Ciências de dados

Conhecimentos de Base Recomendados

Não aplicável.

Métodos de Ensino

T: Nas aulas teóricas são apresentados os conceitos fundamentais contextualizados em problemas reais. Recorre-se ao método expositivo e dialético. Exploram-se ainda ferramentas digitais de ensino assíncrono como questionários, fóruns de discussão, vídeos e email.

P: Nas aulas práticas são introduzidos problemas práticos para resolução pelos alunos e são apresentadas ferramentas informáticas adequadas à resolução dos problemas. Recorre-se ainda ao ensino assíncrono baseado em resolução de exercícios, fóruns de discussão, tutoriais e email.

Resultados de Aprendizagem

Compreender as diferentes naturezas dos dados e as suas implicações para a análise

Planear recolha de dados, a sua organização e o seu adequado armazenamento

Aplicar técnicas usuais de descrição de dados

Reconhecer as diferenças entre análise univariada e multivariada

Identificar situações adequadas à aplicação de aprendizagem supervisionada, não supervisionada e por reforço

Conhecer algumas formas avançadas de geração e integração de dados com a realidade.

Estágio(s)

Não

Programa

1. Aquisição e organização de dados:

        i. Dados não estruturados e estruturados (conteúdo on-line)

        ii. Recolha de dados na era digital (conteúdo on-line)

        iii. Sensores inteligentes, apps e a internet das coisas (conteúdo presencial)

        iv. Dados em imagem: os casos da radiografia, do TAC e dos scanners orais (conteúdo presencial)

        v. Organização, armazenamento e proteção de dados (conteúdo on-line)

2. Análise de dados

        i. Descrição e visualização de dados: indicadores numéricos e gráficos (conteúdo on-line)

        ii. Análise univariada e multivariada (conteúdo on-line)

        iii. Métodos de inteligência artificial aplicada a dados: aprendizagem supervisionada, não supervisionada e por reforço (conteúdo presencial)

3. Geração e integração de dados

        i. Simulação computacional (conteúdo presencial)

        ii. Realidade aumentada (conteúdo presencial).

Docente(s) responsável(eis)

Francisco José Santiago Fernandes Amado Caramelo

Métodos de Avaliação

Avaliação
Exame: 50.0%
Avaliação contínua segundo os critérios e-log book: 50.0%

Bibliografia

- Knaflic, C. N. (2015). Storytelling with data: a data visualization guide for business professionals. Hoboken, New Jersey: John Wiley & Sons, Inc.

- Emc Education Services (2015, Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data

- Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer

- Bruce, P. C., & Bruce, A. (2017). Practical statistics for data scientists: 50 essential concepts.