Ciência de Dados

Disciplina dos Cursos de Ciências da Computação e afins da UNINOVE.

Conteúdo

• Python e Programação Orientada à Objetos
• Álgebra Linear com NumPy
• Análise de Dados com pandas
• Visualização de Dados com pandas, matplotlib e seaborn
• Machine Learning com Scikit-Learn
• Redes Neurais com TensorFlow, Keras e PyTorch

Professores

• Prof. Dr. José Eduardo Storopoli - Currículo Lattes - ORCID

• Prof. Dr. Edson Melo de Souza - Currículo Lattes - ORCID

Como usar esse conteúdo?

Este conteúdo possui licença livre para uso (CC BY-SA). Caso queira utilizar o conteúdo para um curso ou estudos, por favor colabore nesse repositório quaisquer aprimorações que foram realizadas.

Para configurar um ambiente local:

1. Clone o repositório do GitHub: git clone https://github.com/storopoli/ciencia-de-dados.git
2. Acesse o diretório: cd ciencia-de-dados
3. Instale as bibliotecas necessárias: pip install -r .binder/requirements.txt ou conda env create -f .binder/environment.yml

• Notebooks: Jupyter Notebooks das aulas

Notebooks

• Aula Especial - Curso Rápido de Python para Programadores
• Aula 0 - Jupyter Notebook
• Aula 1 - Operadores aritméticos, relacionais e lógicos
• Aula 2 - Desvio Condicional (IF)
• Aula 3 - Estruturas de Repetição (FOR e WHILE)
• Aula 4 - Estruturas de Dados (list e dict)
• Aula 5 - Funções
• Aula 5a - Classes e métodos
• Aula 6 - NumPy e Algebra Linear
• Aula 7 - pandas
• Aula 8 - pandas estatística
• Aula 9 - Gráficos com matplotlib e pandas
• Aula 10 - Machine Learning com Scikit-Learn
• Aula 11 - Regressão Linear com Scikit-Learn
• Aula 12 - Regressão Logística com Scikit-Learn
• Aula 13 - Support Vector Machines com Scikit-Learn
• Aula 14 - Árvores de Decisão com Scikit-Learn
• Aula 15 - Florestas Aleatórias com Scikit-Learn
• Aula 16 - Análise de Componentes Principais (PCA) com Scikit-Learn
• Aula 17 - Análise de Agrupamentos (Clusterização) com Scikit-Learn
• Aula 18a - Redes Neurais com TensorFlow e Keras
• Aula 18b - Redes Neurais com PyTorch
• Aula 19 - Redes Neurais Convolucionais com PyTorch

Cheat Sheets

Algumas cheat sheets selecionadas para os temas e ferramentas da disciplina:

• Pandas: pandas.pydata.org
• Matplotlib: matplotlib/cheatsheets
• Scikit-Learn: choosing the right estimator
• PyTorch: pytorch.org
• Git: português ou inglês
• Machine Learning: diversas linguas em afshinea/stanford-cs-229-machine-learning e também remicnrd/ml_cheatsheet
• Markdown: sintaxe geral e sintaxe GitHub
• RegEx: regex101.com
• GitHub: atalhos do teclado em português e inglês

Proposta de Avaliação da Disciplina

A avaliação pode ser realizada por meio de trabalho final no qual cada grupo de alunos (3 a 6 integrantes) devem entregar um notebook contendo os seguintes tarefas:

1. Leitura de dados com pandas
2. Manipulação e limpeza de dados com pandas
3. Descritivo e exploração de dados com pandas (groupbys)
4. Figuras que mostrem insights sobre os dados com pandas e matplotlib
5. Quebrar os dados em conjunto de treino e conjunto de teste
6. Treinar um estimador do scikit-learn de aprendizagem supervisionada (regressor ou classificador) no conjunto de treino
7. Verificar o desempenho do estimador do scikit-learn no conjunto de teste

A entrega pode ser via e-mail, mas é extremamente incentivado para que os alunos criem um repositório no GitHub aberto com um README.md bem escrito que explica o projeto. Isto pode já ser um incentivo para os alunos criarem os seus portfolio de projetos de ciências de dados no GitHub, algo que impulsionaria bastante a carreira deles.

A correção dos trabalhos deverá levar em conta o tamanho dos grupos. Grupos pequenos têm maior tolerância de erros e inconsistências do que grupos com um maior número de integrantes.

Como citar esse conteúdo

Para citar o conteúdo use:

Storopoli & Souza (2020). Ciência de Dados com Python: pandas, matplotlib, Scikit-Learn, TensorFlow e PyTorch. Disponível em https://github.com/storopoli/ciencia-de-dados

Ou em formato BibTeX para LaTeX:

@misc{storopolisouza2020cienciadedados,
  author = {Storopoli, Jose and Souza, Edson Melo de},
  title = {Ciência de Dados com Python: pandas, matplotlib, Scikit-Learn, TensorFlow e PyTorch},
  url = {https://github.com/storopoli/ciencia-de-dado},
  year = {2020}
}

Trabalhos Finais de Destaque

• Análise de Notas do ENEM de 2018
• Análise de Acidentes Aéreos no Brasil 2010-2019

Licença

Este obra está licenciado com uma Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0).