Privacidade, Segurança e Ética para Ciência de Dados / Privacy, Security and Ethics for Data Science

Docente responsável:
Tiago Simas

Objetivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes):
Esta unidade curricular tem como objetivos:
OA1. O Aluno conhecer e ter a aptidão em privacidade, segurança e ética de como cientista de dados deve ter no manuseamento e análise de dados e sua importância.
OA2. Saber as três fases para estar em conformidade com as leis de proteção de dados: fase 1 – antes de ter acesso aos dados, fase 2 – acesso aos dados seu manuseamento e análises, fase 3 – a quando finalizada a análise o que fazer aos dados.
OA3. O aluno como cientista de dados deve ganhar as competências em OA1 e OA2.

Intended learning outcomes (knowledge, skills and competences to be developed by the students):
The key objective of this module are as follows:
LG1. The student must get the knowledge and skills about privacy, security and ethics and its important role as a data scientist when dealing with dada.
LG2. The student as data scientist must be aware of the three phases to be in conformity with the rules of data protection: phase 1 – before getting access to the data, phase 2 – when have access to the data and during the analysis, phase 3 – after finished all analysis what to do with the data.
LG3. The student as data scientist must acquire all competences as described in LG1 and LG2.

Conteúdos programáticos:
CP1. Porquê é importante para um cientista de dados saber sobre privacidade, segurança e ética?. CP2. Fases que um cientista de dados tem de obedecer para estar em conformidade com a politíca de proteção de dados.
CP3. Juramentos e listas de verificação.
CP4. Os 5 C’s: Consentimento, Claridade, Consistência e Confiança, Controle e Transparência e Consequências. CP5. Implementação dos 5 C’s.
CP6. Traino em Ética e Segurança.
CP7. Desenvolvimento de Guias de Princípios.
CP8. Maturar e desenvolver princípios de Ética num contexto cultural de análise de dados do tipo ‘data-driven’. CP9. Regulamentação.
CP10. Apostar no futuro.
CP11. Estudos de caso.

Syllabus:
PC1. Why is it importante for a data scientist to be aware of privacy, security and ethics?
PC2. Three phases that a data scientist must be aware to be in conformity with the data protection policies. PC3. Of Oaths and Checklists.
PC4. The Five C’s: Consent, Clarity, Consistency and Trust, Control and Transparency and Consequences. PC5. Implementing the Five C’s.
PC6. Ethics and Security Training.
PC7. Developing Guiding Principles.
PC8. Building Ethics into a Data-Driven Culture.
PC9. Regulation.
PC10. Building our future.
PC11. Case Studies.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular:

OA1 – Todos os CP
OA2 – Todos os CP
OA3 – Todos os CP

Evidence of the syllabus coherence with the curricular unit’s intended learning outcomes:

LG1 – all PC
LG2 – all PC
LG3 – all PC

Metodologias de ensino (avaliação incluída):
A metodologia de ensino (ME) e avaliação:
ME1: Expositiva: apresentação teórica de acordo com o plano curricular.
ME2: Auto-estudo: trabalho individual do aluno demonstrado em exame final de avaliação (100%).
Notas importantes da avaliação:
– Classificação mínima de 10 valores no exame.
– A componente de avaliação é obrigatórias, independentemente da época em que se realiza o exame

Teaching methodologies (including students’ assessment):
Teaching methodologies (TM) including assessment:
TM1: Expositional: Theoretical exposition according to the syllabus.
TM2: Self-study: individual work demonstrated on a final exam (100%).
Important assessment notes:
– Mandatory Minimum score of 10.
– The component of evaluation is mandatory, regardless of the period when the examination is made.

Demonstração da coerência das metodologias de ensino com os objetivos de aprendizagem da unidade curricular:
ME1 – Todos os OA
ME2 – Todos os OA

Evidence of the coherence between the teaching methodologies and the intended learning outcomes:
TM1 – all LG
TM2 – all LG

Bibliografia de consulta/existência obrigatória:
Loukides, M., Mason, H., Patil, D.J. (2018). Ethics and Data Science. O’Reilly Media, Inc.
In addition, a number of curated recent scientific articles covering course topics will be added throughout the fifteen weeks of lectures.