Programação e Algoritmos II

Conhecimentos de Base Recomendados

N/A

Métodos de Ensino

A avaliação desta unidade curricular, na modalidade de avaliação contínua é feita com recurso a um teste individual, com peso de 40%: com componente escrita, sem consulta, 50% e componente oral, para explicação do algoritmo e para a justificação do código desenvolvido, 50%.

Um trabalho de programação individual,  com peso de 60%. O projecto será desenvolvido durante uma aula (duração tipica de 2h), com acesso a IA GEN sob regras. Na avaliação do programa serão tidas em conta as componentes de ética (referência bibliográficas, uso de IA, comentários e outros), estilo (sequencia, abstração, legibilidade, comentários, etc) e de funcionalidade (correção e eficiência do programa em todas as entradas de teste possíveis), com peso de 50%; defesa oral individual do projeto, com peso de 50%.

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 e outras (Javascript, C, etc). 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

Métodos de Avaliação

Avaliação Contínua

 

Trabalho Individual - 60.0%

Frequência - 40.0%

 

Exame

Exame - 100.0%


    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#

     

    Harvard University: cs50.dev