Fundamentos em Data Science

Esta disciplina ensinará aos alunos conceitos de Data Science, e ensinará de maneira prática e teórica sobre os conceitos, fundamentos, técnicas, programas e algoritmos para ser possível analisar dados. O estudante terá contato com programas como SPSS e PAST, criados para análises estatísticas, e o jupyter-notebook, criado para uso instrumental e técnico em programação voltada a Pyhton. Bibliotecas como NumPy, Pandas e Sklearn serão utilizadas em Python a fim de criar e avaliar datasets (conjunto de dados). Técnicas supervisionadas e não supervisionadas serão citadas, e algumas delas terão explicação de fato instrumental e aplicada, como regressão, por exemplo. O material contém explicações sobre descoberta de insights através de estudo de vizinhos, agrupamentos, entropia entre outros. Cálculos matemáticos serão passados a fim de dar consistência aos usos dos programas, podendo o profissional tender mais para a programação ou para o cálculo, como melhor se ajustar. Soluções para problemas de sobreajuste serão citadas, bem como avaliações por custo-benefício, lucro esperado, taxas de erro, análises de matriz de confusão e análises de precisão. Para estimar desempenho, será falado sobre curvas de ROC e outras técnicas, e para estimar tendências, serão utilizadas técnicas como classificação de naive bayes. Conceitos aplicados à Mineração e Engenharia de dados também serão transmitidos. Por fim, conceitos sobre Ética concluem o estudo, a fim de evitar problemas de aplicação e não deixar de lado a responsabilidade social.