Fundamentos de Ciência de Dados

Professores:

Sergio Serra	Jorge Zavaleta
serra@pet-si.ufrrj.br	zavaleta@pet-si.ufrrj.br

Ementa:

Introdução a reprodutibilidade em pesquisa, proveniência de dados e gestão de grandes volumes de dados científicos. Coleta e preparação de dados. Algoritmos de exploração e análise de dados. Métodos de modelagem fluxo de dados. Elaboração de relatórios de resultados através de documentos com código Python incluindo gráficos e tabelas.

Módulo 1:

Temas	Jupyter Notebook	PDF
Reprodutibilidade em Pesquisa Computacional	Reprodutibilidade
Introdução a Proveniência de Dados	Proveniência
Gestão de Grandes Volumes de Dados de Pesquisa	Gestão
Ambiente de Programação: python 3, jupyter notebook, JupyterLab, Google Colab, DeepNote, pacotes e github	Instalação Anaconda, Jupyter Notebook, Jupyterlab
Python I: tipos de dados, sequências e operações, estruturas de controle e repetição	Tipos de dados. Estruturas de Controle	Exercícios em Jupyter/Colab/Deepnote
Prática dos conteúdos estudados: construindo e operando listas e strings	Exercícios	Jupyter/ Colab/Deepnote

Módulo 2:

Temas	Jupyter Notebook	PDF
Técnicas de coleta e preparação de dados
Numpy I: array, slicing, fancy index, copy and view	Numpy
Pandas I: dataframes, series, index, Pandas I/O (csv, json, excel)
Prática dos conteúdos estudados: Processando e extraindo informações de arquivos csv, Jason, rdf

Módulo 3:

Temas	Jupyter Notebook	PDF
Técnicas de análise de dados
Numpy II e Matplotlib: operações com array, broadcasting, construção de gráficos usuais
Pandas II: estatísticas básicas
Prática dos conteúdos estudados: manipulando dados de saúde, ambiente, agricultura, cidades inteligentes

Módulo 4:

Temas	Jupyter Notebook	PDF
Introdução a técnicas de modelagem de fluxo de dados
Algoritmos e técnicas de extração inteligente de conhecimento
Scikitlearn: introdução a mecanismos de regressão, classificação, clustering e PCA
Prática dos conteúdos estudados: clusterização e predição

Módulo 5:

Temas	Jupyter Notebook	PDF
Seminários sobre Ciência de Dados aplicados domínio específicos (e.g. Saúde, Educação, Sustentabilidade, Agricultura, Cidades Inteligentes, covid-19, entre outros)
Apresentação de trabalhos – proposta de artigos

Material Adicional:

1. Re-run, Repeat, Reproduce, Reuse, Replicate: Transforming Code into Scientific Contributions Fabien C. Y. Benureau and Nicolas P. Rougier.
2. Provenance and the Different Flavors of Computational Reproducibility J. Freire and F. Chirigati In IEEE Data Engineering Bulletin, 41(1), pp. 15-26, 201.
3. Web Semãntica: Uma introdução.

FORMA DE AVALIAÇÃO

Critérios de aprovação são os do PPGI/UFRJ. A avaliação consiste em participação em sala de aula (P); exercícios e/ou protótipos desenvolvidos (E); apresentações/ /escritas de artigos (A).

BIBLIOGRAFIA

Básica

1. National Academies of Sciences, Engineering, andMedicine. Reproducibility and Replicability in Science. Washington, DC: The National Academies Press, 1st Edition, 2019.
2. Victoria Stodden, Friedrich Leisch, Roger D. Peng, Implementing Reproducible Research, CRC Press, 1st Edition, 2014.
3. Kleppmann, M., Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, O’Reilly, 2017.
4. Taylor, E. Deelman, D.B. Gannon, M. Shields (Eds.), Workflows for e-Science: Scientific Workflows for Grids, Springer, 2006.
5. Wes McKinny, Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2nd edition O'Reilly Media, 2017
6. Mark Lutz, Learning Python, 5th Edition, O'Reilly Media, 2013
7. Jonh Hearty, Advanced Machine Learning with Python. Packt Publishing, 2016.
8. Andreas C. Mueller and Sarah Guido, Machine Learning with Python. O'Reilly Media, 2016.
9. John D. Kelleher, Brian Mac Namee, and Aoife DArcy. Fundamentals of machine learning for predictive data analytics: algorithms, worked examples, and case studies. MIT, 2015.
10. Artigos Selecionados

Complementar

11. Christopher Gandrud, Reproducible Research with R and R Studio (Chapman & Hall/CRC The R Series) 1st Edition
12. Garret Christense, Jeremy Freese, Edward Miguel, Transparent and Reproducible Social Science Research, University of Californy Press, 1st edition, 2019
13. Justin Kitzes (Editor), Daniel Turek (Editor), Fatma Deniz (Editor), The Practice of Reproducible Research Case Studies and Lessons from the Data-Intensive Sciences, University of Californy Press, 1st edition, 2017
14. Aurélien Géron, Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media, 2017.
15. Aurélio Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media, 2019.
16. Manohar Swamynathan, Mastering Machine Learning with Python in Six Steps. Apress, 2017.
17. Michel Bowles, Machine Learning in Python®: Essential Techniques for Predictive Analysis. John Wiley & Sons, Inc. 2015.

RECURSOS EDUCACIONAIS ADICIONAIS

1. The Open Science Training - Handbook https://book.fosteropenscience.eu/en/01Introduction/
2. Recursos indicados em sala de aula