Técnicas e Algoritmos em Ciência de Dados

Informações Básicas

Carga horária: 

60 horas

Pré-requisito: 

Linguagens de Programação, Análise Exploratória de Dados e Visualização

Ementa: 

Contexto, Metodologias e Processos de Ciência de Dados. Modelagem para Ciência de Dados. Manipulação, Visualização, Análise Estatística e Comunicação de Dados Científicos. Ferramentas para Computação Científica e Ciência de Dados. IDEs e Ambientes Analíticos.  Jupyter Notebook, Numpy, Pandas. APIs e Ambientes em Nuvem. Projetos de Ciência de Dados. 

Bibliografia

Obrigatória: 

  • Provost Foster,‎ Fawcett Tom. Data Science para Negócios. O que Você Precisa Saber Sobre Mineração de Dados e Pensamento Analítico de Dados. 2016.
  • Wes McKinney. Python for Data Analysis O'Reilly Media.
  • Dean Abbott. Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst

Complementar: