Jornada em
Ciência de Dados

Objetivos: Permitir que o aluno consiga analisar redes ego-centradas ou redes completas, bem como o impacto individual no grupo e vice-versa

Ementa:

1. Redes Sociais: Introdução, aplicações práticas e histórico.
2. Grafos
3. Tipos de rede
4. Comunidades, alianças e poder
5. Dinâmica populacional e identificação de eventos.
6. Exemplos de modelagem e aplicações
7. Ética

1. Easley, David, and Jon Kleinberg. Networks, crowds, and markets: Reasoning about a highly connected world. Cambridge university press, 2010.
2. Fuks, Hugo, and Mariano Pimentel, eds. Sistemas colaborativos. Elsevier Brasil, 2011. Disponível em: https://sistemascolaborativos.uniriotec.br/
3. Barabási, Albert-László. 'Network science.' Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 371.1987 (2013): 20120375. Disponível em: http://barabasi.com/book/network-science
4. Christakis, Nicholas A., and James H. Fowler. Connected: The surprising power of our social networks and how they shape our lives. Little, Brown Spark, 2009
5. Barrat, Alain, Marc Barthelemy, and Alessandro Vespignani. Dynamical processes on complex networks. Cambridge university press, 2008.
6. Stanford Large Network Dataset Collection - https://snap.stanford.edu/data/#socnets
7. Artigos acadêmicos focados em cada tópico

Objetivos: Estudo de técnicas de mineração de dados, i.e., extração de conhecimento a partir de grandes volumes de dados. O processo de extração de conhecimento contempla a análise exploratória de dados, pré-processamento, mineração de padrões frequentes, predição e agrupamento. O curso é contextualizado com o uso da linguagem R.

Ementa:

1. Introdução
2. Análise exploratória de dados
3. Pré-processamento
4. Agrupamento
5. Predição
6. Padrões frequentes

1. G. James, D. Witten, T. Hastie, and R. Tibshirani, 2013, An Introduction to Statistical Learning: with Applications in R. 1 ed. Springer.
2. Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques, Third Edition (3o ed.). Morgan Kaufmann.
3. S. García, J. Luengo, and F. Herrera, 2015, Data Preprocessing in Data Mining.
4. C. Aggarwal and J. Han, eds., 2014, Frequent Pattern Mining. 2014 ed. NewYork, Springer.
5. K.J. Keen, 2018, Graphics for Statistics and Data Analysis with R, Second Edition. 2 edition ed. Boca Raton, Chapman and Hall/CRC
6. B. Lantz, 2013, Machine Learning with R. Birmingham, Packt Publishing. [7] J.P. Lander, 2017, R for Everyone: Advanced Analytics and Graphics. 2 ed. Boston, MA, Addison-Wesley Professional.
7. R.H. Shumway and D.S. Stoffer, 2017, Time Series Analysis and ItsApplications: With R Examples. 4 ed. New York, NY, Springer.

Objetivos: O surgimento de grandes volumes de dados a serem analisados modificou o panorama de sistemas de processamento de dados. Além de sistemas do tipo NoSQL, surgiram frameworks BigData com alta escalabilidade e um modelo de programação que favorece o processamento paralelo e distribuído. Neste curso apresentaremos as principais abordagens para processamento BigData e nos concentramos no framework Apache Spark. Discutiremos seu Modelo de Programação, Arquitetura e Técnicas de Programação. No último dia do curso os alunos tê m a experiê ncia prá tica de desenvolvimento de um dataflow em Apache/ Spark

Ementa:

1. Introdução a BigData
2. Modelos de Programação: Map-Reduce, BSP, GraphXeGiraph
3. Apache Spark, HDFS
4. Framework Dask e Ray
5. Estruturas de dados para grandes volumes de dados: Kd-tree, Ph-tree, DHTs, Quadtrees
6. Estratégias de Particionamento de dados e Localidade de dados
7. Execução de algoritmos de Deep Learning em Spark
8. Parte prática: Exercício com o framework Apache Spark - Python

1. Dean, J., Ghemawat, S., 'MapReduce: Simplified Data Processing on Large Clusters', OSDI'04: Sixth Symposium on Operating System Design and Implementation, San Francisco, CA, December, 2004
2. Tamer Ozsu, Patrick Valduriez, Principles of Distributed Database Systems, Springer-Verlag, 2011.
3. Hasso Plattner, Alexander Zeir, In-Memory Data Management, Springer
4. Zaharia, M., Chowdhury, M., Franklin, M. J., Shenker, S., and Stoica, I. (2010). Spark: Cluster computing with working sets. In Proceedings of the 2nd USENIX Conference on Hot Topics in Cloud Computing, HotCloud’10, pages 10–10, Berkeley, CA, USA. USENIX Association.
5. Fabio Porto, Algoritmos e Programação em Big Data, Apostila, 2017
6. Philip Moritz et al, Ray: A Distributed Framework for Emerging AI Applications, OSDI, 2018
7. dask.org, last accessed June 2020.

