Escolar Documentos
Profissional Documentos
Cultura Documentos
www.datascienceacademy.com.br
Introdução à Ciência de Dados
Introdução
Conteúdo:
Módulos Título
1 Introdução
2 O que é Ciência de Dados?
3 Ciência de Dados e Big Data
4 Ciência de Dados e Estatística
5 Aprendizado de Máquina (Machine Learning)
6 Aplicações da Ciência de Dados
7 Ciclo de Vida de Projetos de Data Science
8 Carreiras em Data Science
9 Como se tornar um Cientista de Dados
Introdução
Pré-requisitos:
• Arquitetos de Soluções
• Profissionais de TI
• Gestores de TI
• Estudantes
• Lifetime learners
O que é Ciência de Dados
O que é Ciência de Dados
Definição de
Ciência de
Dados
Áreas de Dados e
Conhecimento Tomada de
Decisão
O que é Ciência de Dados
Um Mercado em Expansão
Um Mercado em Expansão
Um Mercado em Expansão
Um Mercado em Expansão
A disciplina de
Ciência de Dados
não evoluiu da noite
para o dia
O que é Ciência de Dados
O principal objetivo da
Ciência de Dados é extrair e
interpretar os dados de forma
eficaz e apresentá-lo em uma
linguagem simples e não
técnica para os usuários finais
e tomadores de decisão
O que é Ciência de Dados
Matemática e
Estatística
Data
Science
Conhecimento
Ciência da
das áreas de
Computação
negócio
O que é Ciência de Dados
Matemática e
Estatística
Data
Science
Conhecimento
Ciência da
das áreas de
Computação
negócio
O que é Ciência de Dados
Pensamento Método
Hacker Científico
Conhecimento
de Negócios Matemática
Data
Science
Engenharia
de Dados Estatística
Computação
Visualização
Avançada
O que é Ciência de Dados
Pensamento Método
Hacker Científico
Conhecimento
de Negócios Matemática
Data
Science
Engenharia
de Dados Estatística
Computação
Visualização
Avançada
O que é Ciência de Dados
Perceba que a palavra chave em Data Science, não é Data e sim Science
O que é Ciência de Dados
Exemplo:
Problema identificado: Clientes cancelam seus planos de telefonia com frequência de 2 a 3 meses após
assinatura do plano.
1- Dados e Análise – Dados coletados e analisados, levaram à conclusão que existe uma tendência entre os
clientes de operadoras de telefonia em trocar de operadora após o terceiro contato com atendimento ao cliente
3- Ação – a empresa contratou uma consultoria para fornecer treinamento especializado de atendimento ao
cliente, passou a monitorar as ligações, criou programas de incentivo aos melhores operadores, etc…
O que é Ciência de Dados
Dados Ação
O que é Ciência de Dados
Acontecerá novamente?
Dados Ação
Decisão
Por que aconteceu?
O que aconteceu?
O que é Ciência de Dados
Exemplo:
Problema identificado: Clientes cancelam seus planos de telefonia com frequência de 2 a 3 meses após
assinatura do plano.
1- Dados e Análise – Dados coletados e analisados, levaram à conclusão que existe uma tendência entre os
clientes de operadoras de telefonia em trocar de operadora após o terceiro contato com atendimento ao cliente
3- Ação – a empresa contratou uma consultoria para fornecer treinamento especializado de atendimento ao
cliente, passou a monitorar as ligações, criou programas de incentivo aos melhores operadores, etc…
O que é Ciência de Dados
Valor
Acontecerá novamente?
Dados Ação
Decisão
Por que aconteceu?
O que aconteceu?
O que é Ciência de Dados
Busque conhecimentos
para se tornar um
profissional de Analytics.
www.facebook.com/dsacademybr
twitter.com/dsacademybr
www.linkedin.com/company/data-science-academy
Ciência de Dados e Big Data
Ciência de Dados e Big Data
Procedimentos
Mídias Médicos
Sociais
Notícias
e Jornais
Imagens
por satélite
Correlação Análise
Sensores e Sistemas
Insights
E-commerce TV & de Monitoramento
Video
Ciência de Dados e Big Data
Ciência de Dados e Big Data
Ciência de Dados e Big Data
Entidade
Características
Ambiente
O que são dados?
