CURSO

Sistemas de Informação

ESTRUTURA CURRICULAR

Sistemas de Informação Par786/17

PROFESSOR

Ney Kassiano Ramos

DISCIPLINA

Nome

Cód.

Sem.

Créditos

C. Horária

Data Science

0-18444

8º

4

80

EMENTA

Fundamentos de Data Science. Data Science e Big Data. Business Intelligence versus Data Science. Projetos em Data Science. Linguagem de programação para Data Science. Carreiras em Data Science.

OBJETIVO GERAL

Ao término da disciplina o aluno estará apto a compreender e desenvolver uma aplicação de manipulação e visualização de dados sob a óptica de Data Science. Será capaz de entender a sua atual importância e aplicabilidade em diversos setores, além de seus fundamentos e correlações. Por fim, o aluno entenderá como é formada a carreira em Data Science e as disciplinas que a compõem.

OBJETIVOS ESPECÍFICOS

Compreender os principais conceitos sobre Data Science e tecnologias correlatas. Desenvolver a mentalidade exploradora de estruturas de ciências de dados. Entender a sua aplicabilidade em setores, empresas ou organizações. Desenvolver aplicações para análise e manipulação de dados. Conhecer sumários estatísticos e as principais técnica gráficas de visualização de dados. Saber das principais linguagens de programação utilizadas na ciência dos dados.

CONTEÚDO PROGRAMÁTICO

UN.

CONTEÚDOS

C.H.

1

Apresentação da disciplina e do plano de ensino
1.1 Introdução

4

2

2.1 Definições do termo Data Science
2.2 Carreiras em Data Science
2.3 Perfil do Cientista de Dados
2.4 Engenheiro, Analista e Cientista de Dados e Engenheiro de Machine Learning

4

3

3.1 Big Data
3.1.1 Os “Vs” do Big Data
3.1 Business Intelligence e Data Science

4

4

4.1 Data Science: as fases e o fluxo em um projeto
4.2 Meta da Pesquisa

4

5

5.1 Linguagens de Programação para Data Science

8

6

6.1 Estatística Descritiva e Python para Data Science

8

7

7.1 Armazenamento de Dados
7.2 Obtenção de Dados
7.2.1 LGPD e Privacidade
7.2.2 Datasets
7.2.3 Biblioteca Python Pandas e similares

12

8

8.1 Transformação e Limpeza de Dados
8.1.1 Outliers
8.1.2 Bibliotecas Python Pandas, NumPy e similares

12

9

9.1 Exploração e Visualização de Dados
9.1.2 Tipos de gráficos, casos de uso e como interpretá-los
9.1.3 Bibliotecas Python Matplotlib, Seaborn e similares

12

10

10.1.5 Correlações Espúrias
10.1 Modelagem, Predição e Experimentação
10.2 Machine Learning
10.2 Data Science e IA’s generativas

12

TOTAL DE HORAS

80 h

Conforme o Art. 4º da Resolução do CONSUNI nº 292/2017, os alunos cumprirão em 16 aulas adicionais a seguinte Atividade Prática Extraclasse: Laboratórios práticos.

Estratégias:AGC (Atividade Google Classroom); AEX (Aula expositiva dialogada); APE(Atividades Práticas Extraclasse); ARM (Aula com Recursos Multimídia); DG (Dinâmicas de Grupo); EC (Estudo de Caso); ED (Estudo Dirigido); ET (Estudo de Texto); EX (Exercício de Fixação); LAB (Aula em Laboratório); MAC (Mapeamento Conceitual); PAL (Palestra); SE (Seminário); SI (Simulação); TG (Trabalho em Grupo); TIG (Trabalho Integrado e em Grupo); TI (Trabalho Individual); VT (Visitas Técnicas), ARS (Aula Remota Síncrona); AGM (Aula Google Meet)

SISTEMÁTICA DE AVALIAÇÃO

CONHECIMENTOS

Testes de conhecimento, atividades propostas.

HABILIDADES

Eficiência e eficácia das soluções apresentadas para a resolução das atividades propostas. Articula saberes teóricos e práticos para a resolução de problemas.

ATITUDES

Pontualidade, assiduidade, contribuição para o bom andamento das aulas, participação nas atividades propostas, proatividade, trabalho em equipe, responsabilidade, respeito, sigilo profissional, postura profissional, uso das tecnologias em sala somente com foco educacional.

OUTRAS

DATAS PREVISTAS

Avaliação

Unidades

C

H

A

Valor

Data

Recuperação

Sim

Data

Avaliação 1 - Integrativa

x

x

x

3

A definir

Avaliação 2 - Prova 1

Todas

x

x

2

A definir

x

A definir

Avaliação 3 - Prova 2

Todas

x

x

2

A definir

x

A definir

Avaliação 4 - Prova 3

Todas

x

x

2

A definir

x

A definir

Avaliação 5 – Exercícios

Todas

x

x

1

A definir

 BIBLIOGRAFIA BÁSICA

1

TANENBAUM, Andrew S.; WETHERALL, David. Redes de computadores. 5. ed. Rio de Janeiro: Editora Campus, 2011. 923 p. ISBN 9788576059240

2

DOUGLAS E. COMER. Redes de computadores e internet. 6. Porto Alegre: Bookman, 2016. PDF. ISBN 9788582603734. Disponível em: https://app.minhabiblioteca.com.br/books/9788582603734.

3

KUROSE, James F. Redes de computadores e a internet: uma abordagem top-down. 5.ed. São Paulo: Editora Addison-Wesley, 2010. 548 p. ISBN 978858863910-6

 BIBLIOGRAFIA COMPLEMENTAR

1

Redes de computadores: uma abordagemPETERSON, Larry L.; DAVIE, Bruce S.; VIEIRA, Daniel. Redes de computadores: uma abordagem de sistemas. Rio de Janeiro: Elsevier, 2004. 588 p. ISBN 853521380-5 de sistemas

2

TORRES, Gabriel. Redes de computadores. Rio de Janeiro: Ed. Axcel Books, 2001. 664 p. (Informação E Comunicação) ISBN 857323144-0

3

MORAES, Alexandre Fernandes de. Redes de computadores. São Paulo, Erica, 2014. ISBN 9788536522043

4

MAIA, Luiz Paulo. Arquitetura de redes de computadores. 2. ed. Rio de Janeiro, LTC, 2013. ISBN 978-85- 216-2436-3

5

WHITE, Curt M. Redes de computadores. 6. ed. São Paulo, Cengage Learning, 2013. ISBN 9788522112944

obs: Os materiais da disciplina, atividades e as aulas síncronas gravadas serão disponibilizadas na plataforma Google Classroom, o código da turma será disponibilizado em sala de aula e via grupo da turma no WhatsApp.