Loading repository data…
zavaleta / repository
Fundamentos de Ciência de Dados - Introdução a reprodutibilidade em pesquisa, proveniência de dados e gestão de grandes volumes de dados científicos. Coleta e preparação de dados. Algoritmos de exploração e análise de dados. Métodos de modelagem fluxo de dados. Elaboração de relatórios de resultados através de documentos com código Python incluindo gráficos e tabelas.
| Sergio Serra | Jorge Zavaleta | Livro Texto |
|---|---|---|
| serra@pet-si.ufrrj.br | zavaleta@pet-si.ufrrj.br | Editora Cerceau |
Introdução a reprodutibilidade em pesquisa, proveniência de dados e gestão de grandes volumes de dados científicos. Coleta e preparação de dados. Algoritmos de exploração e análise de dados. Métodos de modelagem fluxo de dados. Elaboração de relatórios de resultados através de documentos com código Python incluindo gráficos e tabelas.
| Temas | Jupyter Notebook | Atualizado | |
|---|---|---|---|
| Calendário e critérios de aprovação | - |
| Temas | Jupyter Notebook | Atualizado | |
|---|---|---|---|
| O que é data science? | Introdução a Markdown | ||
| Data Science, Reprodutibilidade, Replicabilidade em Pesquisa Computacional | Reprodutibilidade | ||
| Introdução a Proveniência de Dados | Proveniência | ||
| Gestão de Grandes Volumes de Dados de Pesquisa | Gestão | x | |
| Ambiente de Programação: python 3, jupyter notebook, JupyterLab, Google Colab, DeepNote, pacotes e github | Instalação Anaconda, Jupyter Notebook, Jupyterlab | ||
| Python I: tipos de dados, sequências e operações, estruturas de controle e repetição | Tipos de dados. Estruturas de Controle | Exercícios em Jupyter/Colab/Deepnote | |
| Prática dos conteúdos estudados: construindo e operando listas e strings | Exercícios | Jupyter/ Colab/Deepnote |
| Temas | Jupyter Notebook | Atualizado | |
|---|---|---|---|
| Técnicas de coleta e preparação de dados | WebScraping | ||
| Numpy I: array, slicing, fancy index, copy, view e tensores | Numpy. Numpy Avançado | ||
| Pandas I: dataframes, series, index, Pandas I/O (csv, json, excel) | Pandas | ||
| Data cleaning, Exploration | Data Cleaning | ||
| Prática dos conteúdos estudados: Processando e extraindo informações de arquivos csv, json, rdf | x |
| Temas | Teoria | Prática | Atualizado |
|---|---|---|---|
| Técnicas de análise de dados | x | ||
| Numpy II e Matplotlib: operações com array, broadcasting, construção de gráficos usuais | Gráficos Estáticos | ||
| Pandas II: estatísticas básicas | Gráficos Avançados | ||
| Prática dos conteúdos estudados: manipulando dados de saúde, ambiente, agricultura, cidades inteligentes | x |
| Temas | Teoria | Prática | Atualizado |
|---|---|---|---|
| Introdução a técnicas de modelagem de fluxo de dados | Zenodo+Binder | ||
| Algoritmos e técnicas de extração inteligente de conhecimento | |||
| Scikitlearn: introdução a mecanismos de regressão, classificação, clustering e PCA | Machine Learning | ||
| Prática dos conteúdos estudados: clusterização e predição | Deep Learning |
| Temas | Teoria | Prática | Atualizado |
|---|---|---|---|
| Seminários sobre Ciência de Dados aplicados domínio específicos (e.g. Saúde, Educação, Sustentabilidade, Agricultura, Cidades Inteligentes, covid-19, lógica Fuzzy, entre outros) | Lógica Fuzzy | ||
| Apresentação de trabalhos – proposta de artigos |
Critérios de aprovação são os do PPGI/UFRJ. A avaliação consiste em participação em:
Selected from shared topics, language and repository description—not editorial ratings.
martinsbiancacristiane /
Exercício prático do Módulo 3 — Python Básico, desenvolvido no Jupyter Notebook. Aplicação de variáveis, estruturas condicionais, laços de repetição, listas, dicionários, funções e manipulação de dados. Projeto voltado ao fortalecimento da lógica e fundamentos para Ciência de Dados.