Cincia de Dados para Pesquisa

Edio especial: Cincias Humanas

Sobre o curso

Este curso destinado a pesquisadores das Cincias Humanas que desejam aprender conceitos fundamentais de Cincia de Dados aplicados pesquisa acadmica. Utilizando uma abordagem prtica e acessvel, o curso trata das bases da cincia de dados, desde definies e conceitos tericos at exerccios e implementaes de cdigo, atravs da linguagem de programao Python.

Objetivos

• Introduzir conceitos fundamentais de Cincia de Dados;
• Desenvolver habilidades prticas de organizao, tabulao e limpeza de dados;
• Apresentar noes bsicas de programao em Python focadas na soluo de problemas reais de pesquisa;
• Explicar conceitos estatsticos comumente utilizados em pesquisa;
• Criar visualizaes para comunicar resultados.

Estrutura do curso

O curso est organizado em trs mdulos principais:

Mdulo 1: Introduo cincia de dados e Python

• Conceitos fundamentais sobre dados e sua importncia na pesquisa;
• O que Cincia de Dados e como pode beneficiar pesquisas;
• Introduo programao e conceitos bsicos (variveis, tipos de dados, estruturas);
• Programao interativa com Google Colab;
• Primeiros passos com Python.

Mdulo 2: Organizao e pr-processamento

• Princpios de organizao de dados em planilhas;
• Importao e exportao de dados com pandas;
• Explorao inicial de conjuntos de dados;
• Limpeza e transformao de dados.

Mdulo 3: Anlise e visualizao

• Anlise exploratria de dados;
• Estatstica descritiva;
• Medidas de correlao;
• Princpios de visualizao de dados;
• Criao de grficos bsicos;
• Unio entre anlise e visualizao.

Ferramentas e recursos

Ambientes de trabalho

• Google Colab;
• Google Planilhas.

Bibliotecas Python

• pandas;
• matplotlib/seaborn;
• scipy.

Navegao pelo repositrio

• Cada mdulo est contido em uma pasta. Clique na pasta correspondente para acessar o material completo;
• Os materiais contidos em cada mdulo esto em pastas com suas respectivas descries: os Jupyter Notebooks na notebooks de cada mdulo, os conjuntos de dados na ** dados** e as planilhas na ** planilhas**;
• O arquivo README de cada pasta corresponde ao material escrito completo relacionado quele mdulo;
• As referncias citadas ao longo do material escrito e nos notebooks podem ser encontradas no arquivo bibliography.bib.

Agradecimentos

Agradeo Nayla Chagas (@nhawlao) por aceitar o convite para colaborar neste projeto e por contribuir de forma brilhante no Mdulo de Organizao e pr-processamento. Sua expertise em engenharia de dados foi essencial para a qualidade do material.

Este trabalho faz parte da minha atuao como Embaixador da Rede Brasileira de Reprodutibilidade (RBR) e s se tornou realidade graas ao apoio e infraestrutura do Laboratrio Multiusurio de Informtica e Documentao Lingustica (LAMID).

Atribuio e Citao

Se voc utilizar este material, agradecemos a atribuio adequada. Voc pode faz-lo das seguintes maneiras, dependendo do contexto:

• Link para o repositrio e meno aos autores

Material baseado no curso "Cincia de Dados para Pesquisa" por Tlio Sousa de Gois e Nayla Sahra Santos das Chagas Disponvel em: https://github.com/tuliosg/CDP

• Citao formal

@software{gois_2025_15384287, author = {Gois, Tlio Sousa and Chagas, Nayla Sahra Santos}, title = {Cincia de Dados para Pesquisa}, month = may, year = 2025, publisher = {Zenodo}, version = {v1.0}, doi = {10.5281/zenodo.15384287}, url = {https://doi.org/10.5281/zenodo.15384287}, swhid = {swh:1:dir:9aef7b4d4b890b410cc8e51b565bd15ea30e46c7 ;origin=https://doi.org/10.5281/zenodo.15384286;vi sit=swh:1:snp:56371c28e746ab411ad408be706b32a0fae7 f449;anchor=swh:1:rel:981843493a81f2b30c524b963522 0754bbdf30d1;path=tuliosg-CDP-1e0d845 }, }

Licena

• Contedo textual (arquivos *.md) est licenciado sob Creative Commons Attribution 4.0 (CC BY 4.0).
• Cdigo-fonte (Jupyter Notebooks) est licenciado sob a Licena MIT.