HO238 - Introdução à Ciência de Dados para Ciências Sociais e Humanas - 1S/2025 Imprimir

Ementa:

A disciplina apresenta os fundamentos da Ciência de dados, visando a construção da base para o estudo de técnicas mais complexas no campo do Aprendizado de Máquina. O conteúdo é dividido em cinco grandes partes: 1) contextualização e definições gerais da área e dos principais termos técnicos; 2) introdução à linguagem de programação (R ou Python); 3) estatística descritiva e inferencial; 4) algoritmos não supervisionados (agrupamento e redução da dimensionalidade com técnicas hierárquicas, K-Means, PCA etc.) e 5) algoritmos supervisionados (classificação com K-NN, árvores de decisão, random forests, bagging e boosting).

Bibliografia:

P. Bruce e A. Bruce (2019). Estatística prática para cientistas de dados, Ed. O’Reilly

F. Provost e T. Fawcett (2016). Data Science para negócios. Ed. Alta Books.

Ch. Wheelan (2013). Estatística: o que é, para que serve, como funciona, 5ª ed., Ed. Zahar

W. de O. Bussab e P. A. Morettin (2017). Estatística básica, 9º ed., Ed. Saraiva

L. P. Fávero e P. Belfiore (2017). Manual de análise de dados. Ed. Elsevier.

R. Hoffmann (2016) Análise estatística de relações lineares e não lineares. Edição do autor. Portal de livros abertos da USP.

https://doi.org/10.11606/9788592105716

K. Faceli et al (2021). Inteligência Artificial: uma abordagem de aprendizado de máquina, 2ª ed.; ed. LTC

R. A. Irizarry (2020). Data Analysis and Prediction Algorithms with R. Ebook em https://rafalab.github.io/dsbook/

Nota: ao longo do semestre se indicará bibliografia complementar referente às aplicações de cada seção.

Ano de Catálogo: 2025

Créditos: 4