Programação Científica em Python

Ementa - Introdução ao Python

Descrição do Curso

Este minicurso tem como objetivo apresentar ao aluno intermediário em programação, os princípios de um banco de dados. Operações simples com tabelas de dados, estatísticas descritivas, relatórios didáticos, data staring telling. Além de fazer uso de bibliotecas gráficas mais avançadas.

Pré-Requisitos

Conhecimentos básicos em Python. Conhecimentos básicos em Estatística Descritiva.

Objetivos

Ao final do curso o aluno será capaz de manipular tabelas de dados, fazer análises estatísticas descritivas, criar relatórios didáticos e gráficos avançados.

Vídeo de Apresentação do Curso

Conteúdo Programático

1. Introdução ao Pandas e Estruturas de Dados

Conceitos: pd.Series e pd.DataFrame, diferenças e aplicações
Criação: a partir de listas, dicionários, arrays NumPy e leitura de arquivos
Operações elementares: indexação, colunas, índices hierárquicos (MultiIndex)

2. Importação e Exportação de Dados (I/O)

Leitura de CSV, Excel, JSON, SQL, Parquet
Gravação em múltiplos formatos
Configurações: separadores, encoding, tipos na leitura, parsing de datas

3. Estatísticas e Informações Básicas

Exploração inicial do dataset
Resumo estatístico univariado e identificação de tipos

4. Técnicas de Seleção, Filtração e Ordenação

Index-based selection vs label-based selection
Máscaras booleanas e seleções condicionais
Ordenação por valores e índices; consultas com expressões

5. Edição e Iteração dos Dados

Modificar colunas e linhas, inserções e exclusões
Aplicar funções e transformar colunas
Iteração segura e eficiente

6. Sumários, Mapas, Agrupamento e Classificação

Operações de agregação e transformação
Tabelas pivô e cross-tab
Classificação (ranking) e ordenação avançada

7. Tratamento de Tipos e Valores Ausentes

Identificação e manipulação de tipos (numéricos, categóricos, datetime)
Detectar, imputar e remover valores ausentes
Detecção e remoção de duplicatas

8. Aplicações Científicas

Pré-processamento de dados experimentais
Conexão com NumPy, SciPy, Matplotlib e Seaborn
Estudos de caso: séries temporais, experimentos laboratoriais, análise estatística

Carga Horária e Horário

Carga Horária: 10h.

Horário: 14h - 16h. Semanal.

Local

Feito Remotamente. Via Google Classroom. Link para Inscrição: https://classroom.google.com/c/aaaaaaaaaaaaaaaaaaaaaaa