Objetivos: O objetivo do minicurso é apresentar uma introduçã o à aprendizagem profunda. Sã o apresentados conceitos bá sicos da á rea, té cnicas relacionadas ao treinamento e a avaliaçã o de modelos. Sã o també m descritas algumas das principais arquiteturas de redes profundas, alé m de algumas aplicaçõ es. Sã o apresentados exemplos de có digo por meio do framework PyTorch

Ementa:

1. Conceitos básicos (forward/backward computation); Timeline; tutorial Pytorch
2. Técnicas de treinamento (backprop, batch GD, dropout, model selection, model evaluation...); Convolutional Nets; tutorial PyTorch
3. Recurrent Nets (LSTMs); tutorial PyTorch
4. Consideraçõ es finais: aplicaçõ es; outras arquiteturas de rede (Autoencoders, Transformers, GANs, BDL, PIML, ...)

1. Carl Doersch. Tutorial on variational autoencoders. CoRR, abs/1606.05908, 2016.
2. Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep Learning. MIT Press, 2016. http://www.deeplearningbook.org.
3. Ian Goodfellow, et al. Generative adversarial nets. In Z. Ghahramani, M. Welling, C. Cortes, N. D. Lawrence, and K. Q. Weinberger, editors, Advances in Neural Information Processing Systems 27, pages 2672–2680. Curran Associates, Inc., 2014.
4. Sepp Hochreiter and Ju ̈rgen Schmidhuber. Long short-term memory. Neural Comput., 9(8):1735–1780, November 1997
5. Alex Krizhevsky, Ilya Sutskever, and Geoffrey E Hinton. Imagenet classification with deep convolutional neural networks. In F. Pereira, C. J. C. Burges, L. Bottou, and K. Q. Weinberger, editors, Advances in Neural Information Processing Systems 25, pages 1097–1105. Curran Associates, Inc., 2012.
6. Michael A. Nielsen. Neural networks and deep learning, 2018.
7. J. Schmidhuber. Deep learning in neural networks: An overview. Neural Networks, 61:85–117, 2015. Published online 2014; based on TR arXiv:1404.7828 [cs.NE].
8. Hao Wang and Dit-Yan Yeung. Towards bayesian deep learning: A survey. CoRR, abs/1604.01662, 2016.
9. Karniadakis, G.E., Kevrekidis, I.G., Lu L. et al. Physics-Informed machine learning. Nat Rev Phys 3, 422-440 (2021). https://doi.org/10.1038/s42254-021-00314-5

Neste laboratório, exploraremos as etapas essenciais do ciclo de vida de modelos, enfatizando a importância do gerenciamento eficiente para garantir o sucesso e a aplicabilidade das soluções desenvolvidas. A abordagem adotada foca nos desafios e nas melhores práticas para o monitoramento e a adaptação contínua dos modelos, especialmente em ambientes dinâmicos e sensíveis a alterações rápidas. Como resposta a essas necessidades, apresentamos o sistema Gypscie, uma ferramenta para gerenciamento do ciclo de vida de modelos.

Durante a sessão, abordaremos detalhadamente a arquitetura e os componentes centrais do Gypscie, destacando como esses elementos contribuem para a eficiência e a transparência em todo o processo de modelagem. Exemplos práticos serão apresentados para ilustrar como a ferramenta influencia positivamente a execução e a validação dos modelos, fornecendo insights que reforçam sua aplicabilidade e impacto.

Objetivos: Este curso propõe uma introdução ao Python com o foco em análise de dados relacionados à saúde pública. Durante o curso serão abordados os principais conceitos, métodos e ferramentas úteis para análise de dados de saúde e seus determinantes socioambientais. O curso será ministrado em ambiente Google Colab, ou Colaboratory, ferramenta de computação em nuvem, especialmente desenvolvida para o domínio da ciência de dados e aprendizado de máquina.

Ementa:

1. Introdução aos determinantes socioambientais do processo saúde-doença
2. Principais paradigmas em Machine Learning (aprendizado supervisionado e não supervisionado)
3. Carregamento de dados tabulares para o Pandas Dataframe
4. Análise Exploratória de Dados (AED)
5. Setup de ambiente para execução de tarefas de Machine Learning (Estimação e Clustering)
6. Comparação do desempenho (métricas) de diferentes modelos de Machine Learning
7. Análise e explicabilidade de modelos de Machine Learning
8. Predição em Dataframes de saúde pública com dados reais do Sistema Único de Saúde (SUS)
9. Armazenamento e documentação do Pipeline do experimento

1. DATACAMP. PyCaret Tutorial: A beginner's guide for automating ML workflows using PyCaret. Nov 18, 2021. DISPONÍVEL EM: https://www.datacamp.com/tutorial/guide-for-automating-ml-workflows-using-pycaret MORETTIN, P. A.; SINGER, J. M. Estatística e ciência de dados. Rio de Janeiro: LTC, 2022.
2. PEDREGOSA, F. et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, [S. l.], v. 12, p. 2.825-2.830, 2011.
3. PEDROSO, M. et al. Data Science Platform Applied to Health in Contribution to the Brazilian Unified Health System. Joint Workshops at 49th International Conference on Very Large Data Bases (VLDBW’23) — Workshop on Data Ecosystems (DEco’23), Vancouver, Canada, August 28 – September 1 2023. Disponível em: https://ceur-ws.org/Vol-3462/DEco2.pdf.
4. SALDANHA, R. F.; BARCELLOS C.; PEDROSO, M. M. Ciência de dados e big data: o que isso significa para estudos populacionais e da saúde? Cad Saúde Colet., Rio de Janeiro, n. 29 (esp.), p. 51-58, 2021. https://doi.org/10.1590/1414- 462X202199010305