Introdução à Ciência de Dados
Aula 01 — Módulo 0: Motivação
heitor@dcc.ufmg.br
Há um planeta escondido nestes dados?
O sinal é uma queda de apenas 1,5%
Durante algumas horas, a estrela parece ficar um pouco menos brilhante.
Um planeta passou entre o telescópio e a estrela.
Não vimos o planeta diretamente. Vimos o efeito que ele produziu nos dados.
O planeta está a 1.150 anos-luz
O WASP-96 b não aparece como uma fotografia com contornos bem definidos.
Ele é conhecido por meio de medições, padrões e comparações.
Ciência de dados amplia aquilo que conseguimos enxergar.
Este curso começa com perguntas
Não começaremos escolhendo uma ferramenta.
O que queremos descobrir, prever ou decidir?
Ciência de dados está por toda parte
- Na ciência, ajuda a enxergar mundos distantes.
- Em emergências, ajuda a antecipar riscos.
- Na saúde, ajuda a compreender moléculas.
- No ambiente, ajuda a observar mudanças no planeta.
- No cotidiano, ajuda a escolher o que aparece na sua tela.
Um curso sobre evidência
Ciência de dados é a prática de transformar perguntas em evidência usando dados, computação, estatística e conhecimento de contexto.
Nenhuma dessas partes funciona bem isoladamente.
Uma área construída em encontros
A análise de dados veio antes do nome
Em 1962, John Tukey defendeu que análise de dados deveria ser reconhecida como uma atividade científica própria: observar dados, formular hipóteses e criar novas formas de investigação.
O termo ganhou significado aos poucos
- 1974: Peter Naur descreve “data science” como o estudo dos dados e de seus processos.
- 2001: William Cleveland propõe ampliar a estatística com computação, visualização e trabalho aplicado.
- 2012: a Harvard Business Review ajuda a popularizar a expressão “cientista de dados”.
Três forças aceleraram a área
Mais dados
Internet, redes sociais, sensores e serviços digitais passaram a registrar atividades em enorme escala.
Mais computação
GPUs, computação paralela e nuvem tornaram análises antes inviáveis muito mais rápidas e acessíveis.
Melhores métodos
Novos algoritmos, técnicas estatísticas e ferramentas de software permitiram extrair padrões de dados maiores e mais variados.
A área cresceu porque dados, computação e métodos avançaram juntos.
Podemos avisar uma enchente antes dela acontecer?
Prever exige combinar mundos
Céu
Chuva e temperatura.
Terra
Relevo, solo e bacias.
Rios
Nível e vazão ao longo do tempo.
A saída não é apenas um número
Uma previsão pode se transformar em:
- mapa da área ameaçada;
- aviso enviado antes do desastre;
- tempo para retirar pessoas;
- decisão sobre onde posicionar equipes.
Sete dias podem mudar uma decisão
O sistema global produz previsões de enchentes fluviais com até sete dias de antecedência.
O valor dos dados aparece quando alguém consegue agir melhor.
Mas onde não há sensores?
Os lugares mais vulneráveis nem sempre possuem as melhores medições.
Como avaliar uma previsão justamente onde faltam observações confiáveis?
Como uma sequência vira uma forma?
A forma ajuda a entender a função
Conhecer a estrutura tridimensional de proteínas ajuda a investigar:
- doenças;
- medicamentos;
- resistência de plantas;
- enzimas capazes de decompor materiais.
O desafio levou cerca de 50 anos
Durante décadas, prever a estrutura de uma proteína a partir de sua sequência foi um grande problema científico.
Em 2020, o AlphaFold alcançou precisão comparável a métodos experimentais em uma avaliação internacional.
Mais de 200 milhões de estruturas
A AlphaFold DB disponibiliza gratuitamente previsões para quase todas as proteínas catalogadas pela ciência.
Dados transformam uma descoberta em infraestrutura para outras descobertas.
Conseguimos observar uma floresta mudando?
