Trilha — Ciência de Dados

Trilha de disciplina — a ordem de leitura do livro para um curso específico.

O número do capítulo é um identificador estável, não uma ordem. Um mesmo capítulo pode aparecer em mais de uma trilha, e capítulos de números distantes podem ser vizinhos aqui. É isso que permite ao livro cobrir três disciplinas sem se repetir.

Disciplina: Ciência de Dados · Curso: Engenharia de Software · Professor: —

Esta trilha cobre a base — a disciplina que antecede Análise Preditiva e Aprendizagem de Máquina. Serve a dois públicos: quem está cursando, e quem já cursou e precisa revisar antes das disciplinas seguintes.

Se você chegou aqui vindo de Análise Preditiva ou de Aprendizagem de Máquina e alguma coisa não fez sentido, provavelmente o que faltou está nesta trilha.

Fundamentos e ciclo

# Capítulo Cobre
1 19 — O Ciclo da Ciência de Dados CRISP-DM, papéis, relação entre Ciência de Dados, IA e Estatística
2 00 — Introdução quando ML é a resposta e quando não é

Coleta e integração

# Capítulo Cobre
3 20 — Coleta e Integração formatos, APIs, scraping, SQL e NoSQL, data lake e warehouse, bases públicas

Limpeza e pré-processamento

# Capítulo Cobre
4 02 — Qualidade e Vazamento nulos, duplicatas, ficha de dataset, viés de seleção, e o vazamento
5 03 — Representação codificação, normalização, padronização, engenharia de atributos

Visualização e comunicação

# Capítulo Cobre
6 21 — Análise Exploratória estatística descritiva, dispersão, correlação, outliers
7 22 — Visualização e Storytelling escolha do gráfico, distorções visuais, narrativa de dados

Uma primeira passada por modelagem

# Capítulo Cobre
8 01 — Fundamentos generalização, viés e variância
9 04 — Avaliação métricas, e por que acurácia engana
10 05 — Modelos Lineares o primeiro modelo, interpretável — com o laboratório de mínimos quadrados

Prática

Etapas 00 e 02 do ml-zero — linha de base, divisões honestas e a ficha de dataset como portão executável. Ambas em Python puro, sem instalar nada além do pytest.