Análise e Tratamento de Dados

A unidade curricular adota metodologias de ensino e aprendizagem que promovem a aquisição integrada das competências definidas nos objetivos de aprendizagem, alinhadas com um modelo pedagógico centrado no estudante, na resolução de problemas e na aplicação prática do conhecimento.
A componente teórica é introduzida através de flipped classroom, em que os estudantes têm acesso prévio a materiais de estudo, vídeos explicativos e leituras recomendadas, permitindo que as aulas presenciais se concentrem na discussão, clarificação de conceitos e aplicação prática. Esta abordagem potencia o envolvimento ativo, a reflexão autónoma e a preparação antecipada para as atividades presenciais.
As aulas teórico-práticas recorrem a ferramentas computacionais como Excel, R e Python, permitindo aos estudantes aplicar conceitos estatísticos e de análise de dados a conjuntos de dados reais. A vertente prática inclui exercícios guiados, mas também projetos baseados em aprendizagem (PBL), nos quais os estudantes trabalham em equipas para identificar problemas, conceber estratégias de análise, implementar soluções e interpretar criticamente os resultados. Esta metodologia desenvolve a autonomia, a capacidade de resolução de problemas complexos, o pensamento crítico e a capacidade de trabalhar eficazmente em equipas multidisciplinares.
As atividades colaborativas, realizadas em pequenos grupos, promovem a troca de ideias, a validação mútua de procedimentos e o desenvolvimento de competências de comunicação científica e técnica. A avaliação formativa inclui trabalhos práticos, apresentações de projetos e relatórios de análise, garantindo que o progresso dos estudantes é acompanhado de forma contínua e refletindo tanto o domínio teórico como a aplicação prática das competências.
A articulação equilibrada entre flipped classroom, sessões laboratoriais, resolução de problemas, aprendizagem baseada em projetos e avaliação aplicada assegura coerência entre os métodos pedagógicos e os resultados de aprendizagem, preparando os estudantes de forma sólida para desafios profissionais e académicos no domínio da análise e tratamento de dados.

A unidade curricular foi concebida para oferecer aos estudantes os fundamentos conceptuais, metodológicos e procedimentais necessários para a realização de análises de dados, recorrendo a ferramentas computacionais como o Excel, o R ou o Python. As principais competências a desenvolver pelos estudantes são:
– Aquisição da “linguagem” analítica essencial associada à Análise e Tratamento de Dados, permitindo aos estudantes conceber, implementar e avaliar projetos orientados por dados, bem como contribuir de forma eficaz em equipas multidisciplinares que envolvam especialistas técnicos e diferentes stakeholders.
– Desenvolvimento da capacidade de escrever e aplicar código em R ou Python a conjuntos de dados reais, bem como interpretar e comunicar criticamente os resultados obtidos.
A ênfase em exercícios práticos, tarefas de resolução de problemas e atividades computacionais orientadas garante a coerência entre as competências visadas e a abordagem pedagógica adotada.

1. Introdução à análise de dados
Design de experiências. A natureza dos dados. A importância da Estatística. Etapas de um estudo estatístico.
2. Estatística descritiva
Organização e apresentação de dados. Indicadores de localização central e de dispersão. Indicadores de assimetria e achatamento. Correlação e independência.
3. Estatística inferencial
Estimação e testes de hipóteses. Inferência para parâmetros de populações normais e outras. Testes de ajustamento e independência.
4. Fiabilidade
Conceitos básicos. Modelos paramétricos importantes. Aplicações.
5. Modelos de regressão
Regressão linear simples e múltipla. Validação de pressupostos. Modelos não lineares.
6. Métodos de classificação.

• - Trabalho ou Exame - 100.0%

NAO