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.
Informações Básicas:
- Carga horária: 60 horas;
- Pré-requisito: Não se aplica.
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.
Bibliografia 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.