Evento
Comportamento
Resultado
Observação
Ciência de Dados e Big Data
Ciência de Dados e Big Data
O que é um
dataset?
Ciência de Dados e Big Data
Estou preparando
meus datasets!
O que é um
dataset?
Conjunto de Dados
Ciência de Dados e Big Data
• Coleção de observações
• Cada observação é tipicamente chamada de registro
O que é um • Cada registro tem um conjunto de atributos que
dataset? apontam características, comportamentos ou
resultados
Ciência de Dados e Big Data
Datasets
Semi Não
Estruturados Estruturados Estruturados
Datasets
Interno
Fonte dos Dados
processos • Mensagens de voz
• Bancos de dados de sistemas • Imagens / ilustrações
internos (ERP, CRM) • Avaliação de funcionários
E o Big Data?
Ciência de Dados e Big Data
Big Data
Big Data
E o Big Data?
E o Big Data?
Coleta
Integração
Decisões e Big Data
Ações
Análise
Ciência de Dados e Big Data
Coleta
Integração
Decisões e Big Data
Ações
Análise
Ciência de Dados e Big Data
Coleta
Integração
Decisões e Big Data
Ações
Análise
Ciência de Dados e Big Data
Coleta
Integração
Decisões e Big Data
Ações
Análise
Ciência de Dados e Big Data
Coleta
Integração
Decisões e Big Data
Ações
Análise
Ciência de Dados e Big Data
Ciência de Dados e Big Data
Ciência de Dados e Big Data
Dados Internos
Estruturados, previsíveis, permanentes,
ERP CRM BI SCM RH
fáceis de obter
Até 2018, haverá um deficit de 140 a 190 mil profissionais com habilidades em
análise de dados e mais de 1,5 milhão de gerentes e analistas que saibam
usar Big Data de forma efetiva para tomada de decisões.
– Roy Amara
Ciência de Dados e Big Data
As profissões relacionadas
a análise de dados, estão
entre as mais promissoras
na próxima década.
Ciência de Dados e Big Data
Ciência de Dados e Estatística
Ciência de Dados e Estatística
Definindo Estatística
Matemática e
Estatística
Data
Science
Conhecimento
Ciência da
das áreas de
Computação
negócio
Ciência de Dados e Estatística
3. Eles podem visualizar e resumir seus dados e sua análise de uma maneira
que seja significativa para alguém menos familiarizado com os dados,
baseado em sua experiência de áreas de negócio.
Ciência de Dados e Estatística
O Aprendizado de Estatística
O Aprendizado de Estatística
Toda vez que você usa o aplicativo para “marcar” pessoas nas
fotos, do “Facebook” e ele reconhece as fotos de seus amigos,
isto também é Machine Learning.
Machine Learning
O objetivo de
Esta abordagem,
algoritmos de
tem enormes
aprendizado de
benefícios no
máquina é
sentido de que
aprender a tomar
um método pode
decisões
servir a muitos Quando você está navegando
baseadas em
propósitos por um catálogo e clicando nos
dados
itens que gostaria de comprar,
um algoritmo está aprendendo
Além disso, os É exatamente por
sistemas de isso que a sua as suas preferências e aquele
aprendizado de conta em um site tipo de produto passa a ser
máquina são de compras oferecido para você.
