Gestão e Análise de Dados (2025/2)
Plano de Ensino: Gestão e Análise de Dados
Ementa da Disciplina
Fundamentos da análise combinatória. Estudo dos conceitos de Probabilidade. Introdução à estatística e análise exploratória de dados. Amostragem. Discussão e aplicação prática dos conceitos de Estimação, intervalos de confiança e testes de significância. Distribuições de probabilidade. Coleta, Análise e Interpretação de dados de pesquisa. Representação gráfica de dados de pesquisa. Inferência estatística.
Metodologia de Ensino
A disciplina adotará a metodologia Project-Based Learning (PBL), onde os alunos aprenderão ativamente através do desenvolvimento de projetos práticos e significativos. As aulas síncronas combinarão exposições teóricas com atividades práticas e discussões. Os encontros assíncronos serão utilizados para reforço do aprendizado, revisão e aprofundamento de tópicos, sem a introdução de novos conteúdos. Serão desenvolvidos dois trabalhos complementares (teóricos/práticos) ao longo do semestre, que não consumirão tempo dos encontros síncronos.
Objetivos de Aprendizagem
Ao final da disciplina, o aluno será capaz de:
- (a) Compreender os fundamentos da análise combinatória, probabilidade e estatística para a manipulação e interpretação de dados.
- (b) Desenvolver habilidades em coleta, organização e visualização de dados utilizando ferramentas computacionais.
- (c) Aplicar técnicas de inferência estatística para a tomada de decisões embasadas em dados.
- (d) Conceber projetos de análise de dados, desde a formulação do problema até a apresentação das conclusões.
Encontros Detalhados
A seguir, apresento o detalhamento dos 24 encontros:
| Encontro | Tema | Objetivo | Formato | Metodologia Inovadora | Recursos Utilizados | Local |
|---|---|---|---|---|---|---|
| 1 (Síncrono) | Introdução à Gestão e Análise de Dados | Apresentar a disciplina, e a importância da análise de dados na Ciência da Computação. | Teórica | Discussão em Grupo | Slides, Whiteboard, Casos de Sucesso | Sala de Aula/Laboratório |
| 2 (Síncrono) | Fundamentos de Análise Combinatória | Compreender princípios de contagem e arranjos para análise de dados. | Teórica | Resolução Colaborativa | Slides, Exercícios, Plataforma online | Sala de Aula |
| 3 (Síncrono) | Introdução à Probabilidade e Eventos | Entender conceitos de probabilidade, espaço amostral e eventos. | Teórica | PBL: Definição Projeto | Slides, Exercícios, Estudo de Caso | Sala de Aula |
| 4 (Assíncrono) | Reforço: Análise Combinatória e Probabilidade | Revisar e aprofundar conceitos de combinatória e probabilidade com exercícios extras. | Prática | Autoestudo Guiado | Videoaulas, Listas de Exercícios, Fórum online | Ambiente Virtual |
| 5 (Síncrono) | Probabilidade Condicional e Teorema de Bayes | Aplicar probabilidade condicional e Teorema de Bayes em problemas computacionais. | Teórica | Estudo Dirigido | Slides, Exemplos Práticos, Jupyter Notebook | Sala de Aula/Laboratório |
| 6 (Síncrono) | Introdução à Estatística Descritiva | Descrever e resumir dados utilizando medidas de tendência central e dispersão. | Teórica/Prática | Hands-on Labs | Slides, Datasets, Python (Pandas) | Laboratório |
| 7 (Síncrono) | Análise Exploratória de Dados (AED) | Visualizar e interpretar dados para identificar padrões e anomalias. | Prática | Análise de Casos | Ferramentas de Visualização (Matplotlib, Seaborn) | Laboratório |
| 8 (Assíncrono) | Reforço: Estatística Descritiva e AED | Revisar e praticar técnicas de estatística descritiva e AED com novos conjuntos de dados. | Prática | Resolução de Problemas | Exercícios Resolvidos, Material Complementar | Ambiente Virtual |
| 9 (Síncrono) | Amostragem e Tipos de Amostras | Compreender a importância da amostragem e os diferentes métodos de seleção de amostras. | Teórica | Debate Guiado | Slides, Artigos de Pesquisa | Sala de Aula |
