Exploração de Visualização de dados

Resumo

Propomos um curso de extensão universitária no IME/UFBA, com o intuito de promover a interação entre a universidade e a comunidade externa. Este curso, ministrado ao longo de dois dias, totalizando oito horas, enfoca a linguagem Python e as bibliotecas pandas, numpy, seaborn, e matplotlib.pyplot para exploração e visualização de dados. O projeto terá protagonismo discente, integrando estudantes na equipe executora para uma experiência prática. Gratuito e livre, o curso emitirá certificado pela UFBA, incentivando a democratização do conhecimento e fortalecendo laços entre academia e sociedade. Essa iniciativa visa preparar as/os participantes na aplicação e interpretação cientificamente correta da Estatística e Ciência de Dados, contribuindo para o desenvolvimento acadêmico e profissional, alinhando-se à missão universitária de disseminar o saber e promover a inclusão digital. Esta ação de extensão prevê 20 vagas.

Área

De acordo com o disposto na Política Nacional de Extensão, este Projeto de Extensão está vinculado às áreas temáticas descritas a seguir.

Linha Programática: Educação profissional;
Área(s) de Conhecimento(s): Ciências Exatas e da Terra;
Área(s) Temáticas(s): Tecnologia.

Coordenação

Professor Doutor Gilberto Pereira Sassi, Departamento de Estatística, Instituto de Matemática e Estatística, Universidade Federal da Bahia.
Professora Doutora Carolina Costa Mota Paraíba, Departamento de Estatística, Instituto de Matemática e Estatística, Universidade Federal da Bahia.

Universidade universitária

Instituto de Matemática e Estatística da Universidade Federal da Bahia.

Público alvo

Profissionais que usam análises estatísticas de dados.

Número esperado de participantes

Local de realização

Laboratório de ensino de informática do IME-UFBA.

Metodologia

metodologia do curso será de aulas expositivas e práticas em laboratório de informática usando a linguagem python.

Conteúdo programático

Apresentação da linguagem python;
Apresentação da IDE Jupyter Notebook e Google Colab;
Leitura de arquivos .xlsx, e .csv;
Estruturas básicas de dados: list, tuple, dict and set;
Matrizes e vetores usando arrays do NumPy;
Apresentação de Series e DataFrame da pandas;
Visualização de dados usando matplotlib.pyplot e seaborn;
Medidas de resumo usando o pacote pandas;