projetados para parece diferente
melhorar à quando você está
medida que logado do que
novos dados são quando você não
coletados está
Machine Learning
Supervisionado e Não-Supervisionado
Machine Learning
Exemplo:
Exemplo:
Existe um terceiro tipo de aprendizagem, que ainda não é tão popular, mas que
vale mencionar aqui:
Reinforcement Learning
• Classificação
• Regressão
Machine Learning
Classificação
Texto Sentimento
”Excelente curso! Bem explicativo, claro e objetivo” Positivo
”Não fique neste hotel. Os quartos cheiram a mofo” Negativo
Machine Learning
Regressão
Aprendizagem supervisionada é a
categoria mais popular de algoritmos
de aprendizagem de máquina
Machine Learning
• Árvores de Decisão
• Naive Bayes
• KNN (K - Nearest Neighbors)
• K-Means
• Random Forest
• Redução de Dimensionalidade
• SVM - Support Vector Machines
Machine Learning
Este tem sido um tema muito discutido recentemente. Basicamente, a aprendizagem profunda refere-
se a uma categoria de algoritmos de Machine Learning, que muitas vezes usam redes neurais artificiais
para gerar modelos.
Machine Learning
Qualquer área onde dados estejam disponíveis, pode ser beneficiar de algoritmos
de Machine Learning
Machine Learning
Processamento de Imagens
Processamento de Imagens
Processamento de Imagens
Processamento de Imagens
Análise de Texto
Análise de Texto
Análise de Texto
Análise de Texto
Data Mining
Data Mining
Por exemplo:
Machine Learning
Data Mining
Data Mining
Data Mining
Games e Robótica
Games e Robótica
Games e Robótica
Games e Robótica
E este é um dos fatores que tem feito com que Data Science
tenha atraído tanto o interesse de empresas, profissionais e
do mercado em geral.
Aplicações da Ciência de Dados
Operações
Manufatura
Gestão de Logística
Comportamento do Cliente
Processos e Procedimentos
Performance de Campanhas de Marketing
Aplicações da Ciência de Dados
E este é o reino da
Ciência de Dados
Aplicações da Ciência de Dados
Finanças
Comércio e Varejo
Call Center
Saúde
Tecnologia
Astronomia
Aplicações da Ciência de Dados
Outros exemplos:
• Netflix
• Mídia Social (Facebook, LinkedIn, Twitter)
• Web Apps (Uber, AirBnB)
• Planejamento urbano (Cidades Europeias)
• Astrofísica (Nasa)
• Saúde Pública (Hospitais Americanos)
• Esportes (NFL)
Aplicações da Ciência de Dados
Educação
Saúde
Financeiro
• Detecção de fraudes
• Análise de risco
• Análise de perfil
• Geolocalização
Aplicações da Ciência de Dados
Governos
Pense nisso!
Aplicações da Ciência de Dados
Business Intelligence
Aplicações da Ciência de Dados
DataOps
Aplicações da Ciência de Dados
Integração de Dados
Engenharia Qualidade
DataOps
de Dados de Dados
Segurança de Dados
Aplicações da Ciência de Dados
DevOps DataOps
Aplicações da Ciência de Dados
Mas essa disciplina só é útil na medida em que ela possa ser executada de
forma confiável e eficiente
Aplicações da Ciência de Dados
E para que isso aconteça, você precisa do DataOps para que seus DBAs,
Cientistas de Dados, Desenvolvedores, Infraestrutura e Operações estejam
em harmonia e focados na mesma direção.
Aplicações da Ciência de Dados
Data Lake
Aplicações da Ciência de Dados
Data Lake
Data Lake
Data Lake
Data Lake
Data Lake
Data Warehouse
Data Warehouse
Data Lake
Aplicações da Ciência de Dados
Preparação dos
dados
Dados
Implementação (Big Data)
Big Data
Analytics
Modelagem
Avaliação
Ciclo de Vida de Projetos de Data Science
Atenção!!
Estatística
Busca em bancos de dados (Database Query)
Data Warehousing
Análise de Regressão
Machine Learning e Data Mining
Ciclo de Vida de Projetos de Data Science
Identificar o problema é uma das tarefas principais em um
projeto de Data Science
Exemplo
Ciclo de Vida de Projetos de Data Science
Esta pergunta poderia facilmente ser respondida com uma consulta simples a um banco
de dados, usando linguagem SQL
Ciclo de Vida de Projetos de Data Science
Algum cliente em particular estará no grupo dos mais rentáveis? Quanto de faturamento
posso esperar vindo deste cliente?
