Publicação em Diário da República: Despacho n.º 8956/2023 - 31/08/2023
8 ECTS; 1º Ano, Anual, 28,0 T + 28,0 TP + 4,0 S , Cód. 393214.
Docente(s)
- Sandra Maria Gonçalves Vilas Boas Jardim (1)
(1) Docente Responsável
(2) Docente que lecciona
Pré-requisitos
Não aplicável
Objetivos
A. Conhecer e saber aplicar os mátodos utilizados na análise exploratória de dados
B. Conhecer e saber aplicar algoritmos de previsão e classificação
C. Distinguir entre problemas de aprendizagem supervisionada e não supervisionada
D. Conhecer e saber aplicar algoritmos/métodos para resolução de problemas de aprendizagem supervisionada e não supervisionada
E. Ter capacidade de fazer pesquisas na web
F. Conceber, implementar e aplicar sistemas de recomendação
Programa
1. Análise Exploratória de Dados
1.1 Descoberta de padrões nos dados
1.2 Visualização de dados com Python
1.3 Cálculo de estatísticas
1.4 Análise de subconjuntos de dados
1.5 Exploração de correlações
1.6 Criação de Heat Maps
2. Previsão
2.1 Previsão de procura por parte de clientes
2.2 Regressão Linear
3. Comparação de grupos
3.1 Leitura de dados populacionais
3.2 Testes de hipóteses
3.3 Comparação de grupos num contexto prático
4. Classificação binária
4.1 Minimização de atrito com clientes
5. Aprendizagem supervisionada
5.1 Previsão de tráfego web
5.2 k-Nearest Neighbors
5.2 Outros modelos de previsão (árvores de decisão, florestas aleatórias)
6. Aprendizagem não supervisionada
6.1 Aprendizagem supervisionada Vs. Aprendizagem não supervisionada
6.2 Geração e exploração de dados
6.3 Agrupamento de dados
7. Web scraping
7.1 Como funcionam os websites
7.2 Análise de código HTML
7.3 Procura com expressões regulares
8. Sistemas de recomendação
8.1 Sistemas de recomendação baseados em popularidade
Metodologia de avaliação
Em todas as épocas de avaliação são aplicados os seguintes métodos e critérios de avaliação:
- Teste escrito (T), com um peso de 40% da classificação final
- Trabalho prático (TP), com um peso de 60% da classificação final
Em cada componente de avaliação o estudante deve obter uma classificação igual ou superior a 8 valores (classificação mínima para aprovação à UC)
Classificação Final (CF) = 0.4 * T + 0.6 * TP
O estudante obtém aprovação à UC caso a classificação final seja igual ou superior a 9,5 valores.
Bibliografia
- Tuckfield, B. (2023). Dive into Data Science. (Vol. 1). (pp. 1-209). USA: William Pollock
Método de Ensino
As aulas destinam-se à apresentação dos conteúdos programáticos e de exemplos práticos. Os tópicos principais são igualmente explorados através da realização de exercícios e de trabalhos práticos baseados em computador.
Software utilizado nas aulas
Google Colab
Objetivos de Desenvolvimento Sustentável
