Contextualização

Ciência de Dados é um dos campos mais empolgantes e em rápido crescimento hoje em dia. Ela tem o potencial de revolucionar a maneira como vivemos e trabalhamos, fornecendo insights que podem levar a melhorias significativas em áreas como saúde, economia, meio ambiente, ciências sociais e muitas outras. Empresas e organizações em todos os lugares estão procurando aproveitar o poder dos dados para tomar decisões melhores e mais informadas.

Python tornou-se uma das linguagens de programação mais populares para a Ciência de Dados devido à sua sintaxe simples de aprender, à sua ampla gama de bibliotecas úteis e ao suporte da sua vibrante comunidade. A capacidade de se expressar claramente em Python e de usar suas ferramentas para analisar e visualizar dados pode tornar possível responder perguntas complexas e tomar decisões informadas em um mundo cada vez mais movido a dados.

Os cientistas de dados podem usar Python para coletar dados, limpar e organizar esses dados, realizar uma análise exploratória, modelar e interpretar esses dados, e finalmente comunicar seus resultados para audiências técnicas e não técnicas. É uma habilidade extremamente valiosa e em demanda não apenas no mundo da tecnologia, mas em quase todos os setores que se beneficiam da tomada de decisões baseada em dados precisos e confiáveis.

Os [tutoriais Python] e a [documentação online Pandas]#intro-to-pandas) são excelentes recursos para qualquer um procurando se familiarizar com Python e Pandas, respectivamente. Ambos são bem escritos e repletos de exemplos fáceis de seguir. Além disso, o [Site do SciPy] oferece tutoriais abrangentes sobre como usar a biblioteca para análise estatística.

Introdução

O objetivo deste projeto é proporcionar a você a oportunidade de aplicar as habilidades que desenvolveu durante o curso. Você trabalhará em um grupo para analisar um conjunto de dados do mundo real, explorar as perguntas que ele pode responder, implementar sua própria análise usando Python e por fim, comunicar suas descobertas de uma forma clara e persuasiva.

Para esta atividade, é importante identificar uma pergunta ou problema interessante que sua análise procurará responder. Pode ser qualquer coisa, desde a identificação de tendências no mercado de ações até a análise do efeito de diferentes fatores no desempenho de um atleta. O importante é que você escolha algo que seja de interesse para o grupo, já que isso tornará a atividade mais envolvente e significativa.

O uso efetivo de Python para Ciência de Dados envolve mais do que apenas programação. Requer uma compreensão sólida dos dados com os quais você está trabalhando, um conhecimento dos métodos estatísticos apropriados para a questão que você está tentando responder e a capacidade de comunicar seus resultados de uma forma que seja fácil de entender para as pessoas que não são especialistas em dados.

O domínio dessas habilidades pode abrir portas em muitas carreiras e indústrias diferentes. Seja você alguém interessado em se tornar um cientista de dados, um engenheiro de software que precise trabalhar com dados, um gerente ou executivo que precise tomar decisões baseadas em dados, ou simplesmente alguém que queira entender melhor o mundo ao seu redor, a habilidade de usar Python para extrair insights de dados será uma valiosa adição ao seu conjunto de habilidades.

Atividade Prática

Explorando a Pandemia do COVID-19 com Python

Objetivo do Projeto

O objetivo deste projeto é aplicar habilidades em Python voltadas para a Ciência de Dados para explorar e analisar os dados referentes à Pandemia do COVID-19 no Brasil. Os alunos serão desafiados a aplicar técnicas de manipulação, análise de dados e visualização para extrair insights relevantes sobre a expansão e os impactos do vírus. O projeto requer a colaboração e a divisão de tarefas dentro do grupo.

Materiais Necessários

1. Python instalado em seu computador.
2. Jupyter Notebook para análise de dados.
3. Pacotes Python: Pandas para manipulação de dados, Matplotlib e Seaborn para visualização de dados, Scikit-Learn para Machine Learning e SciPy para análise estatística.
4. Conjunto de dados representativo da COVID-19. Recomenda-se a base de dados disponibilizada por [Our World in Data] ou pelo [Brasil.io] para dados mais regionalizados.

Descrição detalhada do Projeto

O grupo, composto por 3 a 5 estudantes, deverá se reunir e dividir entre si as tarefas para explorar dados referentes à COVID-19. As tarefas incluem:

1. Coleta de dados: Os alunos devem buscar a fonte de dados mais apropriada. Para se concentrar mais na análise com Python, recomendamos o uso de dados pré-existentes.

2. Limpeza e Manipulação de dados: Usando a biblioteca Pandas, os alunos devem limpar e organizar o dataset, tratando valores nulos ou ausentes e convertendo os tipos de dados quando necessário.

3. Análise Exploratória: Aqui, os alunos devem examinar as características dos dados, identificando padrões e relações por meio de técnicas de estatística descritiva.

4. Visualização de Dados: Utilizar bibliotecas como Matplotlib e Seaborn para criar representações gráficas, facilitando a compreensão e interpretação dos dados.

5. Predição: Usar técnicas simples de Machine Learning para prever, por exemplo, a evolução dos casos nos próximos dias.

6. Interpretação de Resultados: Os alunos devem identificar e discutir os insights obtidos a partir dos dados e explicar o significado dos resultados obtidos, considerando as limitações dos dados e de suas análises.

7. Relatório Final: Documentação do processo e dos resultados em um notebook Jupyter, explicando o raciocínio, o código e as conclusões.

Passo a Passo para a Realização da Atividade

Cada grupo deve realizar os seguintes passos:

1. Nomeação de um líder para coordenar as atividades e garantir que todos os membros contribuam para o projeto.

2. Reunião para dividir as tarefas entre os membros.

3. Buscar o conjunto de dados disponível em sites confiáveis sobre a COVID-19 no Brasil.

4. Efetuar a limpeza e preparação dos dados usando Python (Pandas).

5. Realizar a análise exploratória dos dados e discutir os achados.

6. Criar visualizações de dados que ajudem a explicar os resultados da análise.

7. (Opcional) Desenvolver um modelo preditivo usando técnicas de Machine Learning.

8. Discutir as conclusões e as limitações da análise.

9. Documentar o processo e os resultados no formato de relatório em um Jupyter notebook.

Todos os membros do grupo devem estar envolvidos em todas as fases do projeto, de forma a promover uma experiência de aprendizado completa e equitativa.

Entregas do Projeto

O produto final deste projeto será um Jupyter Notebook contendo o código, análises, visualizações e conclusões do grupo. Os grupos devem compartilhar seus Notebooks entre si e conosco, os professores.

A estrutura do Notebook deve seguir o formato proposto: Introdução, Desenvolvimento, Conclusões e Bibliografia.

1. Introdução: Descreva o contexto da COVID-19 no Brasil. Qual a pergunta ou questão que o grupo deseja responder?
2. Desenvolvimento: Discuta e apresente o processo de coleta, limpeza e manipulação dos dados. Utilize visualizações para sua análise exploratória e discussão dos resultados. Descreva as técnicas de Machine Learning usadas, se aplicável.
3. Conclusões: Revisite sua pergunta original e discuta se foi possível ou não respondê-la. Qual foi o aprendizado do grupo com esse projeto, tanto em termos de habilidades técnicas quanto em termos de trabalho em equipe?
4. Bibliografia: Liste as fontes utilizadas para desenvolver o projeto.

Este projeto deve ser executado e finalizado em uma semana. Os participantes podem esperar que este projeto leve de duas a quatro horas para ser concluído por participante.