Disciplina: Introdução à Ciência de Dados

Essa página tem como objetivo deixar disponível o material da disciplina de Introdução à Ciência de Dados ministrada pelo Profº Jodavid Ferreira no curso de Estatística na Universidade Federal de Pernambuco - UFPE no semestre 2024.2.

• Aula 01 - Apresentação da disciplina (slide)

• Aula 02 - Introdução a Inteligência Artificial (slide)

• Aula 03 - Conceitos de Ciência de Dados (slide)

• Aula 04 - Introdução ao R (slide)

• Aula 05 - Introdução ao Python (slide)

• Aula 06 - Análise Exploratória de Dados com Python (slide)

• Aula 07 - Git GitHub (slide)

• Aula 08 - Storytelling (slide)

• Aula 09 - ggplot2 (slide)

• Aula 10 - Mardown e Rmarkdown (slide)

• Aula 11 - Machine Learning e Processo de Aprendizagem (slide)

• Aula 12 - Árvore de Decisão (slide)

• Aula 13 - Floresta Aleatória (slide)

• Aula 14 - k-NN (slide)

• Aula 15 - SVM (slide)

• Aula 16 - Árvore de Regressão e Floresta Aleatória para Regressão (slide)

• Aula 17 - k-means (slide)

Códigos das Aulas

Os códigos utilizados nas aulas podem ser acessados no link abaixo:

• https://github.com/Jodavid/ml_ia_codes

Bases de dados

Abaixo seguem alguns links de bases de dados utilizados nas aulas:

• Traffic Accidents on Highways in Brazil - pt-BR - https://www.kaggle.com/datasets/rafaelborgesgraunke/traffic-accidents-brazil-pt-br

Listas de Exercícios

Listas para Prova 1:

• Lista 00 - Conceitos de IA e Ciência de Dados
• Lista 01 - Exercícios de R Python
• Lista 02 - Exercícios
• Lista 03 - Exercícios
• Lista 04 - Exercícios Markdown e RMarkdown
• Lista 05 - Exercícios ggplot2

Listas para Prova 2:

• Lista 06 - Exercícios Machine Learning
• Lista 07 - Exercícios Árvore de Decisão e Floresta Aleatória
• Lista 08 - Exercícios k-NN e SVM
• Lista 09 - Exercícios k-means

Projeto de Pesquisa

• Normas do Trabalho

Datas de Apresentação

Tabela de Apresentações
Ordem	Aluno/Grupo	Data da Apresentação
1	Arthur Vascncelos e Maria Clara	25-03-2025
2	Anna Flávia, Raul Santos e Tales Gabriel	25-02-2025
3	Jamerson Carlos	25-03-2025
4	Ana Vitória, Hélio Viana e Nicole Kimberly	27-03-2025
5	João Igor e Ygor Regis	27-03-2025
6	Bianca Conceição e Mylena Ferreira	27-03-2025
7	Felipe Maia, Moizés Claudino e Natália Viviane	01-04-2025
8	Roberta da Paz e Thays Silva	01-04-2025
9	Edgar Carlos e Vitória Karolinny	01-04-2025

Instruções para Uso do Script no Google Colab

1. Acesso ao Script:
   • O script está disponível para visualização no Google Colab.
   • Atenção: Este notebook está em modo de visualização e não pode ser executado diretamente.
2. Fazendo uma Cópia:
   • Para utilizar o script, você precisa fazer uma cópia dele em seu Google Drive pessoal ou institucional.
   • Siga os passos abaixo para copiar o notebook:
     1. Clique em Arquivo no menu superior.
     2. Selecione Salvar uma cópia no Drive....
     3. Escolha a pasta de destino em seu Google Drive.
     4. Após a cópia ser feita, você poderá editar e executar o notebook livremente.
3. Utilização:
   • Após ter feito uma cópia, você poderá rodar o script diretamente do seu Google Drive.
   • Certifique-se de que todos os caminhos de arquivos e permissões estejam configurados corretamente.

Links Úteis

• Anaconda Windows - https://docs.anaconda.com/free/anaconda/install/windows/

• Anaconda Linux - https://docs.anaconda.com/free/anaconda/install/linux/

• Google Colab com Python- https://colab.research.google.com/

• Google Colab com R - https://colab.research.google.com/#create=true&language=r

• Positron - IDE - https://github.com/posit-dev/positron

---

Obs.: Nos slides possuem imagens e gráficos obtidas da internet. Caso a fonte não seja informada na imagem ou referência, contactar o autor para que a mesma seja adicionada.

---

Página produzida com Quarto.

© 2024 Disciplina de Introdução à Ciência de Dados. Todos os direitos reservados.