Projeto final
Etapas, acompanhamento e requisitos do trabalho prático
O projeto aplica as técnicas da disciplina a uma base de dados de interesse da equipe. O objetivo é desenvolver uma investigação completa de ciência de dados, indo além de cálculos isolados: formular uma pergunta relevante, compreender como os dados foram produzidos, explorá-los, quantificar incertezas e sustentar as conclusões com evidências.
A equipe pode trabalhar com uma das bases sugeridas abaixo ou com dados de iniciação científica, estágio ou trabalho, desde que seu uso seja autorizado e compatível com as exigências éticas e legais aplicáveis. Os grupos podem ter até quatro integrantes; equipes maiores devem entregar uma análise proporcionalmente mais ampla.
Etapas e pontuação
| Etapa | Entrega | Valor |
|---|---|---|
| 01 | Definição da equipe e do tema | 0 ponto |
| 02 | Entrevista parcial 01 | 3 pontos |
| 03 | Entrevista parcial 02 | 3 pontos |
| 04 | Entrevista parcial 03 | 4 pontos |
| 05 | Vídeo e notebook final | 20 pontos |
| Total do projeto | 30 pontos |
Desenvolvimento e acompanhamento
Na definição do tema, a equipe deve apresentar:
- a base de dados e sua proveniência;
- as perguntas de ciência de dados que serão investigadas;
- uma primeira compreensão da unidade observacional, das principais variáveis e das limitações da base.
Depois dessa definição, o projeto será acompanhado em três entrevistas parciais com a monitoria. Os encontros servem para discutir dúvidas, revisar o andamento e ajustar o escopo antes da entrega final. As datas e o procedimento de agendamento serão divulgados no Moodle.
Conteúdo mínimo da análise
O trabalho final deve incluir:
- caracterização inicial e análise exploratória dos dados;
- pelo menos dois testes de hipóteses e/ou intervalos de confiança;
- pelo menos uma análise de regressão e/ou classificação;
- interpretação dos resultados, limitações e conclusões relacionadas às perguntas propostas.
O notebook deve estar organizado como um relatório reproduzível, com as seções:
- introdução, motivação e perguntas de pesquisa;
- metodologia, incluindo descrição da base e justificativa dos métodos;
- resultados, começando pela caracterização exploratória;
- inferência e modelagem;
- conclusões e limitações.
Bases sugeridas
Estes catálogos são bons pontos de partida para encontrar dados documentados e adequados ao projeto:
- Kaggle Datasets — bases de temas variados;
- OpenML — plataforma aberta com bases documentadas, tarefas de aprendizado de máquina e resultados experimentais reproduzíveis;
- Our World in Data — dados globais documentados sobre saúde, população, economia, energia, ambiente e outros temas;
- World Bank Open Data — indicadores internacionais de desenvolvimento, saúde, educação, economia, infraestrutura e meio ambiente;
- Base dos Dados — bases públicas brasileiras tratadas e padronizadas, adequadas para cruzamentos e análises reproduzíveis;
- IBGE — SIDRA — dados oficiais sobre população, trabalho, renda, produção, preços e território;
- Microdados do Inep — dados de educação, Enem, Enade, Censo Escolar e Educação Superior;
- Portal de Dados Abertos do TSE — dados sobre eleições, candidaturas, eleitorado, resultados e prestação de contas;
- MapBiomas — dados sobre cobertura e uso da terra, água, agricultura e transformações ambientais;
- OpenDataSUS — dados abertos do Sistema Único de Saúde;
- DATASUS — transferência de arquivos — arquivos dos sistemas de informação em saúde;
- Portal Brasileiro de Dados Abertos — catálogo de bases publicadas por órgãos do Governo Federal.
Antes de escolher, verifique licença, documentação, unidade observacional, qualidade das variáveis e se a base permite responder a perguntas que envolvam exploração, inferência e modelagem.
Onde acompanhar
As datas e orientações atualizadas serão publicadas no Moodle. Consulte também o cronograma da disciplina.