O curso tem por objetivo ensinar princípios de computação com ênfase em análise de dados. Ao final do curso, o aluno será capaz de criar programas simples, importar e exportar dados, realizar análise de dados empregando conceitos de estatística descritiva e estatística indutiva, descrever graficamente dados e relações entre diferentes dados e aprender por conta própria outros recursos do Python.
Introdução geral e a Python; Iterables, generators e iterators; Criando novas funções no Python; Desvios condicionais; Entradas e saídas; Algumas importantes bibliotecas do Python e aplicações. O conteúdo do curso será oferecido em aulas demonstrativas gravadas e a serem acessadas pelos alunos na internet, correspondendo a 2 créditos no formato de Ensino a Distância (EaD). Nas aulas presenciais, referentes a 2 créditos, serão desenvolvidas atividades assistidas de aplicação do conteúdo à distância e feita a monitoria de aprendizado
1. Introdução: arquitetura de Von Neumann; representação binária de dados e suas consequências; sistemas operacionais e classificação de software; sistemas de arquivos; linguagens de programação de alto e baixo nível, interpretadas e compiladas; bibliotecas de programas. 2. Instalando o Python e ferramentas auxiliares (spyder, editor de texto, Jupyter) 3. Primeiros conceitos: usando o Python interativamente e rodando scripts; sintaxe; tipos de dados; operadores e funções built-in; criando objetos. 4. Iterables, generators e iterators: (a) lists, tupples, sets, dictionaries (b) loop for (c) range e zip 5. Criando novas funções no Python; 6. Desvios condicionais; 7. Entradas e saídas: (a) Print; (b) lendo dados inseridos no teclado pelo usuário; (c) Leitura de arquivos externos; (d) Criação de arquivos externos. 8. Algumas importantes bibliotecas do Python e aplicações: (a) NumPy: arrays, matrizes, números aleatórios, álgebra linear; (b) Pandas: objetos Series e DataFrame, estatística descritiva, manipulação de bases de dados; (c) MatPlotLib: Criação de gráficos; (d) StatsModels: Regressão linear simples e regressão linear múltipla.
IGUAL, Laura andSantiSeguí (2017). Introduction to Data Science. Springer. LANGTANGEN, Hans Petter (2016). A Primer on Scientific Programming with Python. Springer. LUTZ, Mark (2009). Learning Python. 4th ed. O’Reilly. MACKIE, Ian (2020). A Beginners Guide to Python 3 Programming. Springer. VANDERPLAS, Jake (2016). Python Data Science Handbook. O’Reilly. url: https: //jakevdp.github.io/PythonDataScienceHandbook/