Informações da Disciplina

 Preparar para impressão 

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


Instituto de Ciências Matemáticas e de Computação
 
Matemática Aplicada e Estatística
 
Disciplina: SME0852 - Prática em Ciência de Dados I
Practice in Data Science I

Créditos Aula: 4
Créditos Trabalho: 4
Carga Horária Total: 180 h
Tipo: Semestral
Ativação: 01/01/2024 Desativação:

Objetivos
Aprofundar a experiência do aluno na prática em Ciência de Dados e criar as competências necessárias para seu futuro desempenho profissional.
 
 
 
Docente(s) Responsável(eis)
3455521 - Cibele Maria Russo Novelli
6725830 - Katiane Silva Conceição
57696 - Marinho Gomes de Andrade Filho
 
Programa Resumido
Projeto prático em Ciência de Dados, com desenvolvimento de solução, apresentação e relato oral e escrito sobre a solução.
 
 
 
Programa
Projeto prático em Ciência de Dados, em grupo (usando-se metodologias ativas de aprendizado, como Problem-Based Learning ou Team-Based Learning), integrando bases de dados, técnicas correntes e problemas do mercado e da academia, passando por todas as etapas da Ciência de Dados, com apresentação oral, preparação de relatório escrito e entrega da solução desenvolvida.

Atividades de extensão: Os alunos organizam uma série de apresentações sobre os problemas abordados na disciplina, se encarregando da divulgação das palestras para a comunidade em geral.
A carga horária de atividades de extensão corresponde a 75 horas.
 
 
 
Avaliação
     
Método
Exercícios e trabalhos práticos dentro e fora da classe. Aulas práticas utilizando simulações em microcomputador. Seminários para discussão de resultados obtidos nas aplicações. O aluno deve participar das aulas práticas e seminários. Participação em competições para solução de problemas de Ciência de Dados.
Critério
Serão atribuídas notas aos trabalhos práticos e participação em discussões e seminários. A nota final será calculada pela média das notas obtidas pelo aluno no decorrer do semestre.
Norma de Recuperação
Para a aprovação pela recuperação (nota final < 5), deve-se usar este critério: (NP-2) / 5 * Mrec + 7 - NP, se Mrec >= 5; ou Max { NP, Mrec }, se Mrec < 5.
 
Bibliografia
     
-Cathy O'Neil, Rachel Schutt. (2014). Doing Data Science. Straight Talk from the Frontline. O'Reilly Media.
-Nina Zumel,‎ John Mount. (2014). Practical Data Science with R. Manning Publications.
-Faceli, Katti; Lorena, Ana Carolina; Gama, João ; de Carvalho, A. C. P. L. F. (2011). Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. 1. ed. Rio de Janeiro: LTC.
 

Clique para consultar os requisitos para SME0852

Clique para consultar o oferecimento para SME0852

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