/ Cursos / Outros cursos realizados

Análise Estatística e Multivariada em R (AEMR)

Unidade Orgânica Faculdade de Ciências e Tecnologia (FCTUC)

Tipo de Formação Curso não conferente de grau

Modalidade de Formação Ensino a Distância (assíncrono)

Língua de Aprendizagem Português

N.º da Edição 15

N.º de horas 94 horas

N.º de ECTS 3,5

Acreditação N/A

Preço 350€

Datas importantes

Data de Início 21.03.2024

Data de Fim 20.06.2024

Candidatura de 13.11.2023 a 04.02.2024

Apresentação do curso

O R é uma aplicação de distribuição gratuita (http://cran.r-project.org/) com fortes recursos para análise estatística, desde as aplicações mais básicas até às mais recentes e de ponta, representação gráfica e programação orientada a objetos.

O curso Análise Estatística e Multivariada em R: aplicações em sistemas com vários componentes enfatiza a importância da representação gráfica da informação, com intuitos racionalizadores e interpretativos, e pretende desenvolver capacidades de auto-aprendizagem.

Pode ser aplicado em qualquer área científica, desde as ciências, à economia, passando pela medicina, farmácia, psicologia.

Aviso de Abertura:

https://apps.uc.pt/courses/PT/course/5301

Destinatários

Este curso destina-se a pessoas que tenham (ou frequentem) um curso de formação superior, ou tenham experiência profissional relevante dentro do âmbito desta formação.

Fatores de diferenciação

A experiência pedagógico-científica do corpo docente do Departamento de Química da UC possibilita a realização de um curso de Análise Estatística e Multivariada em R: aplicações em sistemas com vários componentes, caracterizado pelo rigor científico em contextos de simplificação e interpretação prática e visual de problemas reais.

Objetivos

Pretende-se que os estudantes adquiram conhecimentos na utilização de ferramentas computacionais para análise estatística e multivariada de dados, numa perspectiva abrangente e atual de metodologias implementadas em ambiente R, fomentando a análise crítica, interpretação e apresentação dos resultados a partir do estudo de vários exemplos concretos.

São competências a desenvolver pelos estudantes:

  • Desenvolver competências na análise e manipulação multivariada de dados, experiência na utilização de uma aplicação computacional para estudo e interpretação de sistemas multidimensionais.
  • Desenvolver as capacidades de auto-aprendizagem, despertar para a importância da representação da informação na sua racionalização.
  • Seleccionar métodos e técnicas de análise estatística e multivariada mais adequadas aos sistemas em estudo.
  • Analisar, interpretar, organizar e apresentar os resultados obtidos, utilizando o Rstudio.

Conteúdos Programáticos

O curso está organizado em 2 módulos, subdividindo-se, cada um deles em temas.

Módulo 1. Introdução ao R e ao seu ambiente de programação

  • Tema 1.1 - Porquê o R? Programação de alto nível a custo zero.
  • Tema 1.2 - Obtenção e instalação do R (e respectivo IDE, Rstudio).
  • Tema 1.3 - Utilização do R (ambiente de trabalho, input e output).
  • Tema 1.4 - Lista de pacotes (tipologia, instalação e descrição).
  • Tema 1.5 - Aplicações (funções, estrutura e manipulação de dados, análise estatística, visualização).

Módulo 2. Estatística multivariada

  • Tema 2.1 - Introdução: Tipo de dados. Classificação das técnicas multivariadas.
  • Tema 2.2 - Semelhança e agrupamentos (definição de grupos, construção e propriedades, medidas de semelhança e diferença, métodos de ligação, interpretação de estruturas).
  • Tema 2.3 - Variância, redução e tratamento da informação, interpretação (definição de componentes principais, construção e propriedades, normalização, significado geométrico e interpretação).
  • Tema 2.4 - Aplicações em sistemas multicomponentes.

