40ª Jornada de Atualização em Informática – JAI 2021

📄 Texto do curso

👨‍💻 Slides do curso

Ciência de Dados tornou-se um tópico de pesquisa emergente na Ciência da Computação devido ao crescente interesse em extrair conhecimento de diferentes fontes de dados. Nesse contexto, o Jupyter Notebook vem se consolidando como uma das principais ferramentas utilizadas por cientistas de dados para realizar análises exploratórias de dados de forma rápida e direta, com alto potencial de reprodução de código. Dessa forma, o objetivo deste capítulo é apresentar o Jupyter com reprodutibilidade para a realização de projetos em Ciência de Dados. O conteúdo é organizado para estudantes e profissionais com alguma experiência em programação. Em particular, primeiro apresentamos o Jupyter e seu uso geral para desenvolver soluções para Ciência de Dados. Em seguida, apresentamos tópicos avançados do Jupyter e abordamos maneiras de promover a ciência aberta. Para concluir, este JAI apresenta uma visão geral de Ciência de Dados com Jupyter Notebooks combinando conceitos e fundamentos teóricos com exemplos práticos e dados do mundo real.

1. Introdução
2. Jupyter Básico
3. Preparação de Dados para Ciência
4. Integração, Transformação, Redução
5. Ciência de Dados
6. Jupyter Avançado
7. Ciência Aberta

O conjunto de dados utilizado refere-se a sucesso na indústria da música, uma das mais dinâmicas e importantes no cenário do entretenimento mundial. Especificamente, utilizamos dados provenientes do Spotify, o serviço de streaming de áudio mais popular do mundo, que reúne mais de 345 milhões de usuários em 178 países e territórios.

1. Charts: Paradas musicais semanais do Spotify em 2020. (756 KB)
2. Hits: Features das músicas que entraram nas paradas de sucesso. (266 KB)
3. Artists: Features dos artistas que entraram nas paradas de sucesso. (95.4 KB)
4. Artists (edited): Features dos artistas que entraram nas paradas de sucesso (modificadas para fins didáticos). (96.3 KB)

• João Felipe Pimentel - Universidade Federal Fluminense (UFF)
• Gabriel P. Oliveira - Universidade Federal de Minas Gerais (UFMG)
• Mariana O. Silva - Universidade Federal de Minas Gerais (UFMG)
• Danilo B. Seufitelli - Universidade Federal de Minas Gerais (UFMG)
• Mirella M. Moro - Universidade Federal de Minas Gerais (UFMG)

@incollection{jai/PimentelOSSM21,
  title = {Ciência de Dados com Reprodutibilidade usando Jupyter},
  author = {João Felipe Pimentel and
            Gabriel P. Oliveira and 
            Mariana O. Silva and 
            Danilo B. Seufitelli and 
            Mirella M. Moro},
  booktitle = {Jornada de Atualização em Informática 2021}
  pages = {11--59},
  doi = {10.5753/sbc.6757.3.1},
  url = {https://doi.org/10.5753/sbc.6757.3.1},
  publisher = {SBC},
  year = {2021}
}

Este trabalho foi parcialmente financiado por Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq, Fundação de Amparo à Pesquisa do Estado de Minas Gerais - FAPEMIG e Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES.