Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Ciências Matemáticas e de Computação
 
Disciplinas Interdepartamentais do ICMC
 
Disciplina: 5500004 - Fundamentos em Ciências de Dados
Fundamentals of Data Science

Créditos Aula: 4
Créditos Trabalho: 1
Carga Horária Total: 90 h
Tipo: Semestral
Ativação: 15/07/2021 Desativação:

Objetivos
O curso tem como objetivo introduzir conceitos de ciência de dados, visando principalmente oferecer os
fundamentos necessários para para que o estudante tenha uma visão geral do tema.
 
The course aims to introduce data science concepts, aiming mainly to offer the necessary fundamentals so that the student has an overview of the theme.
 
 
Docente(s) Responsável(eis)
2950182 - Francisco Aparecido Rodrigues
3223814 - Luis Gustavo Nonato
 
Programa Resumido
Introdução ao Python, exemplos de problemas reais em Ciência de Dados, dados e seus problemas,
introdução ao aprendizado de máquina.
 
Introduction to Python, examples of real problems in Data Science, data and its problems, introduction to machine learning.
 
 
Programa
- Exemplos e aplicações de ciência de dados.
- Introdução ao método científico.
- Python para Ciência de Dados: comandos básicos, tipos de dados, estruturas de dados, funções,
visualização de dados, tipos de gráficos, bibliotecas principais: Numpy, Pandas, Scikit Learn.
- Tipos de dados: dados estruturados e não-estruturados, séries temporais, imagens. Leitura, escrita
e manipulação de dados no Python.
- Limpeza e tratamento de dados: tratamento de atributos faltantes, dados com ruídos, one-hot-
encoding. Exemplos em Python.
- Análise exploratória de dados: medidas de posição e dispersão (média, moda, mediana e variância),
medidas de correlação.
- Introdução ao aprendizado supervisionado: Classificação: k-vizinhos mais próximos, árvore de
decisão; Regressão: k-vizinhos mais próximos; Medidas de avaliação: funções perda e custo.;
Conceitos de overfitting e seleção de modelos. Validação cruzada.
- Introdução ao aprendizado não supervisionado: método k-médias, agrupamento hierárquico.
- Questões éticas em ciência de dados
 
- Data science examples and applications. - Introduction to the scientific method. - Python for Data Science: basic commands, data types, data structures, functions, data visualization, main libraries: Numpy, Pandas, Scikit Learn. - Types of data: structured and unstructured data, time series, images. Reading, writing and manipulating data in Python. - Data cleaning and treatment: treatment of missing atributes, data with noise, one-hot-encoding. Python examples. - Exploratory data analysis: position and dispersion measures (mean, mode, median and variance), correlation measures. - Introduction to supervised learning: Classification: k-nearest neighbors, decision tree; Regression: k-nearest neighbors; Assessment measures: loss and cost functions; Overfitting concepts and model selection. Cross validation. - Introduction to unsupervised learning: k-means method, hierarchical grouping. - Ethical issues in data science
 
 
Avaliação
     
Método
Avaliação por meio de provas escritas e trabalhos práticos.
Critério
Serão atribuídas notas a provas e trabalhos práticos, executados alguns em classe e outros fora de classe. A nota final será calculada por média ponderada das notas obtidas pelo aluno no decorrer do semestre.
Norma de Recuperação
a nota final (MF) do aluno que realizou prova de recuperação dependerá da média do semestre (MS) e da média da prova de recuperação (MR), como segue: - MF = 5 se 5 <= MR <= (10 - MS) - MF = (MS + MR) / 2 se MR > (10 - MS) - MF = MS se MR< 5
 
Bibliografia
     
Livro- texto:
- Moreira, João, André Carlos Ponce de Leon Ferreira, and Tomáš Horváth. A general introduction to
data analytics. Wiley, 2019.
- Lutz, Mark. Learning python: Powerful object-oriented programming. " O'Reilly Media, Inc.", 2013.

Bibliografia Complementar:
- Saltz, Jeffrey S., and Jeffrey M. Stanton. An introduction to data science. Sage Publications, 2017.
 

Clique para consultar os requisitos para 5500004

Clique para consultar o oferecimento para 5500004

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP