Apolo

Atividade

136319 - Introdução a Ciências de Dados

Período da turma:

24/01/2026 a 28/03/2026

Selecione um horário para exibir no calendário:

Descrição:

Objetivos: 

Apresentar os aspectos fundamentais e principais de Ciência de Dados (CD), bem como seu diálogo permanente com a Inteligência Artificial (IA), descrevendo os conhecimentos necessários para atuar nesse ecossistema integrado e explicando quais fatores são importantes para o sucesso em projetos orientados a dados e modelos inteligentes. Discutir as limitações de ambas as disciplinas e as estratégias para superá-las, incluindo questões de viés algorítmico, qualidade de dados e generalização de modelos. Apresentar as principais etapas do processo de tomada de decisão baseada em dados — da formulação da pergunta ao monitoramento em produção — e discutir os objetivos de cada etapa, a problemática envolvida e as ferramentas tipicamente empregadas, desde a engenharia de dados até algoritmos de aprendizado de máquina. Introduzir noções básicas de estatística, álgebra linear e otimização que sustentam tanto métodos analíticos tradicionais quanto técnicas de IA, demonstrando em Python como essas abordagens podem ser combinadas para resolver problemas específicos. Por fim, enfatizar a importância da proteção e do uso ético dos dados, detalhando riscos e abusos potenciais associados a técnicas de Ciência de Dados e Inteligência Artificial, e destacando práticas seguras e responsáveis para o desenvolvimento de soluções baseadas em dados.

Ementa: 
1. O que é Ciência de Dados?
2. Problemas e Soluções em Ciência de Dados
3. Ciência de Dados e suas Etapas: Tipos de dados, Explorando e Analisando os Dados, Estatística Descritiva, Visualização, Selecionando Métodos e Ajustando Modelos.
4. Escolha do método.
5. Avaliando métodos e modelos.
6. Métodos Matemáticos e Computacionais: Técnicas para Tratamento e Transformação de Dados, Normalização e PCA, Técnicas de agrupamento (K-means, Agrupamento Hierárquico, Avaliando Agrupamentos), Modelos de Regressão (Regressão Linear, Simplificando Modelos via Regularização), Avaliando e Interpretando modelos.
7. Modelos de Classificação: Vizinhos mais próximos, Regressão Logistica, Naive Bayes, SVM, Árvores de Decisão, Boosting and Comitês, Avaliando Modelos de Classificação
8. Inteligência Artificial Responsável e Explicável: métodos de interpretabilidade (LIME, SHAP, Grad-CAM), detecção de viés e justiça algorítmica, robustez e segurança de modelos.
9. Questões Éticas em Ciência de dados: Privacidade e segurança, Raciocínio de dados em um mundo digital, A próxima geração de cientistas de dados.
10. Um exemplo real: A estrutura de um Projeto de Ciência de Dados com uso de Inteligência Artificial, Preparando os dados, Analisando os Dados, Modelando os Dados, . Comunicação de Resultados.

Referências: 
1. Faceli, Katti; Lorena, Ana Carolina; Gama, João ; de Carvalho, A. C. P. L. F. (2011). Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. 1. ed. Rio de Janeiro: LTC.
2. James, G.; Witten, D.; Hastie, T.; Tibshirami, R. (2013). An Introduction to Statistical Learning: with Applications in R. Springer, Berlin: Springer series in statistics.
3. Friedman, J., Hastie, T., & Tibshirani, R. (2001). The elements of statistical learning. Springer, Berlin: Springer series in statistics.
4. Russell, S.; Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4ª ed.). Pearson.

Carga Horária:

40 horas

Tipo:

Obrigatória

Vagas oferecidas:

320

Ministrantes:

Oilson Alberto Gonzatto Junior

voltar