filmeu

Disciplina Ciência de Dados

  • 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.
  • 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
  • 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.  
INSCRIÇÃO AVULSO
Lisboa 2020 Portugal 2020 Small financiado eu 2024 prr 2024 republica portuguesa 2024 Logo UE Financed Provedor do Estudante Livro de reclamaões Elogios