Aqui poderíamos utilizar Data Mining, para examinar o histórico dos clientes e criar
modelos preditivos de geração de lucro por cliente. Estes modelos poderiam ser
aplicados automaticamente usando Machine Learning
Ciclo de Vida de Projetos de Data Science
Ciclo de Vida
Ciclo de Vida de Projetos de Data Science
Preparação Analytics
Engenharia Produção
de Dados
Ciclo de Vida de Projetos de Data Science
Preparação Engenharia
Engenharia de Dados Analytics
Analytics Produção
Produção
Preparação de Dados
Operacionalização de
Compreensão do problema Limpeza Inferências
alimentação de dados
Transformação Modelagem
Conhecimento dos dados Melhoria contínua
Enriquecimento Predição
Persistência Comunicação
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
Análise
Dados Exploratória Modelagem Interpretação Comunicação
de Dados
Análise
Exploratória Perguntas Mais Dados
de Dados
Ciclo de Vida de Projetos de Data Science
A qualidade dos seus outputs será determinada pelas qualidade dos seus inputs
Relatórios
Narrativas
Facilidade de Uso
Produtos gerados em
Reproducibilidade
projetos de Data Apresentações
Documentação
Science
Conclusões Concisas
Web Sites
Aplicativos
Ciclo de Vida de Projetos de Data Science
Cultura Data-Driven
Ciclo de Vida de Projetos de Data Science
Fonte: https://www.idc.com
Ciclo de Vida de Projetos de Data Science
Projetos de Data Science são cada vez mais comuns e estão mudando a forma
como as empresas fazem negócio.
http://www.indeed.com.br
Carreiras em Data Science
Crescimento do volume de dados x Crescimento da formação de Analistas de Dados
1) Cientistas de dados
2) Analistas de negócio
3) Profissionais de tecnologia
Uma pesquisa mundial da IBM corrobora estes dados, mostrando que apenas uma
em dez organizações acredita que tenha profissionais com as capacitações
necessárias e que três em cada quatro estudantes e professores reportam que
existe um gap de moderado a grande entre o que é ensinado hoje e o que o
mercado de trabalho realmente necessita
Carreiras em Data Science
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Cientista de
Dados
Engenheiro de
Estatístico
Dados
Ciência
de
Administrador
de Banco de
Dados Analista de
Dados
Dados
Analista de Arquiteto de
Negócios Dados
Carreiras em Data Science
Analista de Negócios
Carreiras em Data Science
Analista de Dados
Carreiras em Data Science
Trabalhar com as equipes de TI, gestão e / ou Cientistas de Dados
Analista de Dados para determinar os objetivos organizacionais
Coletar dados de fontes primárias e secundárias
Realizar limpeza nos dados e descartar informações irrelevantes
Analisar e interpretar os resultados utilizando ferramentas estatísticas
e técnicas convencionais
Identificar tendências, correlações e padrões em conjuntos de dados
complexos
Identificar novas oportunidades para melhoria de processos
Fornecer relatórios de dados concisos e visualizações de dados
claros para a gestão
Concepção, criação e manutenção de bancos de dados relacionais e
NoSQL e sistemas de dados
Resolver problemas de código e questões relacionadas a dados
Dominar linguagens (R, Python, SQL) e softwares de análise de
dados (SAS, Tableau, Qlik)
Carreiras em Data Science
Arquiteto de Dados
Carreiras em Data Science
Colaborar com as equipes de TI e gestão para elaborar uma estratégia
Arquiteto de Dados de dados que atenda os requisitos da empresa
Criar um inventário de dados necessários para implementar a
arquitetura
Pesquisar novas oportunidades de aquisição de dados
Identificar e avaliar as atuais tecnologias de gerenciamento de dados
Criar um fluxo de dados dentro da empresa
Desenvolver modelos de dados
Projetar, documentar, construir e implantar arquiteturas e aplicações de
banco de dados (por exemplo, grandes bancos de dados relacionais e
NoSQL)
Integrar a funcionalidade técnica (por exemplo, escalabilidade,
segurança, desempenho, recuperação de dados, confiabilidade, etc.)
