatísticas, recorrendo de forma crítica a ferramentas de IA e a bibliotecas computacionais. O método de ensino, assente em aulas teórico-práticas, assegura a aquisição de conhecimentos (estruturas de dados e técnicas estatísticas), o desenvolvimento de aptidões (programar, explorar bibliotecas, representar dados, interpretar resultados) e de competências (autonomia na análise e interpretação de dados, pensamento crítico e integração de ferramentas digitais em problemas de engenharia).
Programa
Tópico 1: Ambientes computacionais e operações sobre dados
– Ambientes locais e ambientes na nuvem.
– Funcionalidades de IDEs como suporte ao processo de programação
– Classes, bibliotecas e métodos.
– Diferentes formatos de dados.
- Operações de leitura e escrita de ficheiros para manipulação de dados.
-
Tópico 2: Elementos essenciais de programação para manipulação de dados
– Conceitos elementares de programação (variáveis e tipos de dados).
– Estruturas de dados básicas (listas, vetores, matrizes, dicionários).
– Estruturas de controlo (condições e ciclos).
– Funções simples para organizar e reutilizar código.
Tópico 3: Técnicas estatísticas e de visualização de dados
– Variáveis estatísticas (escala nominal, ordinal, intervalar, razão).
– Dados provenientes de amostras univariadas e multivariadas.
– Visualizações gráficas de conjuntos de dados, com recurso a bibliotecas computacionais.
– Aplicação de técnicas estatísticas com recurso a bibliotecas computacionais, com apoio crítico de ferramentas de IA.
Estágio(s)
NAO
Bibliografia
Devore, J. L. (2023). Probabilidade e estatística para engenharia e ciências (9.ª ed., trad. port.). Cengage Learning.
Haslwanter, T. (2022). An introduction to statistics with Python: With applications in the life sciences. Springer.
Lubanovic, B. (2025). Introducing Python (3rd ed.). O’Reilly Media.
McKinney, W. (2022). Python for data analysis (3rd ed.). O’Reilly Media.