Conhecimentos de Base Recomendados
Não tem.
Métodos de Ensino
A atividade letiva decorre em regime presencial, com exposição de conceitos, técnicas e métodos, com grande enfoque na resolução de problemas práticos.
Será utilizado software de apoio à resolução de problemas.
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.
Pretende-se assim com esta Unidade Curricular que os estudantes alcancem os seguintes objetivos:
- Conceber algoritmos simples aplicando adequadas metodologias de programação.
- Conhecer e compreender a linguagem Python.
- Conhecer algumas das bibliotecas fundamentais do Python para a realização de projetos em Data Science, como NumPy, Pandas, MatPlotLib, Scipy e Scikit-learn
- Conhecer comandos básicos de linguagem SQL para manipulação de conjuntos de dados
- Compreender e adaptar programas existentes e elaborar novos programas codificados na linguagem Python.
Em termos de competências espera-se com esta unidade curricular que o aluno seja capaz de:
- Utilizar a linguagem Python para a implementação de algoritmos
- Utilizar a linguagem Python para manipulação de dados
- Utilizar a linguagem Python para a visualização de resultados
- Utilizar a linguagem Python para a implementação de projetos de Data Science
Programa
- Introdução ao Python
- Noções básicas de Python
- Estruturas de Dados em Python
- Fundamentos da Programação em Python
- Trabalhando com dados em Python
- Visualização de dados em Python
- Introdução ao Machine Learning em Python
- Outras aplicações do Python
Docente(s) responsável(eis)
Estágio(s)
NAO
Bibliografia
Principal:
- Antonio Trigo. (2018, June 12). PyTrigo – Introdução à Data Science com Python (Version v0.12). Zenodo.http://doi.org/10.5281/zenodo.1288006
Complementar:
- 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