Ecossistema Python para Ciência de Dados

Repositório com códigos do ecossistema Python para fundamentos de programação na área de Ciência de Dados
Python focado em Ciência de Dados e Mineração de Dados, com duração de 6 encontros:

Autores: Alexandre Zamberlan, Bernardo Viero, Sylvio A. G. Vieira e Robertson Ebling dos Santos

Encontro 1: Introdução ao Python e Ambiente de Desenvolvimento

Apresentação da disciplina e seus objetivos.
Breve introdução à linguagem Python: história, características e aplicabilidade.
Configuração do ambiente de desenvolvimento (instalação do Python, Google Colab e pacotes necessários para ciência de dados).
Primeiros passos: interação com o interpretador Python, operadores básicos, variáveis e tipos de dados.
Exercícios práticos para aplicação dos conceitos aprendidos.

Encontro 2: Estruturas de Controle e Funções em Python

Estruturas de controle: condicionais (if, else, elif) e loops (for, while).
Funções em Python: definição, parâmetros, retorno de valores e escopo.
Boas práticas de programação e legibilidade de código.
Exercícios práticos para aplicação das estruturas de controle e funções.

Encontro 3: Manipulação de Dados com Bibliotecas Básicas

Introdução à manipulação de dados com Python usando bibliotecas básicas como NumPy e Pandas.
Trabalhando com arrays NumPy: criação, indexação, slicing e operações básicas.
Introdução aos DataFrames do Pandas: estrutura, leitura e escrita de dados, manipulação de índices e seleção de dados.
Exercícios práticos para manipulação de dados com NumPy e Pandas.

Encontro 4: Visualização de Dados com Matplotlib e Seaborn

Introdução à visualização de dados com Python usando as bibliotecas Matplotlib e Seaborn.
Construção de gráficos básicos com Matplotlib: scatter plots, line plots, bar plots e histogramas.
Aprimoramento da visualização com Seaborn: box plots, heatmaps e pair plots.
Práticas de formatação e customização de gráficos.
Exercícios práticos para criação e personalização de visualizações de dados.

Encontro 5: Introdução à Análise de Dados e Estatística Descritiva

Fundamentos de análise de dados e estatística descritiva.
Exploração de dados: medidas de tendência central, dispersão e correlação.
Utilização de funções estatísticas do Pandas para análise descritiva.
Exercícios práticos para aplicação de conceitos de análise de dados e estatística descritiva.

Encontro 6: Introdução à Mineração de Dados e Conclusão

Conceitos básicos de mineração de dados e sua importância.
Apresentação de técnicas simples de mineração de dados, como classificação e clustering.
Aplicação prática de técnicas de mineração de dados em conjunto de dados reais.
Revisão dos tópicos abordados ao longo da disciplina.
Discussão sobre os próximos passos na jornada de aprendizado em Python para ciência de dados.
Considerações finais e encerramento da disciplina.

Este plano de aula é projetado para introduzir os alunos ao Python e ao ecossistema de ciência de dados de forma gradual e prática, permitindo-lhes adquirir habilidades essenciais para projetar e construir sistemas para mineração de dados. Cada encontro aborda tópicos específicos e inclui exercícios práticos para reforçar o aprendizado teórico.

alexandrezamberlan/python-cienciadados