IA376I/EA099I -
Tópicos em Engenharia de Computação VII
Tópico: Análise Visual em Ciência de Dados (Visual Analytics)
Primeiro Semestre de 2024
Profa. Wu,
Shin - Ting
DCA/
FEEC/ UNICAMP
[Objetivo]
[Horário]
[Tópicos]
[Livros-Texto]
[Dinâmica do Curso]
[Calendário de atividades]
[Critério de Avaliação]
[Notas e Frequências]
Objetivo
Este tópico tem como objetivo fornecer uma introdução à Análise de Dados Visual, uma área emergente que se destaca pela integração do processamento numérico das máquinas com a capacidade cognitiva dos especialistas humanos na resolução de problemas complexos. Com uma abordagem prática e fundamentada em teoria, todos os conceitos são colocados em prática por meio de atividades utilizando R ou Python.
Local e Período Letivo
Tópicos
- Introdução a R e Python: Gramática de Gráficos
- Princípios de Design de Visualização
- Percepção e Cognição
- Estatística Descritiva
- Pré-Processamento de Dados (Data Wrangling)
- Probabilidade
- Estatística de Inferência
- Modelagem de Dados
Textos de Apoio
- Notas de aula
- Introduction to Data Science: Data Analysis and Prediction Algorithms with R
Autor: Rafael A. Irizarry
Plataforma de publicação de livros: Leanpub
Parte traduzida para português por Benilton S Carvalho, Diego Mariano, Guilherme Ludwig, Larissa Ávila, Pedro Baldoni,
Samara F Kiihl e Tatiana Benaglia
- Statistical Inference via Data Science - A ModernDive into R and the Tidyverse
Autores: Chester Ismay e Albert Y. Kim
- R for Data Science (2e)
Autores: Hadley Wickham, Mine Çetinkaya-Rundel e Garrett Grolemund
Segunda Edição, 2023
ISBN: 9781492097402
- Py for Data Science
(Versão da primeira edição de R for Data Science em Python)
Autores: J. Hathaway e Katie Larson
- Python for Data Analysis (3e)
Autor: Wes McKinney
Terceira Edição, 2022
ISBN: 978-1098104030
Dinâmica do Curso
As aulas seguirão uma estrutura simples: uma rápida revisão da nota de aula, seguida por uma breve apresentação do tópico. Em seguida, reservaremos um tempo para esclarecer quaisquer dúvidas que surjam. O restante da aula será dedicado à prática dos exercícios dirigidos sob a supervisão do instrutor. É importante que os alunos tragam seus próprios laptops para a aula e participem efetivamente nas discussões sobre os exercícios dirigidos. Esperamos que todos pratiquem bastante as técnicas aprendidas, tanto dentro quanto fora da sala de aula, para estarem preparados para responder perguntas com base em dados de forma eficaz.
Avaliações
- Participação efetiva (10%).
- Análise de dados individual(40%).
- Seminário com apresentação individual (20%).
- Entrega do projeto final (30%), em grupo de 2 pessoas.
Serão aprovados os alunos que satisfizerem as três condições:
- conclusão de todas as tarefas designadas,
-
M = 0.1 P + 0.4 A + 0.2 S + 0.3 E > = 5.0 .
- uma frequência superior ou igual a 75%.
O conceito final dos alunos será determinado conforme a seguinte escala: A para notas no intervalo de 10.0 a 8.5, B para notas entre 8.4 e 7.0, C para notas entre 6.9 e 5.0, e D para notas abaixo de 5.0.
Qui Fev 29 17:18:16 -03 2024
"Esta página, assim como todas as páginas sob esta
mesma árvore, não é uma publicação oficial da UNICAMP, seu conteúdo
não foi examinado e/ou editado por esta instituição. A
responsabilidade por seu conteúdo é exclusivamente do
autor."
"This page, as well as all pages
under this same tree, is not an official publication from UNICAMP;
its content has not been verified and/or edited by this
institution. The author is solely responsible by its
contents."