2023

Tratamento de Dados em Biotecnologia

Nome: Tratamento de Dados em Biotecnologia
Cód.: QUI13555L
3 ECTS
Duração: 15 semanas/78 horas
Área Científica: Química

Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português, Inglês
Regime de Frequência: Presencial

Objetivos de Desenvolvimento Sustentável

Objetivos de Aprendizagem

Esta Unidade Curricular pretende estimular e desenvolver nos alunos a capacidade de análise de dados tanto a nível qualitativo como quantitativo. Conhecer métodos de análise procuram dar resposta à dualidade estabilidade/variabilidade dos processos biotecnológicos. Serão abordados métodos de análise linear e de análise não-linear que possibilitem avançar para uma perspetiva de construção de modelos representativos dos comportamentos observados. No final da Unidade Curricular, os alunos deverão ser capazes de utilizar com facilidade o computador na análise, processamento, visualização e descrição dos resultados obtidos; delinear estratégias de processamento de dados e escolher aquela que melhor se adequa ao problema em estudo. Pretende-se ainda que o aluno seja capaz de aplicar os conhecimentos adquiridos para situações de aplicação prática passíveis de serem utilizadas em outra Unidades Curriculares, nomeadamente no que diz respeito à descrição, apresentação e visualização dos dados.

Conteúdos Programáticos

Utilização dos computadores, na optica do utilizador, em ciência aplicada à química e à biotecnologia.
Métodos convencionais de tratamento de dados.
Visualização e descrição de dados.
Métodos não convencionais de tratamento de dados (métodos inspirados na natureza; introdução aos sistemas inteligentes, aplicações a processos biotecnológicos).
Simulação computacional de processos biotecnológicos.

Métodos de Ensino

O ensino/aprendizagem baseia-se no trabalho individual dos alunos, apoiado em bibliografia recomendada pelo docente e em notas colhidas pelos alunos quer durante as horas de contacto quer na pesquisa realizada individualmente. As horas de contacto são dedicadas à estruturação da matéria, à definição de conceitos, à realização de actividades que concretizem exemplos práticos dos temas abordados e à orientação do processo de aprendizagem.

A classificação da unidade curricular terá em conta a avaliação de uma componente de cariz teórico (60%, realizada através de frequências ou de exame) e de uma componente de projecto (40%, realizada através da elaboração, apresentação e discussão de trabalhos).

Bibliografia

S. Gama & A. Pedrosa, Introdução Computacional à Probabilidade e Estatística com Excel, 3ª Ed. (2016), Porto Editora, Lisboa.

R. Peck, C. Olsen & J. Devore, Introduction to Statistics and Data Analysis, 5ª Ed. (2016), Cengage Learning, Boston.

I. H. Witten, E. Frank, M. Hall & C. Pal, Data Mining – Practical Machine Learning Tools and Techniques, 4ª Ed. (2016), Morgan Kaufmann Publishers, S. Francisco.

J. Han, M. Kamber & J. Pei, Data Mining: Concepts and Techniques, 3ª Ed. (2012), Morgan Kaufmann Publishers, Waltham.

Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data (2015), EMC Education Services Ed., John Wiley & Sons, Indianapolis.

Equipa Docente