Métodos de Ensino
A atividade letiva decorre em regime presencial ou por videoconferência, com exposição de conceitos, técnicas e métodos, com grande enfoque na resolução de problemas práticos. Será utilizado software de apoio à resolução de problemas. O aluno será avaliado por um trabalho realizado no âmbito da unidade curricular e por uma prova escrita de avaliação final, ambas com o mesmo peso na nota final. A nota do trabalho só será considerada se o aluno obtiver uma nota mínima de 8 valores na prova escrita (numa escala de 0 a 20).
Resultados de Aprendizagem
A unidade curricular de Programação para Ciência dos Dados é destinada a estudantes sem experiência prévia de programação. É uma unidade estruturante do curso de mestrado em análise de dados e sistemas de apoio à decisão dado que os estudantes aprenderão os fundamentos da programação em Python necessários à realização de atividades de programação noutras unidades curriculares e desenvolvimento de projetos de Data Science. Nesta unidade curricular após uma breve introdução aos conceitos de algoritmia e programação os estudantes ganharão contacto com as bibliotecas base para a realização de projetos em Data Science, como NumPy, Pandas, MatPlotLib,Scipy, Scikit-learn. Além destas bibliotecas aprenderão a manipular conjuntos de dados com a linguagem SQL. Pretende-se com esta unidade curricular que o estudante ganhe um conjunto de competências que lhe permitam deforma autónoma realizar atividades de programação e desenvolvimento de projetos de Data Science.
Programa
1 – Noções básicas de Python
2 – Estruturas de Dados em Python
3 – Fundamentos da Programação e mPython
4 – Trabalhando com dados em Python
5 – Visualização de dados em Python
6 – Introdução ao Machine Learning em Python
7 – Outras aplicações do Python
Estágio(s)
NAO
Bibliografia
Antonio Trigo. (2018, June 12). PyTrigo – Introdução à Data Science com Python (Version v0.12). Zenodo.http://doi.org/10.5281/zenodo.1288006
Jake VanderPlas (2016). Python Data Science Handbook: Essential Tools for Working with Data. O’Reilly Media.
Wes McKinney (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O’Reilly Media.
Joel Grus (2019). Data Science from Scratch: First Principles with Python. O’Reilly Media.
Paul Deitel and Harvey Deitel (2019). Intro to Python for Computer Science and Data Science: Learning to Program withAI, Big Data and The Cloud. Pearson.
Stephen Klosterman (2019) Data Science Projects with Python: A case study approach to successful data scienceprojects using Python, pandas, and scikit-learn. Packt Publishing