Implementar medidas para assegurar a precisão dos dados e
acessibilidade
Monitorar constantemente, aperfeiçoar e apresentar um relatório sobre o
desempenho dos sistemas de gerenciamento de dados
Carreiras em Data Science
Engenheiro de Dados
Carreiras em Data Science
Estatístico
Carreiras em Data Science
Aplicar teorias e métodos estatísticos para resolver problemas práticos
Estatístico de negócios, engenharia, ciências ou outras áreas de conhecimento
Decidir quais dados são necessários para responder a perguntas ou
problemas específicos
Determinar métodos para encontrar ou coletar dados
Realizar pesquisas de opinião para coletar dados
Coletar dados ou treinar outras pessoas a fazê-lo
Analisar e interpretar dados
Relatar conclusões a partir de suas análises
Decidir sobre uma estratégia adequada para coletar dados
Extrair dados de fontes existentes ou instigar novos procedimentos (por
exemplo, pesquisas com clientes, experiências científicas, sondagens
de opinião, etc.)
Analisar e interpretar dados usando ferramentas, algoritmos, modelos
estatísticos e software (por exemplo R, SAS, SPSS, etc.)
Projetar novos modelos estatísticos e ferramentas de coleta de dados,
se necessário
Carreiras em Data Science
Cientista de Dados
Carreiras em Data Science
Comunicar previsões e resultados para a gestão e os departamentos de
Cientista de Dados TI através de visualizações de dados eficazes
Extrair grandes volumes de dados de múltiplas fontes internas e
externas
Empregar os programas de análise sofisticadas, aprendizado de
máquina e métodos estatísticos para preparar os dados para uso em
modelagem preditiva e prescritiva
Explorar e analisar dados de uma variedade de ângulos para determinar
fraquezas escondidas, tendências e / ou oportunidades
Conceber soluções orientadas a dados para os principais desafios da
empresa
Criar novos algoritmos para resolver problemas e criar novas
ferramentas para automatizar o trabalho
Recomendar mudanças econômicas aos procedimentos e estratégias
existentes
Dominar técnicas de análise e armazenamento de dados
Carreiras em Data Science
Entra em cena então o Chief Data Officer – CDO (Executivo Chefe de Dados)
Esta função é relativamente nova e muitas empresas ainda não estão dando atenção a isso
Carreiras em Data Science
O papel do CDO é trazer ordem para o caos nos dados e proteger o investimento da
empresa, seja na coleta, armazenamento ou análise de dados
Carreiras em Data Science
Tão ruim quanto armazenar dados de forma imprecisa, é analisar estes dados
armazenados de forma imprecisa, o que pode levar a decisões de negócio catastróficas
Como se tornar um Cientista de Dados
Como se tornar um Cientista de Dados
www.datascienceacademy.com.br
Como se tornar um Cientista de Dados
E a curiosidade de
explorar quais são
os problemas que
precisam ser
resolvidos
Como se tornar um Cientista de Dados
Cientista de Dados
• Curiosidade
• Intuição
• Comunicação
• Capacidade de apresentação
• Criatividade
• Conhecimento de Negócios
Como se tornar um Cientista de Dados
Machine
Contador de
Learning e
História
Estatística
Características de um
Cientista de Dados Aplicação de
Métodos Programação
Científicos
Engenharia
Curiosidade
de Dados
Como se tornar um Cientista de Dados
Contador de Conhecimento
História de Negócio
Características de um
Cientista de Dados
Como se tornar um Cientista de Dados
Machine
Business Learning / Big Matemática Programação Estatística
Data
Desenvolvimento de Dados não Programação Back Estatísticas
Otimização
Produtos estruturados e Front-end temporais
Manipulação de
Machine Learning Algoritmos
dados
Big Data e dados
Simulações Estatística clássica
distribuídos
Como se tornar um Cientista de Dados
• Estatística
• Machine Learning
• Big Data
• Business
Como se tornar um Cientista de Dados
O que faz um Cientista de Dados?
