2023
Ciência de dados espaciais aplicada
Nome: Ciência de dados espaciais aplicada
Cód.: GEO13693O
6 ECTS
Duração: 15 semanas/156 horas
Área Científica:
Geologia
Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português
Regime de Frequência: Presencial
Apresentação
Esta unidade curricular pretende que os formandos tomem contacto com as diferentes formas de tratamento e analise de dados espacias.
Objetivos de Desenvolvimento Sustentável
Objetivos de Aprendizagem
Saber explorar os dados espaciais com ferramentas e técnicas que aumentam a capacidade de análise da ciência de dados tradicional.
Entender que espacial significa mais que coordenadas x, y e que o contexto baseado em local revela padrões nos dados que, de outra forma, poderiam estar ocultos.
Saber aplicar técnicas de engenharia de dados e visualização na resolução de problemas de modelação e predição.
Saber utilizar uma linguagem de programação (R ou Python) na análise de dados espaciais.
Entender que espacial significa mais que coordenadas x, y e que o contexto baseado em local revela padrões nos dados que, de outra forma, poderiam estar ocultos.
Saber aplicar técnicas de engenharia de dados e visualização na resolução de problemas de modelação e predição.
Saber utilizar uma linguagem de programação (R ou Python) na análise de dados espaciais.
Conteúdos Programáticos
1- Análise de informações geográficas e dados espaciais
2- As armadilhas e potencial dos dados espaciais
3- Mapas como resultados de dados e de processos
4- Análise prática de padrões de pontos
5- Objetos de área e correlação espacial
6- Estatísticas locais
7- Descrevendo e analisando campos
8- Análise espacial com métodos de aprendizagem automática
2- As armadilhas e potencial dos dados espaciais
3- Mapas como resultados de dados e de processos
4- Análise prática de padrões de pontos
5- Objetos de área e correlação espacial
6- Estatísticas locais
7- Descrevendo e analisando campos
8- Análise espacial com métodos de aprendizagem automática
Métodos de Ensino
O ensino desta UC é em modalidade de resolução de problemas. As aulas correspondem a um conjunto de vídeos introdutórios a cada problemática. Estes vídeos são acompanhados de leituras recomendadas e por um conjunto questões rápidas que devem ser resolvidas pelos alunos.
Este conjunto de elementos educativos são desenhados numa modalidade de aprender fazendo e com conteúdos de gamificação.
Este conjunto de elementos educativos são desenhados numa modalidade de aprender fazendo e com conteúdos de gamificação.
Avaliação
A avaliação contínua é efetuada através da entrega de um relatório de um caso de estudo. Este Relatório terá duas fases de avaliação (uma intermédia e outra no final). A intermédia com um peso de 40% e a final de 60%.
A avaliação final é feita através da entrega de um documento em formato de artigo cientifico sobre um caso de estudo (100%).
A avaliação final é feita através da entrega de um documento em formato de artigo cientifico sobre um caso de estudo (100%).
Bibliografia
Wickham, Hadley and Grolemund, Garrett. R for Data Science. s.l. : OReilly, 2019.
Kelleher, John and Tierney, Brendan. Data Science. s.l. : MIT Press, 2018.
Meyer, Hannah, et al. (2019). Importance of spatial predictor variable selection in machine learning applications - Moving from data reproduction to spatial prediction.
Nogueira, P. e Maia, M. (2019). Introdução ao R (Rstudio) para as geociências. Sebenta elaborada especialmente para as aulas.
Kelleher, John and Tierney, Brendan. Data Science. s.l. : MIT Press, 2018.
Meyer, Hannah, et al. (2019). Importance of spatial predictor variable selection in machine learning applications - Moving from data reproduction to spatial prediction.
Nogueira, P. e Maia, M. (2019). Introdução ao R (Rstudio) para as geociências. Sebenta elaborada especialmente para as aulas.
Equipa Docente
- Pedro Miguel Madureira Pimenta Nogueira [responsável]
