Análise Exploratória de Dados e Visualização

Informações Básicas

Carga horária: 

60 horas

Pré-requisito: 

Não existe.

Ementa: 

Tipos de variáveis. Limpeza de dados, dados faltantes, outliers. Estatísticas descritivas. Teste de hipótese. Clusterização: k-means e clustering hierárquico. Tipos de gráficos. Gráficos interativos. Princípios de design e apresentação de resultados. Ferramentas: matplotlib-seaborn/bokeh/plotly.

Bibliografia

Obrigatória: 

  • Tukey, J. Exploratory Data Analysis. Pearson. 1977
  • Wes McKinney. Python Data Analysis, O’Reilly. 2017
  •  Cole Nussbaumer Knaflic. Storytelling with Data: A Data Visualization Guide for Business Professionals. Wiley, 2015

Complementar: 

  • Philipp K. Janert. Data Analysis with Open Source Tools: A Hands-On Guide for Programmers and Data Scientists. O’Reilly, 2011.
  • Osvaldo Martin. Bayesian Analysis with Python. Packt. 2016
  • Shai Vaingast. Beginning Python Visualization: Crafting Visual Transformation Scripts. Apress. 2014.
  • Petrou, Theodore. Pandas Cookbook: Recipes for Scientific Computing, Time Series Analysis and Data Visualization
  • Rossant, Cyrille. IPython Interactive Computing and Visualization Cookbook