-
Apresentação
Apresentação
Esta disciplina oferece uma visão aprofundada do campo da Ciência de Dados, ensinando princípios e métodos fundamentais de análise e aprendizado a partir de dados. O curso é direcionado a analistas de dados sem conhecimentos prévios em estatística, e enfatiza a importância da ética na construção e uso de modelos obtidos a partir de dados. Os métodos de ensino incluem aulas tradicionais, debates em sala de aula e atividades de auto-avaliação, ajudando os alunos a desenvolver habilidades críticas e analíticas essenciais para o sucesso na ciência de dados. Ao final do curso, os alunos terão uma compreensão abrangente do campo, bem como as habilidades e conhecimentos necessários para se tornarem cientistas de dados de sucesso.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Licenciado | Semestral | 6
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
2 | Obrigatório | Português
-
Código
Código
ULHT6634-23869
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
Introdução à Ciência de Dados O que significa aprender com dados? Como garantir a precisão dos modelos? Regressão linear simples Regressão linear múltipla Como trabalhar com modelos de regressão? Classificação logística Modelos de classificação generativa Métodos de reamostragem Métodos baseados em árvores para regressão e classificação Aspetos éticos e regulamentos âmbito da Ciência de dados
-
Objetivos
Objetivos
Familiarizar os estudantes com o campo multidisciplinar da Ciência de Dados Adquirir conhecimentos aprofundados sobre o que significa aprender estatisticamente a partir de dados Compreender o que são os modelos de regressão e classificação Compreender como validar e utilizar modelos construídos a partir de dados Adquirir uma diversidade de métodos para criar modelos de regressão e classificação Comparar criticamente diferentes métodos para produzir modelos de regressão ou classificação Compreender a importância e usos de métodos de reamostragem na Ciência de Dados Compreender os princípios éticos básicos e regulamentações no contexto de modelos baseados em dados
-
Metodologias de ensino e avaliação
Metodologias de ensino e avaliação
Incluir também as metodologias inovadoras de suporte ao processo de ensino-aprendizagem utilizadas
-
Bibliografia principal
Bibliografia principal
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112, p. 18). New York: springer.
-
Horário de Atendimento
Horário de Atendimento
-
Mobilidade
Mobilidade
Não