Home

Prática de Pesquisa

Material da disciplina de Prática de Pesquisa.

Ementa

Prática em pesquisa científica aplicada na área de computação. Etapas do processo de investigação científica. Definição e delimitação de problemas de pesquisa. Elaboração de projetos e anteprojetos de pesquisa. Levantamento e análise do estado da arte. Fundamentação teórica e metodológica. Desenvolvimento de soluções e artefatos científicos. Planejamento e execução de experimentos. Análise crítica de resultados. Comunicação científica por meio da redação e apresentação de artigos técnicos.

Objetivos

Fundamentar e desenvolver as competências indispensáveis à condução de projetos de pesquisa científica aplicada na área de computação. Para isso, a disciplina promove a vivência prática das etapas do processo de investigação, desde a definição do problema e a análise do estado da arte até o desenvolvimento de soluções, a avaliação experimental e a comunicação dos resultados.

O curso visa integrar conhecimentos teóricos e metodológicos com a prática de pesquisa, capacitando o aluno a planejar, executar, analisar criticamente e comunicar projetos científicos, bem como a produzir artefatos técnicos e acadêmicos de forma estruturada, rigorosa e alinhada aos padrões da produção científica.

Slides

1. Fundamentos da Linguagem R - código
2. Visualização de Dados - código
3. Análise Exploratória de Dados - código
4. Ambiente Data Analytics
5. Configuração do GitHub
6. Temas de Prática de Pesquisa

Material complementar

• Repositório da disciplina
• Página da disciplina Prática de Pesquisa
• Metodologia Científica
• Tutorial de Programação em Python

Bibliografia

1. Perovano, D. G. Manual de metodologia da pesquisa científica. Brasil: Editora Intersaberes, 2016.
2. Grolemund, G. Hands-On Programming with R. O'Reilly Media, Inc., https://rstudio-education.github.io/hopr/, 2014.
3. Han, J.; Pei, J.; Tong, H. Data Mining: Concepts and Techniques. 4th edition ed. Cambridge, MA: Morgan Kaufmann, 2022.
4. Ogasawara, E.; Salles, R.; Porto, F.; Pacitti, E. Event Detection in Time Series. 1. ed. Cham: Springer Nature Switzerland, 2025.

Artefatos relacionados

• heimdall: Drift Adaptable Models
• harbinger: A Unified Time Series Event Detection Framework
• daltoolbox: Leveraging Experiment Lines to Data Analytics
• tspredit: Time Series Prediction Integrated Tuning
• daltoolboxdp: Python-Based Extensions for Data Analytics Workflows

Issues

Deixe bugs, dúvidas e sugestões em https://github.com/eogasawara/pratica-pesquisa/issues.