Marlon de Matos de Oliveira
Graduado pela Universidade do Extremo Sul Catarinense, desenvolveu desde cedo a paixão pela ciência da computação. Cursou Mestrado na Uab de Portugal em estatística, matemática e computação e, posteriormente, doutorado em computação pela Dublin City University (Irlanda). Foi durante o doutorado que aprendeu a se apaixonar por Machine Learning e pesquisou sobre métodos de aprendizagem de máquina e visão computacional aplicados ao reconhecimento de linguagem de sinais. De volta ao Brasil, atualmente é pós-doutorando na Universidade Federal do Rio Grande do Sul, no Programa de Pós-graduação em Engenharia de Minas, Metalúrgica e Materiais, no qual pesquisa sobre métodos de aprendizagem de máquina para inspeção de dutos de petróleo, fundado pela Petrobrás/ANP.
Recomendações do Professor
Inclua essas obras na sua trajetória, acessando-as em formato resumo, audiolivro e texto completo.
Python Para Data Science Para Leigos
John Paul Mueller e Luca Massaron
Obra presente na disciplina
Como usar Big Data, Data Science e Machine Learning
Sinopse da Obra
Você tem curiosidade sobre data science, mas se sente um pouco intimidado? Não tenha medo! Este liv... Ver mais
Você tem curiosidade sobre data science, mas se sente um pouco intimidado? Não tenha medo! Este livro mostra como usar o Python para fazer várias coisas legais com data science. Você verá como instalar o conjunto de ferramentas Anaconda para que seja fácil trabalhar com o Python. Descobrirá o Google Colab, que possibilita escrever código na nuvem usando seu tablet. Aprenderá a realizar vários tipos de cálculos interessantes usando a versão mais atual do Python e a usar as bibliotecas para análise de dados, diagramação e mais. Ver menos
R Para Data Science
Hadley Wickham
Obra presente na disciplina
Como usar Big Data, Data Science e Machine Learning
Sinopse da Obra
Aprenda a usar R para transformar dados brutos em insight, conhecimento e compreensão. Este livro a... Ver mais
Aprenda a usar R para transformar dados brutos em insight, conhecimento e compreensão. Este livro apresenta você ao R, RStudio e ao tidyverse, uma coleção de pacotes R elaborados para trabalhar juntos com o objetivo de deixar a ciência de dados rápida, fluente e divertida. Adequado para leitores sem experiência prévia em programação, R para Data Science foi projetado para que você comece a fazer ciência de dados o mais rápido possível. Os autores Hadley Wickham e Garret Grolemund te guiam através dos passos de importar, fazer data wrangle, explorar e modelar seus dados e comunicar os resultados. Você obterá uma compreensão completa do quadro geral do ciclo de ciência de dados, junto das ferramentas básicas que você precisa para administrar os detalhes. Ver menos
Introdução à Mineração de Dados
SILVA, Leandro Augusto da;PERES, Sarajane Marques; BOSCARIOLI, Clodis
Obra presente na disciplina
Como usar Big Data, Data Science e Machine Learning
Sinopse da Obra
A quantidade de dados gerada atualmente tem extrapolado a capacidade humana de interpretação. O arm... Ver mais
A quantidade de dados gerada atualmente tem extrapolado a capacidade humana de interpretação. O armazenamento de todo tipo de informação que antes era objeto de desejo de grandes e até médias empresas, agora se torna um desafio de como analisar essa superabundância de dados. A este desafio em específico está o interesse em determinar ações estratégicas, visando à descoberta de conhecimento em bases de dados para aumentar vendas, definir perfis e sugerir produtos relacionados. A descoberta de conhecimento constitui-se de um processo, cuja primeira etapa tem o objetivo de fazer um pré-processamento na base de dados para entregar a fase seguinte os dados limpos, preparados e selecionados. A fase seguinte, que é principal, esta a Mineração de Dados. Nessa etapa, algoritmos de aprendizado de máquina ou de redes neurais artificiais são executados sobre os dados, a fim de criar um modelo que auxilie em tarefas como classificação, agrupamento e associação de dados. Finalmente, como última etapa, os resultados da mineração são interpretados e analisados qualitativamente e quantitativamente. Diante o exposto, nota-se que é uma área interdisciplinar e exige do leitor uma grande diversidade de experiências que envolvem, basicamente: banco de dados, álgebra linear, matemática discreta e algoritmos. Nesse sentido, esta obra tem como objetivo a apresentação destes assuntos de forma contextualizada, de modo a facilitar o entendimento de um problema e sua resolução através de algoritmos escritos em pseudo-códigos e executados em passo a passo. Adicionalmente, os problemas resolvidos analiticamente são também simulados em uma ferramenta case. Com estas estratégias, esta obra constitui-se de uma visão bastante pragmática dos algoritmos de Mineração de Dados e suas utilizações em estudos de casos reais resolvidos e simulados. Ver menos