Tópicos de Análise de Dados
Esta unidade curricular (UC) tem como objetivo proporcionar aos doutorandos uma compreensão aprofundada dos fundamentos e abordagens avançadas em análise de dados estatística, com especial ênfase na distinção entre métodos supervisionados e não supervisionados, abordagens paramétricas e não paramétricas, e na introdução ao paradigma bayesiano de modelação.
Ao longo da UC, serão explorados os princípios teóricos que sustentam estas metodologias, bem como as suas aplicações práticas em contextos reais. Os estudantes serão incentivados a desenvolver uma visão crítica e integrada da modelação estatística moderna, através da análise, implementação e interpretação de métodos em ambientes computacionais adequados.
Dado o carácter técnico e quantitativo da unidade, recomendam-se conhecimentos prévios de estatística, álgebra linear, cálculo e competências básicas de programação (preferencialmente em R).
A bibliografia e os materiais de estudo são predominantemente em língua inglesa.
Análise de dados
Aprendizagem estatística
Métodos supervisionados e não Supervisionados
Modelação bayesiana
- Compreender e aplicar métodos supervisionados e não supervisionados de análise de dados;
- Distinguir entre abordagens paramétricas e não paramétricas na modelação estatística;
- Explorar e interpretar estruturas latentes em conjuntos de dados;
- Implementar e analisar modelos preditivos, incluindo modelos bayesianos simples;
- Avaliar criticamente os resultados e as decisões metodológicas em contextos de análise de dados.
1) Fundamentos de análise de dados e de modelação estatística
2) Métodos estatísticos não supervisionados
3) Métodos estatísticos supervisionados
4) Modelação bayesiana
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An Introduction to Statistical Learning: with Applications in R (2nd ed.). Springer.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer.
Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press.
E-learning
A avaliação tem caráter individual e implica a coexistência de duas modalidades: avaliação contínua (60%) e avaliação final (40%). Essa avaliação será desenvolvida na aplicação de formas diversificadas, definidas no Contrato de Aprendizagem da unidade curricular.