Técnicas e Algoritmos em Ciência de Dados

Aquisição de Dados, Pré-Processamento de dados: Limpeza, Beneficiamento, Armazenamento em Banco de Dados. Estruturas de Dados para Data Science. Descrição estatística e visualização de Dados. Dados estruturados e não estruturados: análise de textos, imagens, grafos, dados geoespaciais, redes sociais. Análise Exploratória. Tratamento de dados faltantes e outliers. Modelagem e engenharia de features. Balanceamento de datasets, validação cruzada. Algoritmos de Aprendizado de Máquinas: Não-supervisionados (Redução de Dimensionalidade e Clustering) e Supervisionados (Regressão e Classificação). Modelos Lineares, Modelos Bayesianos, Mistura de Gaussianas, kNN, Árvore de Decisão,  Ensemble, Algoritmos Genéticos, Introdução à Redes Neurais.

Informações Básicas

Carga horária
60
Pré-requisito
Introdução à Ciência de Dados, Linguagens de Programação, Análise Exploratória de Dados e Visualização

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: