Pular para o conteúdo

Resumo dos Conteúdos Fundamentais


Este é um resumo abrangente dos principais pilares abordados nos seus materiais de estudo, seguido por um cronograma prático de 6 semanas para guiar seu aprendizado em Ciência de Dados.

Resumo dos Conteúdos Fundamentais

1. Fundamentos e Ciclo de Vida da Ciência de Dados

  • Conceito & Interdisciplinaridade: A Ciência de Dados une estatística, matemática, computação/programação e conhecimento do domínio de negócio (Substantive Expertise). Seu foco principal está em prever tendências e extrair insights acionáveis a partir de dados brutos.
  • Diferença entre BI e Ciência de Dados: O Business Intelligence (BI) foca no passado com análises descritivas e relatórios retrospectivos. A Ciência de Dados é voltada para o futuro, utilizando inteligência preditiva, prescritiva e aprendizado de máquina.
  • Metodologias (KDD e CRISP-DM): O processo sistemático de Descoberta de Conhecimento em Bases de Dados (KDD) é estruturado na prática pela metodologia CRISP-DM, dividida em 6 etapas cruciais: Entendimento do Negócio, Entendimento dos Dados, Preparação dos Dados, Modelagem, Avaliação e Implantação (Deployment).

2. Arquitetura e Estruturas de Dados

  • Tipos de Dados: O formato padrão de análise é o dado retangular (Data Frame), composto por linhas (registros/instâncias) e colunas (características/atributos/variáveis). As variáveis podem ser contínuas, discretas, categóricas ou binárias.
  • Data Lake vs. Data Warehouse vs. Lakehouse:
    • Data Lake: Repositório centralizado altamente escalável para armazenar dados brutos estruturados, semiestruturados e não estruturados com esquema na leitura (schema-on-read).
    • Data Warehouse: Repositório relacional estruturado com esquema na gravação (schema-on-write), otimizado para consultas SQL e BI.
    • Data Lakehouse: Solução híbrida que une a flexibilidade e baixo custo do lake com o controle de governança e transações ACID do warehouse.

3. Análise Exploratória de Dados (AED) e Estatística Prática

  • Medidas de Localização: Média (sensível a outliers), Mediana (medida robusta para dados com valores extremos) e Média Aparada.
  • Medidas de Variabilidade: Desvio-padrão, variância, Desvio Absoluto Médio, MAD (Desvio Absoluto Mediano) e Amplitude Interquartílica (IQR).
  • Visualização de Distribuições: Boxplots (identificação de quartis e outliers), histogramas, tabelas de frequência e matrizes de correlação.

4. Algoritmos de Aprendizado de Máquina (Machine Learning)

  • Supervisionado: Focado em classificação e regressão. Inclui Regressão Linear/Logística, Naive Bayes, Árvores de Decisão, K-Vizinhos Mais Próximos (KNN), Random Forest e algoritmos de Boosting (como XGBoost).
  • Não Supervisionado: Focado em descoberta de padrões ocultos sem rótulos prévios. Inclui agrupamento (K-Means, DBSCAN, Agrupamento Hierárquico) e redução de dimensionalidade (PCA).
  • Avaliação de Modelos: Matriz de confusão, precisão, revocação (recall), especificidade, curvas ROC, AUC e validação cruzada.

5. Ferramentas Essenciais do Mercado (Visão 2025)

  • Linguagens de Programação: Python (com bibliotecas Pandas, NumPy, Scikit-learn, Matplotlib) e R (RStudio).
  • Bancos de Dados: SQL e PostgreSQL para manipulação e gestão de dados.
  • Visualização & BI: Power BI, Tableau e Google Data Studio para transformar análises em dashboards visuais e Data Storytelling.

6. Desafios Práticos, Ética e Ciência de Dados Responsável

  • Limpeza e Preparação: O tratamento de dados incompletos, ruidosos e desorganizados consome a maior parte do esforço em projetos reais.
  • Ética e Mitigação de Viés: Identificação e correção de viés de amostragem, medição e rotulagem para evitar discriminações algorítmicas, garantindo transparência, interpretabilidade e conformidade com leis como LGPD e GDPR.
  • Comunicação e Alinhamento: Traduzir métricas complexas em impacto direto de negócio e alinhar expectativas com clientes e partes interessadas.

Cronograma de Estudo Recomendado (6 Semanas)

Semana

Tema Central

Tópicos de Estudo & Leitura

Atividade Prática Sugerida

Semana 1

Introdução & Metodologia CRISP-DM

Conceito de Data Science, papel do cientista de dados, etapas do CRISP-DM/KDD e diferença entre BI e Data Science.

Mapear o problema de negócio de um dataset público seguindo as 2 primeiras fases do CRISP-DM.

Semana 2

Arquitetura de Dados & Ferramentas

Tipos de dados, consultas em SQL/PostgreSQL, manipulação inicial em Python (Pandas) e conceitos de Data Lake vs. Data Warehouse.

Fazer a extração e limpeza básica (tratar nulos e tipos) de um arquivo CSV em Python.

Semana 3

Estatística Prática & AED

Média, mediana, média aparada, desvio-padrão, IQR, MAD e construção de Boxplots/Histogramas.

Executar uma Análise Exploratória de Dados (AED) completa, calculando métricas e gerando gráficos de dispersão/boxplots.

Semana 4

Machine Learning Supervisionado

Regressão Linear/Logística, Árvores de Decisão, KNN e métricas de avaliação (Matriz de Confusão, Precisão, Recall, ROC/AUC).

Treinar um modelo de classificação simples (ex: previsão de inadimplência/crédito ou diabetes) e avaliar a matriz de confusão.

Semana 5

Aprendizado Não Supervisionado & Visão de BI

Agrupamento com K-Means, redução de dimensão com PCA, noções de PLN e criação de Dashboards (Power BI/Tableau).

Aplicar K-Means para segmentação de grupos em um dataset e criar um dashboard interativo dos resultados.

Semana 6

Ética, Mitigação de Viés & Implantação

Ciência de Dados Responsável, tipos de viés (amostragem, rotulagem), LGPD/GDPR e comunicação/deploy.

Realizar a auditoria de viés no modelo criado na Semana 4, documentar a interpretabilidade e simular a entrega dos relatórios finais.

Apresentação da Felisiak Society
Avaliação
0 0

Por enquanto não há comentários.

para ser o primeiro a comentar.

Recursos adicionais
Participe desse curso para acessar os recursos