Concluído
-
Boas Vindas
-
- Participe desse curso para acessar os recursos
-
-
Youtube para Negócios
-
- Participe desse curso para acessar os recursos
-
Apresentação
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. |
Por enquanto não há comentários.