Grupo de Estudo

Ciência de Dados

Objetivo principal

Transformar dados em informações uteis para tomada de decisão no contexto educacional com o propósito de melhorar a qualidade do aprendizado do estudante.

Objetivos secundários

Compreender os "pipelines" de dados construídos pela equipe DataViewer
Descrever este "pipelines" em formato de algoritmo e organizá-los em nossa página de documentação
Desenvolver "pipelines" para novas análises de dados

Questões de investigação

Como compreender o fenômeno de evasão no contexto do curso de "Lógica de Programação"?
- Proposta de modelagem: estudar e descrever as interações dos estudantes com as tarefas do início do curso e verificar se existe alguma relação com a entrega das atividades no final do curso.
- Sugestão de características para investigar: frequência de entrega de atividades durante as primeiras semanas, frequência de presença nas primeiras semanas.

Ferramentas:

Python (Livro: Ensine Seus Filhos a Programar)
Pandas, NumPy e Matplotlib - Estudo, manipulação, transformação e visualização de dados (Livro: Python Data Science Handbook)
Machine Learning (Livro: Introduction to machine learning with Python)
Apache AirFlow - Para criar "pipelines" de dados (https://airflow.apache.org/)

PAYNE, Ensine Seus Filhos a Programar: Um Guia Amigável aos Pais Para a Programação Python. Novatec Editora, 2015.
FILATRO, ANDREA CRISTINA. Data Science na Educação: Presencial, a Distância e Corporativa: Presencial, a Distância e Corporativa. Saraiva Educação SA, 2020.
MATTHES, Eric. Curso Intensivo de Python: Uma introdução prática e baseada em projetos à programação. Novatec Editora, 2016.
VANDERPLAS, Jake. Python data science handbook: Essential tools for working with data. " O'Reilly Media, Inc.", 2016.
MÜLLER, Andreas C.; GUIDO, Sarah. Introduction to machine learning with Python: a guide for data scientists. " O'Reilly Media, Inc.", 2016.
Outras referências
Mais referências avançadas