Ciência dos Dados para Economia e Gestão

Conhecimentos de Base Recomendados

Não aplicável.

Métodos de Ensino

Aulas teórico-práticas com uso de computador. Os conceitos e técnicas principais serão apresentados aos estudantes com recurso a exemplos práticos. Os estudantes terão depois oportunidade de aplicar os mesmos a diversos exemplos de aplicação ligados à economia e à gestão.

Resultados de Aprendizagem

Espera-se que o aluno seja capaz de:
1) Sugerir e aplicar tratamentos prévios adequados aos dados disponíveis;
2) Aplicar os procedimentos adequados de análise estatística dos dados;
3) Aplicar procedimentos de machine learning adequados aos dados e aos objectivos da análise;
4) Utilizar software para comunicar os resultados.
Competências a desenvolver:
1) Específicas:
- Recolher, analisar e tratar adequadamente os dados.
- Utilizar programas informáticos para analisar e modelar os dados.
- Utilizar programas informáticos para comunicar os resultados.
2) Genéricas:
- Analisar dados.
- Resolver problemas.
- Utilizar programas informáticos.
- Comunicação.
- Planear a execução de tarefas.
- Tomar decisões.
- Trabalhar em equipa

Estágio(s)

Não

Programa

1.Procedimentos essenciais
2. Ferramentas estatísticas
3. Técnicas de machine learning
4. Comunicação dos resultados

Docente(s) responsável(eis)

Pedro Miguel Avelino Bação

Métodos de Avaliação

Avaliação
Projecto: 40.0%
Mini Testes: 60.0%

Bibliografia

Baumer, B.,Kaplan, D., Horton, N. (2017). Modern Data Science with R. Chapman &; Hall/CRC Press.
Bruce, P., Bruce, A., Gedeck, P. (2020). Practical Statistics for Data Scientists. O'Reilly.
Grus, J. (2019), Data Science from Scratch: First Principles with Python. O'Reilly.
James, G., Witten, D., Hastie, T., Tibshirani, R. (2021). An Introduction to Statistical Learning. Springer.
Wickham, H., Grolemund, G. (2017). R for Data Science. O'Reilly.
Zumel, N., Mount, J. (2020). Practical Data Science with R. Manning.