Você está na página 1de 18

Introdução ao Python

1. Plano de Ensino e Introdução


Rodrigo Barbosa de Santis
Sumário
• Apresentação

• Plano de Ensino

• Bibliografia

• Objetivos de Aprendizagem

• Estratégias de Ensino

• Plano de Avaliação

• Conteúdo e Cronograma

• Contextualização
Apresentações

• Rodrigo Barbosa de Santis

• Graduado em Engenharia de Produção pela UFJF (2009-2015) com


período sanduíche de 1 ano na University of Strathclyde - Escócia (2012-
2013), mestre em Modelagem Computacional pela UFJF (2016-2018) e
doutorando em Engenharia de Produção na UFMG (2019-2022)

• Consultor em Cadeia de Suprimentos na OM Partners (2017-2019),


assistente em Cadeia de Suprimentos na MRS Logística (2013-2014) e
estagiário em PCP na Becton & Dickinson (2012)
Bibliografia
Objetivos de Aprendizado

• Ser capaz de escrever códigos básicos usando a linguagem de


programação Python e fazer uso das bibliotecas de matemática
linear, manipulação de dados e representação gráfica

• Ser capaz de carregar e explorar bancos de dados pré-


processados e extrair conclusões a partir de estatísticas básicas e
gráficos usando python

• Ser capaz de aplicar algoritmos básicos de aprendizado de


máquina e avaliar os resultados obtidos com senso crítico e
reportar a terceiros
Estratégia de Ensino

• Aulas práticas no laboratório, com exposição de conteúdo


e realização de exercícios.

• Projeto em grupo em competição em plataforma de


aprendizado de máquina.
Avaliação

Composição da nota:

• Listas de exercícios - 20 pontos

• Questionário de aprendizado - 30 pontos

• Trabalho final em grupo - 50 pontos

• Apresentações orais no final do curso

• Relatório em formato de artigo


Cronograma

• Ver arquivo “Plano de Ensino.pdf”


Contextualização
Áreas da Inteligência Computacional

Sistemas
Neuro
Fuzzy

Redes
Lógica Fuzzy Neurais
Fuzzy
Redes
Sistema
Neurais
Fuzzy Redes
Genético Neurais
Genéticas
Algoritmos Fuzzy
Evolucionários

Computação
Evolucionista

Adaptado de: Suraj Indiver & Vyom Kulshreshtha, 2017


Conferências

• Brazilian Conference on Intelligent Systems (BRACIS)

• 6th IEEE Latin American Conference on Computational


Intelligence (LA-CCI)

• IEEE World Conference on Computational Intelligence


(WCCI) 2020
Ciência dos dados
O que preciso para ser um (bom)
cientista de dados?
• Python (pandas, numpy)

• R (dityverse, caret)

• Jupyter, spyder, Rmarkdown, shiny

• Visualização de dados (ggplot2, matplotlib, seaborn, plotly)

• Modelos lineares generalizados (ridge, lasso)

• Modelos não paramétricos (máquina de vetor suporte, árvores, KNN,


redes neurais)

• Banco de dados SQL (Postgree, Oracle, SQL server) e NoSQL


(MongoDB)
O que preciso para ser um (bom)
cientista de dados?
• Estatística - distribuições de probabilidades, testes de hipótese, etc.

• Biblioteca de aprendizado de máquina (sci-kit learn)

• Bibliotecas de aprendizado profundo (keras, tensorflow, PyTorch)

• Computação em Nuvem (AWS, Azure, Google Cloud)

• Conhecimento em ferramentas de BI (PowerBI, Tableau, Metabase


ou Qlik)

• Experiência em projetos de machine learning, capacidade de


comunicar resultados (oratória) e capacidade de trabalho em grupo
O “AirBnb” dos cientista dos dados – onde eles passam suas noites e fins de
semana.

• É uma plataforma que busca atrair, estimular, treinar e desafiar os


cientistas de dados de todo o mundo para solucionar problemas de ciência
de dados, aprendizado de máquina e análise preditiva.
• Competições baseados em bancos de dados reais de diversos
segmentos (finanças, negócio, etc.)
• Oferece acesso milhares de datasets abertos para acesso livre
• Colaboração entre usuários com kernels públicos e fóruns de
discussões
• Foi adquirida pela Google em 2017
Nossa Competição

Convite para acessar:

https://www.kaggle.com/t/1990220574474ce3bce96f72cb01c499
Tarefa p/ próxima aula...

• Instalar o Anaconda (https://www.anaconda.com/) na sua


máquina, e faça um programa para imprimir “Hello world!”
em uma das IDE’s: Spyder, Rstudio ou Jupyter Notebook

• Acessar a competição no Kaggle e criar uma conta

• Definir equipes (até 4 pessoas)