O documento discute a profissão de cientista de dados, resumindo quem são, o que fazem e como fazem. Cientistas de dados analisam grandes volumes de dados para identificar padrões e insights que podem ajudar empresas a tomar melhores decisões. Eles usam ferramentas estatísticas, aprendizado de máquina e ciência da computação para limpar, modelar e extrair conhecimento dos dados.

1. Cientista de Dados
Rodrigo Senra
rsenra@acm.org
A profissão mais sexy do século 21

2. Apenas um rapaz latino americano...
• Engenheiro de Software
• GPr Sistemas (11 anos)
• HI Tecnologia (5 anos)
• Professor Universitário - PUC-Campinas (2 anos)
• Especialista - Globo.com (2 anos)
• Cientista Pesquisador - EMC2
• Engenheiro de Computação
Grad-MSc-PhD IC-Unicamp
• Entusiasta de FLOSS
(atuante na comunidade Python desde 2000)

3. • Estudantes ?
• Professores ?
• Profissionais ?
• Cientistas de Dados ?
Quem está aqui ?

4. Vamos falar de…
• O dilúvio de dados
• Cientista de Dados
• Quem é
• O que faz
• Como faz
• Ferramentas

5. Cientista de Dados
Rodrigo Senra
Quem é ?
Por que é
importante ?

7. fONTE: IDC Digital Universe Study, patrocinado pela EMC, 2011
2009
0.8 Zettabytes CRESCIMENTO
DA INFORMAÇÃO
2020
44
X
MAIOR
35.2 ZB
IN 2010 THE DIGITAL UNIVERSE WAS
1.2 ZETTABYTES
1,200,000,000,000,000,000,000
Zetta Exa Peta Tera Giga Mega Kilo Byte
fonte: http://thehumanfaceofbigdata.com/

9. • ︎Government-to-citizen (G2C)
• Government-to-employee (G2E)
• Government-to-business (G2B)
• Government to-government (G2G)

10. http://www.telegraph.co.uk/news/picturegalleries/picturesoftheday/2545407/Pictures-of-the-day-12-August-2008.html?image=8

12. Cientista de Dados
Rodrigo Senra
O que faz ?
Quem é ?

13. Data Science is a newly emerging field dedicated to
analyzing and manipulating data to derive insights
and build data products.
https://beta.oreilly.com/ideas/what-is-data-science
It combines skill-sets ranging from
computer science, to mathematics, to art.
http://images.fineartamerica.com/images-medium-large-5/1-pi-transition-paths-martin-krzywinski.jpg

15. http://drewconway.com/

16. Estatísticas descritivas:
! Média vs. Mediana.
! Desvio Padrão
! Quartis, Min/Max.
! Correlação entre variavéis
1
X y
10.00 8.04
8.00 6.95
13.00 7.58
9.00 8.81
11.00 8.33
14.00 9.96
6.00 7.24
4.00 4.26
12.00 10.84
7.00 4.82
5.00 5.68
2
x y
10.0 9.14
8.00 8.14
13.0 8.74
9.00 8.77
11.0 9.26
14.0 8.10
6.00 6.13
4.00 3.10
12.0 9.13
7.00 7.26
5.00 4.74
3
x y
10.0 7.46
8.00 6.77
13.0 12.7
9.00 7.11
11.0 7.81
14.0 8.84
6.00 6.08
4.00 5.39
12.0 8.15
7.00 6.42
5.00 5.73
4
x y
8.00 6.58
8.00 5.76
8.00 7.71
8.00 8.84
8.00 8.47
8.00 7.04
8.00 5.25
19.00 12.50
8.00 5.56
8.00 7.91
8.00 6.89
Média de x: 9
Variância de x: 11
Média exata de y: 7.5 (2 d.p)
Variância de y: 4.13 (to 2 d.p)
Correlação entre x e y : 0.816
Regressão linear: Y = 3.00 + 0.500xTruth lies on statistics !

29. Cientista de Dados
Rodrigo Senra
Como faz ?

30. http://i0.wp.com/sciencereview.berkeley.edu/wp-content/uploads/2014/04/spring_2014_azam_05.jpg

31. http://godwincaruana.me/data-science-workflow-overview-and-challenges-cacm/

32. Big Data a cada passo da exploração de petróleo
Navigation
Seismic: Pre-stack
Seismic: Post-stack
Log Curves
Culture Data
Geologic Model
Pressure Data
Velocity Data Interpretation

33. Resolução de Problemas
Agrupamento

35. Fernando Perez, lead PI at BIDS and creator of IPython, demonstrates brain imaging
analyses performed using the IPython Notebook, an interactive web-based
computational environment.
credit: Peg Skorpinski

43. https://www.kaggle.com
Kaggle is the world's
largest community of data scientists.
They compete with each other
to solve complex data science problems,
and the top competitors are invited to work on the most
interesting and sensitive business problems from some
of the world’s biggest companies through Masters
competitions.

45. Tools Used By Competitors

51. http://www-bcf.usc.edu/~gareth/ISL/ http://www.greenteapress.com/thinkstats/thinkstats.pdf

55. Obrigado a todos
pela atenção.
Rodrigo Dias Arruda Senra
http://rodrigo.senra.nom.br
rodsenra@gmail.com
@rodsenra
As opiniões e conclusões expressas nesta apresentação são de exclusiva responsabilidade de Rodrigo Senra.
Não é necessário requisitar permissão do autor para o uso de partes ou do todo desta apresentação, desde que não sejam
feitas alterações no conteúdo reutilizado e que esta nota esteja presente na íntegra no material resultante.
Imagens e referências para outros trabalhos nesta apresentação permanecem propriedade daqueles que detêm seus direitos de
copyright. Agradecimento especial a Ana Oliveira e Diego Salomone que contribuíram com alguns slides de suas apresentações
sobre o mesmo tema.