Metodologia

O curso Análise Estatística e Multivariada em R: aplicações em sistemas com vários componentes realiza-se na modalidade totalmente a distância a qual permite, por um lado alguma flexibilidade de tempo e de espaço, mas requer, por outro, disciplina e auto-aprendizagem por parte do estudante. O contacto será baseado nos meios disponíveis pela Internet, através de uma plataforma de aprendizagem (LMS Moodle). Prevê-se que a comunicação seja, essencialmente, assíncrona, sendo que o estudante poderá aceder e participar no curso em qualquer horário (dentro das balizas temporais definidas no cronograma), a partir de qualquer local em que tenha acesso à Internet.

Este curso encontra-se organizado em dois módulos: (1) Introdução ao R e ao seu ambiente de programação, no qual serão apresentados os recursos computacionais disponíveis para a descrição e tratamento da informação; (2) Estatística multivariada, no qual serão abordados os conceitos, funcionalidades e aplicações dos métodos de análise multivariada, adequados para a caracterização de sistemas concretos multidimensionais.

A estrutura do programa de trabalhos permite aos estudantes compreender de forma gradual um tema antes de transitar para um outro mais avançado. Em cada módulo, o estudante poderá aceder a conteúdos disponíveis em texto, imagens, esquemas/animações, hiperligações, etc. Além dos conteúdos, são disponibilizados recursos de apoio, tais como: textos da autoria das docentes, artigos, sites e referências bibliográficas.

Os docentes poderão tirar dúvidas aos estudantes e dar o seu feedback sobre os conceitos e temas apresentados. Esta técnica resulta numa interação eficaz para o estudante e uma valiosa experiência de aprendizagem.

Tendo em conta os objetivos de aprendizagem que se pretendem atingir, será utilizada uma metodologia expositiva e ativa, a qual alia informação teórica com forte componente prática, de modo a que os participantes possam adquirir e sedimentar competências de utilização de análise crítica, interpretação e apresentação dos resultados a partir do estudo de vários exemplos concretos.

Avaliação

A avaliação neste curso será contínua, sob a forma de atividades (tipologias de envio de ficheiro e fórum) realizadas pelos estudantes ao longo dos módulos.

A classificação final, obtida através de média ponderada, de acordo com os pesos atribuídos a cada atividade, será expressa numa escala quantitativa (0 a 20 valores) à qual corresponde uma escala qualitativa.

Certificação

O estudante que conclua o curso com aprovação poderá requerer um diploma emitido pela Universidade de Coimbra, sujeito às taxas e emolumentos previstos. Informação detalhada disponível em www.uc.pt/academicos/propinas/emolumento.

Docentes

Jorge Luís Gabriel Ferreira da Silva da Costa Pereira
Coordenador

Doutorado em Química, especialização em Termodinâmica Química (2000) e com Mestrado em Controlo Químico da Qualidade (1994), exerce actividade Docente no Departamento de Química da FCTUC desde 1988 e é Professor responsável pela leccionação de disciplinas relacionadas com o Controlo Químico da Qualidade, tratamento estatístico de resultados, modelação e análise multivariada.

Alberto António Caria Canelas Pais

Tem leccionado várias disciplinas de carácter computacional, incluindo Quimioinformática e Quimiometria. Desenvolve investigação em vários campos que incluem a Quimiometria e Simulação Molecular. É autor ou co-autor de cerca de 120 artigos ISI, um livro e vários capítulos de livros, sendo ainda editor de um outro. Foi editor convidado da revista Advances in Colloid and Interface Science.

Tânia Firmino Guerra Guerreiro Cova

Doutorada em Química, especialização em Química Macromolecular (2018), é actualmente investigadora na UC. Especializou-se em quimiometria, análise e manipulação de dados em sistemas multicomponentes, desenvolvimento de software e validação de métodos analíticos. Ao longo do seu percurso como investigadora na Universidade de Coimbra participou no desenvolvimento de software usando linguagens de programação, Octave, R e Python, no domínio de métodos de machine learning. Colaborou em projectos científicos sobre reconhecimento de padrões em sistemas multicomponentes, e simulação computacional por Dinâmica Molecular. Participou também no desenvolvimento de algorítmos de análise e manipulação de dados químicos, toxicológicos e patológicos, epidemiológicos e cientométricos.

Condições de acesso e ingresso