Introdução à Ciência de Dados

Informações Básicas

Carga horária: 

60 horas

Pré-requisito: 

Não existe.

Ementa: 

Essa é uma matéria expositiva que tem como objetivo apresentar conceitos introdutórios em Ciência de Dados, elucidar os significados dos principais conceitos da área e motivar os alunos para os cursos em Matemática, Estatística e Computação que compõem o curso de Graduação em Ciência de Dados.

Big Data e Data Driven Economy. A Ciência dos Dados e as Organizações. Inteligência Estratégica baseada em Dados. Aprendizagem Estatística e Aprendizagem de Máquinas (Machine Learning). Inteligência artificial. Linguagens de Programação, Algoritmos e Plataformas Computacionais. Computação Distribuída e em Nuvem. Modelagem de Dados. Banco de Dados. Aplicações de técnicas de Ciência de Dados em diversas áreas como Epidemiologia, Finanças, Economia, etc.

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