Informações da Disciplina

 Preparar para impressão 

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


Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto
 
Administração
 
Disciplina: RAD2607 - Ciência de Dados I
Data Science I

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2022 Desativação:

Objetivos
Introduzir o graduando na área de ciência de dados que interrelaciona conhecimentos de estatística, computação e negócios, com o foco na extração de conhecimento relacionado ao negócio.

 
 
 
Docente(s) Responsável(eis)
3586121 - Evandro Marcos Saidel Ribeiro
3049323 - Ildeberto Aparecido Rodello
 
Programa Resumido
Conceitos básicos de Algoritmos e da Linguagem de programação Python, Conceitos Básicos de Ciência e Gestão de Dados, Modelos de bases de dados, Fundamentos de análise multivariada de dados.

 
 
 
Programa
Algoritmos e Linguagem de programação: variáveis, estrutura de dados e estruturas de controle (desvios e repetições)
Ciência de dados: Big Data; Extração, transformação e carga;
Análise de dados; Fundamentos de Análise multivariada de dados.

 
 
 
Avaliação
     
Método
Aulas expositivas e utilização de software para análise de dados.
Critério
Provas teóricas (P), listas de exercícios (L) e trabalhos práticos (T). A nota final será a média ponderada das notas P, L e T, obtidas pelo aluno durante o semestre.
Norma de Recuperação
Estará apto a efetuar a prova de reavaliação o aluno que tiver como média final na disciplina uma nota igual ou superior a três (3,0) e inferior a cinco (5,0), e tiver, no mínimo, 70% (setenta por cento) de freqüência às aulas. O cálculo de uma média aritmética simples será feito com a nota da prova de reavaliação e a média final obtida pelo aluno na disciplina. Se esta média resultar em nota igual ou superior a cinco (5,0), o aluno será aprovado.
 
Bibliografia
     
1. Fernando Amaral, Introdução à ciência de dados: Mineração de dados e big data, Alta Books, 2016, ISBN: 978-85-7608-934-6.
2. Foster Provost e Tom Fawcett, Data Science para negócios: O que você precisa saber sobre mineração de dados e pensamento analítico de dados, Alta Books, 2016, ISBN: 978-85-508-0390-6 (Ebook).
3. Joel Grus, Data Science do zero: Primeiras regras com o Python, Alta Books, 2016, ISBN: 978-85-508-0387-6.
4. Hadley Wickham e Garrett Grolemund, R Para Data Science: Importe, arrume, transforme, visualize e modele dados, Alta Books, 2019, ISBN: 978-85-508-1411-7
5. Bergson Lopes Rêgo, Gestão e governança de dados: promovendo dados como ativos de valor nas empresas, Brasport Livros e Multimídia Ltda, 2013, ISBN: 978-85-7452-629-4.
6. Mark Needham e Amy E. Hodler, Graph Algorithms: Practical examples in Apache Spark & Neo4j, O’Reilly, 2019, ISBN: 978-1-492-05781-9
7. Cole Nussbaumer Knaflic,Storytelling with data: a data visualization guide for business professionals, Willey, 2015, ISBN: 978-1-119-00225-3.
8. Shaw, Zed A. Machado, Eveline Vieira (trad). Aprenda Python 3 do jeito certo : uma introdução muito simples ao incrível mundo dos computadors e da codificação.  Rio de Janeiro, Alta Books, 2019. 298 p.
9. Forbellone, André Luiz Villar. Eberspächer, Henri Frederico. Lógica de programação : a construção de algoritmos e estruturas de dados.   3. ed.  São Paulo, Prentice Hall, 2012, c2005. 213 p.

 

Clique para consultar os requisitos para RAD2607

Clique para consultar o oferecimento para RAD2607

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