IPLUSO 23559

Análise e Tratamento de Dados Multivariados

• ApresentaçãoPresentation

  A Unidade Curricular "Análise e Tratamento de Dados Multivariados" é uma componente essencial no curso técnico profissional em Aplicações Informáticas para Ciências de Dados. Dentro do campo de ação, esta cadeira foca-se no estudo e manipulação de conjuntos de dados com múltiplas variáveis, explorando as complexidades e inter-relações entre elas. A área de atuação engloba técnicas estatísticas avançadas, algoritmos de aprendizagem automática e métodos de visualização para dados multivariados. Quanto ao domínio de intervenção, aborda tanto a teoria subjacente como a aplicação prática, utilizando software e ferramentas modernas específicas para o tratamento de dados multivariados. A pertinência da UC no ciclo de estudos é inquestionável, pois compreender e tratar dados multivariados é um pilar central na ciência de dados, permitindo aos alunos extrair insights mais profundos e desenvolver modelos preditivos mais precisos a partir de conjuntos de dados complexos.  
• ProgramaProgramme

  Introdução aos Dados Multivariados: Conceitos básicos, tipos e estruturas de dados multivariados. Análise Exploratória de Dados (AED): Visualização de dados multivariados, detecção de outliers e descrição estatística. Correlação e Causalidade: Diferenças, métodos de cálculo e implicações. Redução de Dimensionalidade: Técnicas como Análise de Componentes Principais (PCA) e t-SNE. Clustering e Segmentação: Algoritmos como K-means e DBSCAN. Classificação Multivariada: Introdução a modelos como Regressão Logística Multinominal e Máquinas de Vetores de Suporte. Validação e Interpretação de Modelos: Métodos de avaliação, métricas e interpretação de resultados. Aplicações Práticas: Estudos de caso e projetos em domínios específicos, utilizando ferramentas como R, Python e suas bibliotecas específicas.
• ObjectivosObjectives

  Conhecimentos: Os estudantes irão adquirir um entendimento profundo sobre a natureza e complexidade dos dados multivariados, bem como das técnicas estatísticas e algoritmos utilizados na sua análise.   Aptidões: Serão capacitados a executar análises exploratórias de dados multivariados, identificando padrões, correlações e anomalias. Além disso, desenvolverão capacidades para aplicar métodos de redução de dimensionalidade, como PCA e t-SNE, e técnicas de clustering e classificação.   Competências: Os alunos serão proficientes em ferramentas e softwares específicos para o tratamento de dados multivariados. Também adquirirão a capacidade de comunicar eficazmente os resultados das suas análises, transformando dados complexos em insights acionáveis e soluções orientadas a dados para problemas do mundo real. No geral, estarão aptos a tomar decisões informadas baseadas em análises de datasets multivariados, contribuindo valiosamente para qualquer equipe de ciência de dados.
• BibliografiaBibliography

  Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2018). Multivariate Data Analysis (8th ed.). Cengage Learning. James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning: with Applications in R. Springer. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython (2nd ed.). O'Reilly Media.  
• MetodologiaMethodology

  Aprendizagem Baseada em Projetos (ABP): Fomenta a aplicação prática, permitindo que os estudantes trabalhem em datasets reais, propondo e implementando soluções para problemas concretos. Plataformas Interativas de Codificação: Utilização de ferramentas como Jupyter Notebooks ou RStudio Cloud para facilitar a experimentação e visualização de dados em tempo real. Grupos de Discussão Peer-to-Peer: Fomento da troca de ideias e colaboração, permitindo que os estudantes aprendam uns com os outros e compartilhem diferentes perspectivas.
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  5
• NaturezaNature

  Obrigatório
• EstágioInternship

  Não