Introdução à Ciência de Dados (EAD)

O curso de Introdução à Ciência de Dados tem como objetivo fornecer uma visão introdutória e abrangente sobre os fundamentos da Ciência de Dados, capacitando os alunos a entenderem o ciclo de vida dos dados, desde a captação e preparação até a análise e interpretação, com foco na aplicação de técnicas de mineração de dados e aprendizado de máquina para solução de problemas reais.

DURAÇÃO: 3 (três) semanas de duração e mais uma semana de encerramento (total de 4 semanas);
2 (dois) encontros online por semana com o tutor (total de 6 encontros).
Os encontros serão ao vivo e terão 2 (duas) horas de duração
SISTEMA DE AVALIAÇÃO: Para a conclusão do curso e acesso ao certificado, é necessário:
– Entregar, no mínimo, 50% das tarefas;
– Ter 50% de presença no total de encontros online;
– Obter média de 6,0 (seis) no Questionário de Avaliação Final.

MATERIAL: O material de apoio será disponibilizado no Ambiente Virtual de Aprendizagem (AVA): conteúdo do curso, agenda do curso, tarefas, questionários, materiais extras e vídeo do encontro online.
TÉCNICA: Sugerimos que o aluno acesse por um computador, utilizando preferencialmente os navegadores Firefox ou Chrome; Para os encontros online, recomendamos o uso de fones de ouvido com microfone.

MÓDULO 1: Introdução a Ciência de Dados
Compreender o contexto geral da Ciência de Dados

MÓDULO 2: Engenharia e Captação de Dados
Compreender as etapas do ciclo de vida do dado e as ferramentas envolvidas.

MÓDULO 3: Engenharia e Qualidade de Dados
Entender as técnicas para controle de qualidade dos dados

MÓDULO 4: Análise exploratória de dados
Realizar o entendimento geral do comportamento dos dados

MÓDULO 5:  Introdução a mineração de dados e KDD
Aplicar técnicas de descoberta de conhecimento em dados

MÓDULO 6: Aprendizagem de Máquina
Compreender o funcionamento da aprendizagem de máquina 

Não há.

MÓDULO 1: Introdução a Ciência de Dados
1.1 Big data e ciência dos dados
1.2 Capacidades exigidas de um cientista de dados
1.3 O ecossistema de ciência dos dados
1.4 Ética e privacidade no contexto de ciência dos dados

MÓDULO 2: Engenharia e Captação de Dados
2.1 Ciclo de vida dos dados;
2.2 Coleta de dados online — data scraping — (Web, APIs, tipos/formatos de dados)
2.3 Pré-processamento (limpeza, normalização, seleção de atributos e amostras)

MÓDULO 3: Engenharia e Qualidade de Dados
3.1 – Pré-processamento
3.2 – Limpeza e Normalização
3.3 – Seleção de atributos e amostras

MÓDULO 4: Análise exploratória de dados
4.1- Conceitos de análise exploratória
4.2- Estatísticas descritivas (revisão de conceitos e implementações em Python)
4.3- Visualização de dados (tipos de gráficos/dados, por que visualizar, ferramentas para construção de gráficos estáticos, dinâmicos e interativos)

MÓDULO 5:  Introdução a mineração de dados e KDD
5.1- Aprendizado estatístico (Regressão Linear/Logística)
5.2- Classificação (árvores de decisão, naive Bayes, k nearest neighbors)
5.3- Agrupamento (k-means, agrupamento hierárquico)
5.4- Mineração de padrões frequentes (regras de associação) e Medidas de interesse/qualidade (Acurácia, precisão-revocação, curva ROC)

MÓDULO 6: Aprendizagem de Máquina
6.1 – Aprendizagem Supervisionada
6.2 – Aprendizagem Não Supervisionada