Um alerta começa com imagens
Satélites observam repetidamente o território.
Mudanças podem indicar perda de vegetação — mas também nuvens, sazonalidade, agricultura ou outro fenômeno.
Detectar não é o mesmo que confirmar
- Diferentes sistemas produzem alertas.
- Analistas verificam imagens de alta resolução.
- O contorno da área é refinado.
- O resultado passa por auditoria.
- O alerta e seu laudo são publicados.
O dado ganha contexto quando é cruzado
O polígono de um alerta pode ser relacionado a:
- município, estado e bioma;
- bacia hidrográfica;
- unidades de conservação;
- terras indígenas;
- cadastros territoriais.
O que une os quatro casos?
Os dados e as perguntas são diferentes.
Mas o trabalho sempre conecta:
pergunta + dados + método + contexto + comunicação
E no seu bolso?
Ao abrir um aplicativo de música, vídeo ou compras, você recebe uma seleção diferente da seleção de outras pessoas.
Como o sistema decide o que mostrar a você?
Cada ação pode virar um registro
- Você ouviu até o fim?
- Pulou nos primeiros segundos?
- Repetiu a música?
- Salvou em uma playlist?
- Voltou no dia seguinte?
Isoladamente, cada ação diz pouco. Em conjunto, elas formam padrões.
Prever gosto ou moldar gosto?
Uma recomendação pode ajudar você a encontrar algo novo.
Mas também pode reforçar preferências, privilegiar conteúdos e alterar seu comportamento futuro.
Quando duas coisas variam juntas
Vendas de sorvete e casos de queimadura solar aumentam na mesma época.
Isso não significa que sorvete cause queimaduras: dias quentes ajudam a explicar os dois fenômenos.
Correlação é uma pista — não uma prova de causa e efeito.
Um sistema pode acertar e ainda ser injusto
Imagine uma tecnologia com 95% de acerto no total.
Isso parece excelente — até descobrirmos que ela erra muito mais para um grupo específico de pessoas.
A média pode esconder quem ficou para trás
No vídeo “7 Billion: Are You Typical?”, a National Geographic combinou duas ideias:
- o perfil mais frequente: homem, 28 anos, chinês da etnia Han;
- uma face composta pela sobreposição de muitas fotografias.
O resultado não retrata uma pessoa real — e depende de quem entrou na base.
“Típico”, moda e média não são a mesma coisa.
Responsabilidade acompanha todo o ciclo
Ao trabalhar com dados pessoais, a LGPD exige princípios como:
- finalidade: explicar por que os dados serão usados;
- necessidade: coletar apenas o necessário;
- segurança e prevenção: proteger dados e reduzir danos;
- não discriminação: impedir usos ilícitos ou abusivos;
- prestação de contas: demonstrar as medidas adotadas.
Ciência de dados não é apenas tecnologia
Computação
Torna a análise possível e reproduzível.
Estatística
Ajuda a lidar com variação e incerteza.
Contexto
Dá significado aos números.
O pensamento computacional é uma lente
- Decompor perguntas grandes.
- Representar problemas com dados.
- Automatizar tarefas repetitivas.
- Verificar resultados.
- Comunicar o que sabemos — e o que não sabemos.
O ciclo de uma análise
1. Perguntar
Definir o problema.
2. Obter
Conhecer e preparar os dados.
3. Investigar
Comparar, visualizar e modelar.
4. Comunicar
Transformar resultado em evidência.
Como o curso funciona
Uma base estatística com um olhar prático, computacional e responsável.
O curso combina conceitos, dados reais, notebooks reproduzíveis e um projeto desenvolvido ao longo do semestre.
Ementa: compreender os dados
Exploração de dados
- tabelas e organização;
- medidas e visualizações;
- variabilidade e amostragem.
Inferência
- estimadores;
- intervalos de confiança;
- testes, bootstrap e permutação.
Ementa: aprender com os dados
Modelagem
- regressão;
- previsão e explicação;
- avaliação de resultados.
