Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto
 
Economia
 
Disciplina: REC2311 - Programação para Economistas
Programming for Economists

Créditos Aula: 4
Créditos Trabalho: 1
Carga Horária Total: 90 h
Tipo: Semestral
Ativação: 01/01/2022 Desativação:

Objetivos
O curso tem por objetivo ensinar princípios de computação com ênfase em análise de 
dados. Ao final do curso, o aluno será capaz de criar programas simples, importar e exportar 
dados, realizar análise de dados empregando conceitos de estatística descritiva e estatística 
indutiva, descrever graficamente dados e relações entre diferentes dados e aprender por conta 
própria outros recursos do Python.
 
 
 
Docente(s) Responsável(eis)
451887 - Alexandre Chibebe Nicolella
1294202 - Marcio Poletti Laurini
65368 - Roberto Guena de Oliveira
2004450 - Walter Belluzzo Junior
 
Programa Resumido
Introdução geral e a Python; Iterables, generators e iterators; Criando novas funções no 
Python; Desvios condicionais; Entradas e saídas; Algumas importantes bibliotecas do Python 
e aplicações.
O conteúdo do curso será oferecido em aulas demonstrativas gravadas e a serem acessadas pelos 
alunos na internet, correspondendo a 2 créditos no formato de Ensino a Distância (EaD). Nas 
aulas presenciais, referentes a 2 créditos, serão desenvolvidas atividades assistidas de aplicação 
do conteúdo à distância e feita a monitoria de aprendizado
 
 
 
Programa
1. Introdução: arquitetura de Von Neumann; representação binária de dados e suas 
consequências; sistemas operacionais e classificação de software; sistemas de arquivos; 
linguagens de programação de alto e baixo nível, interpretadas e compiladas; bibliotecas de 
programas.
2. Instalando o Python e ferramentas auxiliares (spyder, editor de texto, Jupyter)
3. Primeiros conceitos: usando o Python interativamente e rodando scripts; sintaxe; tipos de 
dados; operadores e funções built-in; criando objetos.
4. Iterables, generators e iterators:
(a) lists, tupples, sets, dictionaries
(b) loop for
(c) range e zip
5. Criando novas funções no Python;
6. Desvios condicionais;
7. Entradas e saídas:
(a) Print;
(b) lendo dados inseridos no teclado pelo usuário;
(c) Leitura de arquivos externos;
(d) Criação de arquivos externos.
8. Algumas importantes bibliotecas do Python e aplicações:
(a) NumPy: arrays, matrizes, números aleatórios, álgebra linear;
(b) Pandas: objetos Series e DataFrame, estatística descritiva, manipulação de bases de dados;
(c) MatPlotLib: Criação de gráficos;
(d) StatsModels: Regressão linear simples e regressão linear múltipla.
 
 
 
Avaliação
     
Método
Ensino a Distância (EaD): A critério do professor, considerando as ferramentas adequadas de EaD para a temática da disciplina: ● Vídeo-aulas curtas (sugestão: 30 minutos), com clara definição de objetivos de aprendizagem, conexão com o tópico em estudo e uma forma de avaliação rápida de aprendizado (questão interativa); ● Uma forma de interação entre o docente e/ou assistentes e os estudantes, como fórum de discussão ou ferramenta similar; Presencial: A critério do professor.
Critério
A critério do professor, mesclando ferramentas EaD, como atividades avaliativas formativas, tais como testes e relatórios com retorno (automático ou não) sobre erros e acertos do estudante, e presenciais. Aprovação com nota igual ou superior a 5,0 e mínimo de 70% de frequência
Norma de Recuperação
A nota final para alunos que fizerem a reavaliação será a média simples entre a nota da prova de reavaliação e a média final alcançada antes da prova de reavaliação.
 
Bibliografia
     
IGUAL, Laura andSantiSeguí (2017). Introduction to Data Science. Springer.
LANGTANGEN, Hans Petter (2016). A Primer on Scientific Programming with
Python. Springer.
LUTZ, Mark (2009). Learning Python. 4th ed. O’Reilly.
MACKIE, Ian (2020). A Beginners Guide to Python 3 Programming. Springer.
VANDERPLAS, Jake (2016). Python Data Science Handbook. O’Reilly. url: https:
//jakevdp.github.io/PythonDataScienceHandbook/
 

Clique para consultar os requisitos para REC2311

Clique para consultar o oferecimento para REC2311

Créditos | Fale conosco
© 1999 - 2022 - Superintendência de Tecnologia da Informação/USP