Trailer
Sinopse
A disciplina tem por objetivo apresentar os conceitos introdutórios e as principais ferramentas de Ciência de Dados, mostrando como organizar, manipular, extrair informações e gerar conhecimento a partir de um conjunto de dados. É uma matéria que mescla explicações teóricas com uma abordagem essencialmente prática e aplicada. O curso aborda métodos estatísticos, aprendizado de máquina e técnicas de visualização de dados. Utiliza exclusivamente a linguagem Python, com foco no uso do Google Colab e de bibliotecas como NumPy, Pandas, Scikit-Learn, Matplotlib e Seaborn. Embora seja uma matéria introdutória e bem assimilada pelos alunos, o seu principal desafio consiste em desenvolver o senso crítico para a interpretação aprofundada dos resultados. Além de que a disciplina é de grande importância para diversas áreas de atuação.
Vídeo
Classificações
Clássicas
Ativas
Provas
Atividades
Teórica
Prática
Social
Técnica
Individuais
Em grupo
Presencial
EAD
Podcast
Materiais
Conhecimentos / Competências Desejados
Tópicos
Sem tópicos cadastrados
Obstáculos
Metodologias
Não há metodologias cadastradas
Perguntas Frequentes
Índices de aprovação
Conteúdos
Ementa
-
Conceitos e definições sobre Ciência dos Dados; produção de dados; armazenamento e coleta; análise exploratória dos dados; visualização e ferramentas.
Referências
-
Site: Ciência de dados antes da programação
Site: Machine learning before coding
Site: Ciência de dados para não-programadores
Livro: Clustering /
Livro: Pattern recognition and machine learning /
Livro: Data science for business /
Livro: Python para análise de dados:
Livro: Como mentir com estatística /
Site: roteiro da aula
Site: Tutorial básico de Numpy
Site: Tutorial básico de Scipy
Site: Notebook da aula
Site: Notebook da aula (parte II)
Site: Notebook da aula (parte I)
Outros: GRUS, Joel. Data science do zero. Alta Books, 2016.
Outros: GÉRON, A. Hands on Machine Learning with Scikit-Learn and Tensorflow. O'Reilly, 2017.
Outros: LAURA, Igual; SANTI, Seguí. Introduction to data science: A Python approach to concepts, techniques and applications. 2017.
Site: Kaggle
Site: Hugging Face
Site: Revisão Python 1
Site: Revisão Python 2
Livro: Link do grupo do Telegram
Site: Roterio da aula
Livro: Estatística Básica - Prof. Filipe Zabala
Site: IMD1151 - Formulário para indicação de grupos do projeto 01
Site: Notebook sobre pré-processamento de dados
Site: Notebook 01 - Processamento de Dados Textuais
Site: Notebook da aula 02
Site: Notebook - Exemplo de Agrupamento
Site: Slides - Validação de Agrupamentos
Site: Notebook - Validação de Agrupamentos
Site: Plano de curso
Site: Aula 03 - Slides
Site: Aula 04 - Slides
Site: Aula 02 - Slides
Site: Aula 01 - Slides
Site: Aula 05 - Slides
Site: Descrição do projeto 01
Site: Exemplo - Aula 07
Site: Slides - Aula 11
Site: Respostas - Prova 01
Site: Formulário de submisão dos entregáveis do projeto da segunda unidade
Site: Slides - Aula 18
Site: Slides - Aula 17
Site: Exemplo - Aula 19
Site: Descrição do Projeto da 3a unidade
Site: Exemplo - Aula 18