Prática responsável
- reprodutibilidade;
- limitações e vieses;
- comunicação de evidências.
Aulas teóricas e práticas
Teoria
Conceitos, intuição, derivações e perguntas para discussão.
Prática
Notebooks documentados, código visível, simulações e bases reais.
Uma parte existe para tornar a outra mais significativa.
Ritmo do curso
- Aproximadamente uma lista de slides por aula.
- Material de apoio em notebook para cada sequência de conteúdo.
- Atividades curtas no Moodle quando indicadas.
- Entregas parciais do projeto ao longo do semestre.
- Espaço para dúvidas, retomadas e discussão em sala.
Material e livros
- Um notebook Jupyter por aula ou sequência.
- Hotsite com slides, materiais e orientações.
- Moodle para avisos, atividades e entregas.
- Livros abertos sempre que possível.
O notebook é material de estudo, não apenas demonstração de código.
Bibliografia principal
- Lau, Gonzalez e Nolan — Learning Data Science.
- Çetinkaya-Rundel e Hardin — Introduction to Modern Statistics.
- Adhikari, DeNero e Wagner — Computational and Inferential Thinking.
- Joel Grus — Data Science from Scratch.
Bibliografia complementar e site
- Renato Assunção — Fundamentos Estatísticos para Ciência da Computação.
- James, Witten, Hastie, Tibshirani e Taylor — An Introduction to Statistical Learning.
- Hotsite desta disciplina: https://heitorramos.github.io/icd/
Avaliação
| Componente | Peso |
|---|---|
| Prova 1 | 30% |
| Prova 2 | 30% |
| Listas (Moodle/VPL) | 10% |
| Projeto final (TP) | 30% |
Projeto final
- Equipes de [SUBSTITUIR] pessoas, formadas pelos próprios estudantes.
- Cada equipe escolhe um tema e uma pergunta investigável.
- Times um pouco maiores podem ser acomodados; uma equipe por pessoa não é uma estratégia viável.
- A presença nas entrevistas parciais é obrigatória.
O projeto entrega uma investigação completa
- Pergunta e motivação.
- Descrição da base e de suas principais colunas.
- Análise exploratória e método adequado.
- Resultados, limitações e conclusão.
- Notebook final reproduzível e vídeo de apresentação.
Cronograma do projeto
| Etapa | Entrega |
|---|---|
| 01 | Definição da equipe e do tema |
| 02 | Entrevista parcial 01 |
| 03 | Entrevista parcial 02 |
| 04 | Entrevista parcial 03 |
| 05 | Vídeo e notebook final |
As datas serão publicadas no Moodle e no hotsite.
Onde encontrar o material
- Novo hotsite: https://heitorramos.github.io/icd/
- Slides e materiais organizados por aula.
- Notebooks Jupyter para estudo e reprodução.
- Moodle para atividades, entregas e avisos.
Bem-estar
- Cursos universitários já são exigentes: não sacrifique seu bem-estar pelo curso.
- Cuide da carga de disciplinas e comece as tarefas com antecedência.
- Avise problemas o quanto antes ao professor e à monitoria.
- Pedir ajuda faz parte da vida acadêmica.
Links de apoio
Para explorar os exemplos: espaço e enchentes
Para explorar os exemplos: vida e florestas
Seu primeiro desafio
Pense em uma pergunta que você gostaria de responder com dados.
Importa?
Alguém se beneficia da resposta?
É observável?
Que dados trariam evidência?
É honesta?
O que os dados não sustentariam?
Ciência de dados começa com curiosidade
O planeta estava escondido em uma pequena queda de luminosidade.
Que outros fenômenos estão escondidos nos dados ao nosso redor?
Próxima aula
Quando uma mudança em X realmente causa uma mudança em Y?
Na Aula 02, vamos separar associação de causa e efeito.
ICD: Aula 01 — Introduçãovoltar para a Aula