|
|
Atividade
| 125401 - Introdução à Ciência dos Dados |
| Período da turma: | 01/08/2024 a 01/11/2024
|
||||
|
|
|||||
| Descrição: | Programa completo, com ementas e referência bibliográfica atualizada:
Dia da Semana Período Segunda-feira 14:00-16:00 Sexta-feira 14:00-16:00 Conteúdo: O curso de Introdução à Ciência dos Dados visa familiarizar o aluno com os principais fundamentos e as técnicas utilizadas nas ciências do dados, com uma abordagem que permita aos alunos generalizar os conceitos de manipulação de dados, aplicação e validação de modelos, representação gráfica e interpretação dos resultados, para que os mesmos possam ser aplicados a variadas demandas analíticas. Programa Resumido 1 - Introdução à plataforma jupyter 2 - Introdução à liguagem de programação python 2.1 - Conceitos básicos de programação 2.1.1 - Estruturas de dados 2.1.2 - Estruturas de controle 2.1.3 - Operações lógicas 2.1.4 - Funções 2.2 - Formatando dados com a biblioteca pandas 2.3 - Realizando análises numéricas com a biblioteca numpy 2.4 - Introdução à biblioteca sklearn 3 - Análise de regressão 4 - Análise de classificação 5 - Análise de agrupamento 6 – Aprendizado estruturado profundo 7 - Projeto de conclusão Metodologia Método: Aulas expositivas, vídeo aulas, aplicação do conceito de sala invertida, onde os alunos assistem às aulas em vídeo e temos uma seção presencial para discutir o que foi estudado e fazer exercícios. A plataforma online (http://seriema.fcfrp.usp.br/elearn) conta ainda com exercícios para cada seção da parte prática. No final teremos um projeto de análise de dados, que pode ser proposto pelo estudante analisando dados da sua própria pesquisa. Critério: A nota será dada por 75% de exercícios propostos de programação e análise de dados e 25% para o projeto. Referências recentes Chollet, F. (2021). Deep learning with Python. Simon and Schuster. Eric, M. (2019). Python Crash Course, 2nd Edition. Python Crash Course, 2nd Edition, 544. https://nostarch.com/pythoncrashcourse2e Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis: Fifth edition. Cluster Analysis: Fifth Edition, 1–330. https://doi.org/10.1002/9780470977811 James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An Introduction to Statistical Learning. https://doi.org/10.1007/978-1-0716-1418-1 Mucherino, A., Papajorgji, P., & Pardalos, P. M. (2009). Data mining in agriculture (Vol. 34). Springer Science \& Business Media. Rogers, Simon, and Mark Girolami. A First Course in Machine Learning. Second Edition. Chapman and Hall/CRC, 2017. VanderPlas, J. (2016). Python data science handbook: Essential tools for working with data. “ O’Reilly Media, Inc.” Varmuza, K., & Filzmoser, P. (2016). Introduction to multivariate statistical analysis in chemometrics. CRC press. |
||||
| Carga Horária: |
40 horas |
||||
| Tipo: | Obrigatória | ||||
| Vagas oferecidas: | 651 | ||||
| Ministrantes: |
Ricardo Roberto da Silva |
 voltar |
|
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |