Análise de dados de doenças cardiovasculares

Por José Vitor, Claudiano Lima, Eugenio Dorneles e Júlia Aguiar.

Sinopse do Conteúdo

• Mineração de Dados;
• Aprendizado de Máquina;
• Ciência de Dados;
• Ferramentas de Mineração e Análise de Dados;
• Análises Estatísticas;
• Desenvolvimento de Aplicações em Problemas Reais que Demandam Análises no Cenário de Big Data.

Ementa

OBJETIVOS DA DISCIPLINA

Permitir que os estudantes aprendam a aplicar ferramentas e métodos de ciência de dados em problemas reais, integrando suas soluções em projetos de sistemas de informação.

• Introduzir conceitos de mineração de dados, aprendizado de máquina e estatística;
• Apresentar técnicas básicas relacionadas a estatística e aprendizado de máquina;
• Investigar problemas e conjuntos de dados que podem contribuir para um trabalho unificado para as demais disciplinas cursadas pelos estudantes;
• Introduzir conceitos gerais relacionados ao desenvolvimento de software em equipes, como a análise estática de código e o uso de ferramentas de versionamento.

CONTEÚDO PROGRAMÁTICO

1. Identificação de problemas que podem ser investigados com ciência de dados;
2. Investigação de técnicas de estatística e de aprendizado de máquina que mais se adéquam à solução proposta;
3. Apresentação dos resultados;
4. Ferramentas e métodos para desenvolvimento de software em time;

BIBLIOGRAFIA

BÁSICA:

1. Documentação do Pandas. Disponível em https://pandas.pydata.org/
2. Documentação do Scikit-Learn. Disponível em https://scikit-learn.org/
3. Documentação do Streamlit. Disponível em https://streamlit.io/

COMPLEMENTAR:

1. Grus, Joel. Data science from scratch: first principles with python. O'Reilly Media, 2019.
2. Géron, Aurélien. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. O'Reilly Media, 2019.
3. WITTEN, I. H; FRANK, Eibe; HALL, Mark A. Data mining: practical machine learning tools and techniques. 3rd ed. Burlington, MA: Elsevier Morgan Kaufmann,
4. xxxi, 629 p. (The Morgan Kaufmann series in data management systems) ISBN 9780123748560.
5. ELMASRI, Ramez; NAVATHE, Shamkant B. Sistemas de banco de dados. 6.ed. São Paulo: Pearson Addison Wesley, 2011. 788 p. ISBN 9788579360855.
6. RUSSELL, S.; NORVIG, P. Inteligência artificial. 2 ed. Elsevier, 2004.

RECIFE, 15 de fevereiro de 2022

Gabriel Alves de Albuquerque Júnior Docente Responsável

Este repositório dedicasse a versionar o conteúdo das atividades práticas da disciplina de PISI III, ofertada pelo curso de Bacharelado em Sistemas de Informação da UFRPE. Caso você queira saber mais detalhes sobre esta disciplina, acesse a página ou vá ao branch gh-pages.

👉🏼 Neste branch e, em outros do repositório (com exceção do gh-pages), você encontrará o versionamento do projeto Heart disease data analysis. Que servirá como a inteligência do aplicativo Unleash Health, desenvolvido com Flutter, como requisito avaliativo da disciplina de Desenvolvimento de Sistemas de Informação.

Estrutura de diretórios e arquivos

      .
      ├── data
      │   ├── personal-key-indicators-of-heart-disease-dataset.csv
      │   └── personal-key-indicators-of-heart-disease-data-dictionary.md
      ├── pipeline                 # These could be docker containers related code, scripts, workflow related code, etc.
      │   ├── dags
      │   │    ├── ingestion_dag.py
      │   │    ├── validation_dag.py
      │   │    ├── regretion_dag.py
      │   │    ├── forecasting_dag.py
      │   │    └── clustering_dag.py
      |   └── ...
      │
      ├── models             # The folder that consists of files representing trained/retrained models as part of build jobs, etc
      │   ├── project_build_id             # the result of the model
      │   ├── projectname_date_time             
      │   └── ...
      │
      ├── src             # The folder that consists of the source code related to data gathering, data preparation, feature extraction, etc.
      │   ├── data_gathering.py
      │   ├── data_preparation.py             
      │   └── feature_extraction.py
      ├── Dockerfile
      ├── docker-compose.yml
      ├── .gitignore
      ├── requirements.txt
      ├── .editorconfig
      └── README.md