Carregado porLuis Borges Gouveia
O que é a ciência de dados (data science). Discussão do conceito
O documento explora o conceito de ciência de dados, que envolve a transformação de dados em fontes valiosas para negócios e estratégias, através da análise de dados estruturados e não estruturados. Discute também as competências necessárias para profissionais da área, as ferramentas utilizadas, e a importância da ciência de dados nos diversos setores, destacando o crescimento de dados não estruturados e os desafios que isso apresenta. A ciência de dados é vista como uma disciplina multidisciplinar com grande potencial para resolver problemas complexos e aumentar a eficácia organizacional.
Mais conteúdo relacionado
Semelhante a O que é a ciência de dados (data science). Discussão do conceito
![[José Ahirton Lopes] Ciência de Dados -](https://cdn.slidesharecdn.com/ss_thumbnails/cienciadedados-180420135621-thumbnail.jpg?width=640&height=640&fit=bounds)
O que é a ciência de dados (data science). Discussão do conceito
- 1. O que éa ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.0, Outubro, 2015
- 2. Data science oua ciência de dados • É o estudo de onde tem origem a informação, o que representa e como pode ser transformada numa fonte valiosa para a criação de negócio e de estratégias para o contexto em análise • A exploração de quantidades massivas de dados estruturados e não estruturados para identificar padrões que podem ajudar uma organização no controle de custos, aumento de eficiência, reconhecimento e descoberta de novos mercados e oportunidades e aumento de vantagem competitiva • Transformação de dados disponíveis em informação, com recurso a técnicas de análise de dados, experiência, mas também inteligência e criatividade
- 3. O perfil multidisciplinardo profissional da ciência de dados
- 4. A história econtribuições para a formação da ciência de dados
- 5. Multidisciplinaridade da ciênciade dados
- 6. A ciência dedados face às ciências da computação
- 7. Peso económico erelevância da análise de dados
- 8. Uma enorme massade dados e os desafios associados
- 9. Os dados massivossão mais do que a sua quantidade (como extrair valor, em tempo útil, de um grande volume de dados)
- 10. Diferenciar a inteligênciade negócios, da análise de dados e da ciência de dados
- 11. O exponencial crescimentodos dados, ocorre em várias categorias
- 12. Apesar de tudo,ainda existe informação analógica a considerar
- 13. A ciência dedados é aplicada a diferentes setores (por exemplo, RFID, em 2015, representa quase 23% do total)
- 14. O maior crescimentoé o de dados não estruturados (dentro e fora da empresa)
- 15. Componentes (e ferramentas)da ciência de dados
- 16. As origens dosdados e o seu tipo
- 17. A explosão dedados é essencialmente a explosão dos dados não estruturados
- 18. O que sepretende dizer por quantidades massivas de dados?
- 19. Até onde vaiescalar o crescimento de dados?
- 20. O crescimento dosdados não estruturados vai mudar o paradigma da sua gestão, nas empresas
- 21. Nem todos osdados não estruturados tem a mesma origem
- 22. Dados estruturados versusdados não estruturados (origem)
- 23. De que estamosa falar, quando falamos de dados não estruturados?
- 24. Papeis, competências eatividades no contexto da ciência de dados
- 25. Relacionar dados porrecurso a modelos apropriados
- 26. As diferenças entreinteligência de negócios e a ciência de dados
- 27. Lidar com dadosmassivos exige novos tipos de respostas pelas empresas
- 28. Descobrir dados parainteligência de negócios e modelos para a ciência de dados
- 29. O processo deprodução da ciência de dados (criar modelos e tomar decisões)
- 31. Existe uma multiplicidadede ferramentas associadas com cada um dos processos de ciência de dados
- 32. Comentários finais • Áreade grande potencial • Existe um enorme leque de aplicação • A enfase deve ser na ciência e não nos dados • Os profissionais de ciência de dados são especialistas de análise de dados que possuem competências técnicas para resolver problemas complexos e a curiosidade de explorar quais os problemas que devem ser resolvidos
- 33. Tarefas típicas deprofissionais de ciência de dados • Recolher grandes quantidades de dados não tratadas para transformar em dados úteis • Resolver problemas relacionados com negócio ou contextos bem definidos, com recurso a técnicas orientadas a dados • Trabalhar com uma variedade de linguagens de programação • Dominar conceitos estatísticos, incluindo distribuições e testes estatísticos • Dominar e acompanhar o estado de arte de técnicas analíticas como aprendizagem automática, deep learning e análise de texto • Comunicar com equipas técnicas e de gestão • Descobrir critérios e ordem em padrões de dados, bem como identificar tendências que podem contribuir para a eficácia do negócio ou do contexto em estudo
- 34. Técnicas e ferramentaspara a ciência de dados • Visualização de dados: a apresentação de dados de forma gráfica de modo a ser mais facilmente entendida • Aprendizagem automática: um ramo da inteligência artificial baseado em algoritmos matemáticos e na automação • Deep learning: uma área da investigação em aprendizagem automática que usa os dados para modelar abstrações complexas • Reconhecimento de padrões: tecnologia que reconhece padrões em dados • Preparação de dados: o processo de conversão dos dados em bruto num formato que possa ser mais facilmente tratado ou consumido • Análise de texto: o processo de examinar dados não estruturados de forma a extrair aspetos relevantes sobre o negócio ou o contexto em estudo
- 35.