Disciplina Curricular
Visualização e Exploração de Dados VED
Licenciatura Bolonha em Engenharia da Energia e Ambiente - 2_LEEA 2026/27
Contextos
Grupo: 2_LEEA 2026/27 > 1º Ciclo > 2º Ano > Optativas > 1001 - Competências Complementares - Grupo 1 + Grupo 2 (QAC)
Período:
Peso
6.0 (para cálculo da média)
Objectivos
No final deste curso, os estudantes serão capazes de: 1. Demonstrar conhecimento dos princípios fundamentais da visualização de dados, incluindo design e percepção. 2. Desenvolver competências na aplicação de técnicas de análise exploratória de dados para descobrir padrões, tendências e anomalias. 3. Adquirir proficiência no uso de bibliotecas Python para criar visualizações eficazes e perspicazes. 4. Compreender como avaliar criticamente visualizações quanto à precisão, clareza e eficácia. 5. Desenvolver competências na integração do raciocínio estatístico com a narrativa visual para comunicar descobertas a partir dos dados. 6. Cultivar abordagens para a compreensão de conjuntos de dados, explorando-os e visualizando-os para obter uma visão abrangente do problema antes de aplicar modelos de aprendizagem automática.
Programa
1. Introdução à Visualização de Dados: Importância da EDA, contexto histórico e ferramentas para visualizações eficazes. 2. Princípios de Design: Integridade gráfica, teoria da cor, tipos de gráficos, layout, escolha de gráficos para dados e perguntas analíticas, e boas práticas na comunicação visual. 3. Fundamentos da EDA: Sumarizar dados com medidas de tendência central, variabilidade, histogramas, boxplots e lidar com dados ausentes. 4. EDA Avançada: Analisar relações com scatterplots, correlações, tabelas dinâmicas e séries temporais. 5. Programação e Visualizações Interativas: Utilização de bibliotecas. 6. Estudo de Casos e Aplicações Reais 7. Avaliação de Visualizações: Criticar visualizações e evitar armadilhas. 8. Narrativa de Dados: Combinar visualizações e narrativas para descobertas claras. 9. Desafios de Domínios: Dados de alta dimensionalidade, desequilibrados ou ruidosos. Limpar e preparar dados brutos. 10. Geração de Hipóteses: Explorar e orientar análises com EDA.
Métodos de ensino e avaliação
Trabalhos práticos, testes ou exame e projeto final.