| 10 (Síncrono) | Estimação: Ponto e Intervalo | Estimar parâmetros populacionais e construir intervalos de confiança. | Teórica/Prática | Simulação | Slides, Python (SciPy), Tabelas Estatísticas | Laboratório |
| 11 (Síncrono) | Revisão G1 | Reforçar os conteúdos abordados até o momento. | Prática | Resolução de Questões | Exercícios de Fixação | Sala de Aula |
| 12 (Assíncrono) | Reforço: Preparação G1 | Praticar com mais exercícios e revisar os tópicos mais importantes para a prova. | Prática | Simulados Online | Questões Objetivas, Material de Revisão | Ambiente Virtual |
| 13 (Síncrono) | Prova G1 | Avaliar o conhecimento adquirido. | Avaliação | Prova Individual | Instrumento de Avaliação | Sala de Aula |
| 14 (Síncrono) | Introdução aos Testes de Significância | Compreender a lógica dos testes de hipóteses e seus tipos. | Teórica | Estudo de Casos | Slides, Artigos, Exemplos Reais | Sala de Aula |
| 15 (Síncrono) | Distribuições de Probabilidade (Discretas e Contínuas) | Analisar e aplicar as principais distribuições de probabilidade em problemas reais. | Teórica/Prática | Modelagem de Cenários | Slides, Python (NumPy, SciPy) | Laboratório |
| 16 (Assíncrono) | Reforço: Testes de Significância e Distribuições | Revisar e aprofundar a compreensão sobre testes de hipóteses e distribuições. | Prática | Análise de Dados | Datasets, Ferramentas de Análise Estatística | Ambiente Virtual |
| 17 (Síncrono) | Coleta de Dados e Qualidade dos Dados | Planejar a coleta de dados e identificar problemas de qualidade. | Teórica | Discussão de Casos | Slides, Ferramentas de Coleta (Questionários online) | Sala de Aula |
| 18 (Síncrono) | Análise e Interpretação de Dados de Pesquisa | Interpretar resultados de análises estatísticas e tirar conclusões válidas. | Prática | Workshop | Datasets Reais, Ferramentas de Análise (R, Python) | Laboratório |
| 19 (Síncrono) | Representação Gráfica de Dados de Pesquisa | Criar gráficos eficazes para comunicar insights de dados. | Prática | Criação de Dashboards | Ferramentas de Visualização (R, Python) | Laboratório |
| 20 (Assíncrono) | Reforço: Coleta, Análise e Visualização de Dados | Praticar a coleta, análise e visualização de dados com novos projetos práticos. | Prática | Desenvolvimento Guiado | Tutoriais, Ferramentas online, Exemplos | Ambiente Virtual |
| 21 (Assíncrono) | Reforço: Inferência Estatística | Revisar e aprofundar conceitos de inferência. | Prática | Resolução de Desafios | Artigos Científicos, Estudos de Caso, Fórum | Ambiente Virtual |
| 22 (Síncrono) | Revisão G2 | Consolidar todo o conteúdo da disciplina. | Prática | Simulação de Prova | Exercícios de Fixação, Questões Dissertativas | Sala de Aula |
| 23 (Síncrono) | Prova G2 | Avaliar o conhecimento global adquirido na disciplina. | Avaliação | Prova Individual | Instrumento de Avaliação | Sala de Aula |
| 24 (Síncrono) | Prova Substitutiva / Exame Final | Oportunidade para alunos que perderam a prova ou para exame final (todo o conteúdo). | Avaliação | Prova Individual | Instrumento de Avaliação | Sala de Aula |
Trabalhos Complementares (Não Utilizam Encontros)
- Trabalho Complementar 1: Projeto de Análise Exploratória de Dados (AED)
- Objetivo: Desenvolver um projeto prático aplicando as técnicas de estatística descritiva e AED em um conjunto de dados real.
- Entrega: Relatório detalhado com a análise, visualizações e conclusões.
- Período: Após o Encontro 7 e antes do Encontro 11.
- Trabalho Complementar 2: Projeto de Inferência Estatística
- Objetivo: Elaborar um projeto prático aplicando testes de hipóteses e outras técnicas de inferência estatística para responder a uma pergunta de pesquisa.
- Entrega: Relatório técnico com a metodologia, resultados e discussão, além de uma apresentação curta em formato de vídeo ou slides narrados.
- Período: Após o Encontro 18 e antes do Encontro 22.