Como se tornar um Cientista de Dados
O que faz um Cientista de Dados?
Dados
Relatórios
Análise / Modelos
Estatísticos
Processamento Datasets Visualização
Machine
Learning
Apps orientadas
a dados
Como se tornar um Cientista de Dados
Networking e
Experiência
Big Data Prática
Filtragem e
Visualização
Banco de de Dados
Dados
Programação
Aprendizado
de Máquina
Matemática e
Estatística
Como se tornar um Cientista de Dados
O que o Cientista de Dados precisa saber?
Área de Conhecimento Habilidade
Matemática e Estatística Álgebra Linear, Estatística Descritiva, Testes de Hipótese, Análise Bayesiana
Aprendizado de Máquina Aprendizagem Supervisionada e Não-Supervisionada, Classificação, Regressão,
Clustering
Programação Python, R, Scala, Java, Julia, SAS, SQL, C++
Banco de Dados Bancos Relacionais e Bancos No-SQL como MongoDB
Filtragem e Visualização de D3.js, Tableau, Infovis, ggplot2
Dados
Big Data Hadoop, Spark, Storm, Cassandra
Área de Negócio Finanças, Marketing, Varejo, Astronomia, Saúde, Tecnologia
Como se tornar um Cientista de Dados
Em resumo...
Como se tornar um Cientista de Dados
Em resumo...
Como se tornar um Cientista de Dados
Se você quer participar desse mercado promissor, de Data Science e Big Data,
foque em ser o melhor naquilo que sabe fazer e deixa você confortável.
Frameworks
Banco de
Linguagem de Big Data,
Dados Visualização
Estatística de como Business
Relacional e de Dados
Programação Hadoop e
NoSQL
Spark
Como se tornar um Cientista de Dados
• DataKind (www.datakind.com)
• Data Science For Social Good (www.dssg.uchicago.edu)
Como se tornar um Cientista de Dados
Como se tornar um Cientista de Dados
www.datascienceacademy.com.br
Muito Obrigado!
Muito Obrigado!
Bibliografia
Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. HMHCO.
Flach, P. (2012). Machine Learning: The Art and Science of Algoritms that Make Sense of Data. Cambridge University
Press.
Gutierrez, S. (2014). Data Scientists at Work. Apress.
Haider, M. (2015). Getting Started with Data Science: Making Sense of Data with Analytics. IBM Press.
Hamilton, B. A. (2015). Field Guide to Data Science. Booz Allen.
Khanna, R. (2015). Efficient Learning Machines: Theories, Concepts, and Applications for Engineers and System
Designers. Apress.
Mitchell, T. (1997). Machine Learning. McGraw-Hill.
Provost, F. (2015). Data Science for Business: What you need to know about data mining and data-analytic thinking.
O'Reilly Media.
Siegel, E. (2016). Predicitive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die. Wiley.
Steinwart, I. (2008). Support Vector Machines. Springer.
Voulgaris, Z. (2014). Data Scientist: The Definitive Guide to Becoming a Data Scientist. Technics.
W. Foreman, J. (2013). Data Smart: Using Data Science to Transform Information into Insights. Wiley.
www.datascienceacademy.com.br
Curta Nossas Páginas nas Redes Sociais
E fique sabendo das novidades em Data Science, Big Data, Internet das Coisas e
muito mais…
www.facebook.com/dsacademybr
twitter.com/dsacademybr
www.linkedin.com/company/data-science-academy