Pré-processamento de Dados - Ciência de Dados UNIFACISA

Índice

1. Instalação
2. Motivação
3. Estrutura e Arquivos
4. Licença, Autores e Créditos

Instalação

O código assume que você usa Anaconda (Python 3) com as bibliotecas da instalação padrão.

Motivação

O objetivo desse repositório é abrigar o código e dados utilizados na ministração da disciplina de Pré-processamento de Dados na Especialização de Ciência de Dados da UNIFACISA.

A disciplina cobriu os seguintes tópicos:

• Preparando do Ambiente
• Acessando os Dados
• Conhecendo os Dados
  • Tipos de Dado
  • Análise Exploratória
• Preparando os Dados
  • Validação do Dado
  • Lidando com Problemas no Dado
    • Dados Faltantes (Missing Data)
    • Dados Destoantes (Outliers)
• Transformando os Dados
  • Uniformização do Dado
    • Normalização e Estandardização
  • Redução de Dimensionalidade
  • Agrupamento

Estrutura e Arquivos

A pasta notebooks contém os notebooks Jupyter com o código usado nas seções práticas das aulas para cada assunto. A pasta dados contém os dados usados nas seções práticas das aulas para cada assunto.

Licença, Autores e Créditos

Os datasets famosos dos Índios Pima e do Titanic foram obtidos em UCI Machine Learning Repository e Kaggle respectivamente.

Informações de Descrição e Licença do dado podem ser encontradas nos links acima.

Os dados de autores e documentos da Câmara e Senado Federal foram extraídos das APIs de Dados Abertos de cada casa legislativa utilizando o pacote leggoR.

Boa parte do código foi feita com base em exemplos encontrados em sites como o TowardsDataScience.

Sinta-se à vontade para usar o código assim como contribuir.