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

Estratégias:

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 - Prova 1

Todas

x

x

3

A definir

x

A definir

Avaliação 2 - Prova 2

Todas

x

x

3

A definir

x

A definir

Avaliação 3 - Exercícios

Todas

x

x

1

A definir

Avaliação 4 - Projeto Integrador

Todas

x

x

x

3

A definir

 BIBLIOGRAFIA BÁSICA

1

SANTOS, Roger R; BORDIN, Maycon V; NUNES, Sergio E. Fundamentos de big data. 1. ed. Porto Alegre: SAGAH, 2021. 1 recurso online (0 p.). ISBN 9786556901749.

2

GRUS, Joel. Data science do zero. 2. ed. Rio de Janeiro: Alta Books, 2021. 1 recurso online (0 p.). ISBN 9788550816463.

3

REZENDE, Denis Alcides; ABREU, Aline França de. Tecnologia da informação: aplicada a sistemas de informação empresariais. 4.ed.rev. e ampl. São Paulo: Editora Atlas Ltda, 2006. 327 p. ISBN 8522442398

 BIBLIOGRAFIA COMPLEMENTAR

1

COLAÇO JÚNIOR, Methanias. Projetando sistemas de apoio à decisão baseados em data warehouse. Rio de Janeiro: Axcel Books, 2004.

2

PADILHA, Juliana et al. Analytics para big data. Porto Alegre: SAGAH, 2022. ISBN 9786556903477

3

AMARAL, Fernando. Aprenda mineração de dados: teoria e prática_. Rio de Janeiro: Alta Books, 2019. ISBN 9786555206852

4

MACHADO, Felipe Nery Rodrigues. Tecnologia e projeto de data warehouse. São Paulo: Érica, 2004.

5

PRIMAK, Fábio Vinícius. Decisões como B.I. (Business Intelligence). Rio de Janeiro: Moderna, 2008.

6

TURBAN, E.; SHARDA, R.; ARONSON, J.; KING, D. Business Intelligence: um enfoque gerencial para a inteligência do negócio. Porto Alegre: Bookman, 2009.

obs: - Os materiais da disciplina e atividades serão disponibilizados na plataforma Google Classroom. O código da turma será disponibilizado no início das aulas. - Para fins de justificativa de falta e realização de atividade fora do prazo, será seguido o que determina a Resolução 619/2024. - Não será permitido o uso de telefones celulares em sala de aula, salvo para o uso pedagógico. A proibição está amparada pela Lei no 14.363, de 25 de janeiro de 2008, do Estado de Santa Catarina. - Amparado pelo artigo 5o, inciso X, da Constituição Federal, é proibida a gravação das aulas, em partes, ou na sua totalidade, sem o consentimento do professor.