{"id":14192,"date":"2023-03-09T14:37:52","date_gmt":"2023-03-09T17:37:52","guid":{"rendered":"https:\/\/darkorchid-wallaby-287256.hostingersite.com\/?p=14192"},"modified":"2023-03-09T14:37:55","modified_gmt":"2023-03-09T17:37:55","slug":"dicionario-data-science-conheca-os-principais-termos","status":"publish","type":"post","link":"https:\/\/dataex.com.br\/en\/dicionario-data-science-conheca-os-principais-termos\/","title":{"rendered":"Dicion\u00e1rio Data Science<\/em>: conhe\u00e7a os principais termos"},"content":{"rendered":"Reading time:<\/span> 7<\/span> minutes<\/span><\/span>\n
\"Dicion\u00e1rio<\/figure>\n\n\n\n

Come\u00e7ar na \u00e1rea de Data Science<\/em> (Ci\u00eancia de Dados) pode ser desafiador, especialmente quando voc\u00ea considera a variedade de conceitos<\/strong> e t\u00e9cnicas que um analista de dados precisa dominar para fazer seu trabalho de forma eficaz.<\/p>\n\n\n\n

A Ci\u00eancia de Dados \u00e9 a teoria e a pr\u00e1tica que impulsionam as transforma\u00e7\u00f5es baseadas em dados que estamos vendo na ind\u00fastria e na sociedade hoje.<\/p>\n\n\n\n

A Intelig\u00eancia Artificial (IA), os carros aut\u00f4nomos e an\u00e1lises preditivas s\u00e3o apenas algumas das poucas inova\u00e7\u00f5es feitas gra\u00e7as \u00e0 nossa capacidade crescente de coletar e analisar dados.<\/p>\n\n\n\n

Assim como o Big Data<\/em> e IA, o campo da Data Science<\/em> desenvolveu seu pr\u00f3prio l\u00e9xico<\/strong>, que pode ser confuso para iniciantes.<\/p>\n\n\n\n

Por isso, a compreens\u00e3o da terminologia b\u00e1sica e dos termos usados com frequ\u00eancia \u00e9 essencial para quem est\u00e1 pensando em como essa tecnologia pode ser aplicada.<\/p>\n\n\n\n

Ent\u00e3o, aqui est\u00e3o algumas das tecnologias e chav\u00f5es que voc\u00ea provavelmente encontrar\u00e1. Aproveite a leitura!<\/p>\n\n\n\n

<\/a>Algoritmo<\/strong><\/h2>\n\n\n\n

Um algoritmo \u00e9 um conjunto de instru\u00e7\u00f5es que damos a um computador <\/strong>para ele pegar valores e manipul\u00e1-los em uma forma utiliz\u00e1vel. Isso pode ser t\u00e3o f\u00e1cil quanto encontrar e remover todas as v\u00edrgulas em um par\u00e1grafo, ou t\u00e3o complexo quanto construir uma equa\u00e7\u00e3o que prev\u00ea a quantidade de gols que um jogador de futebol marcar\u00e1 em uma partida.<\/p>\n\n\n\n

<\/a>An\u00e1lise Preditiva<\/strong><\/h2>\n\n\n\n

Trata-se de uma forma de an\u00e1lise avan\u00e7ada que examina os dados para responder \u00e0 pergunta “O que \u00e9 prov\u00e1vel que aconte\u00e7a?<\/strong>“. Voc\u00ea pode alcan\u00e7\u00e1-lo com a ajuda de t\u00e9cnicas como Machine Learning<\/em> e IA.<\/p>\n\n\n\n

<\/a>Back End<\/em><\/strong><\/h2>\n\n\n\n

O back-end<\/em> \u00e9 todo c\u00f3digo e tecnologia que funciona nos bastidores<\/strong> para preencher a frente com informa\u00e7\u00f5es \u00fateis.<\/p>\n\n\n\n

Isso inclui bancos de dados, servidores, procedimentos de autentica\u00e7\u00e3o<\/strong> e muito mais. Voc\u00ea pode pensar na parte traseira como o quadro, o encanamento e a fia\u00e7\u00e3o de um apartamento.<\/p>\n\n\n\n

<\/a>Big Data<\/em><\/strong><\/h2>\n\n\n\n

Simplificando, Big Data<\/em> \u00e9 um termo coletivo que descreve dados muito grandes para caber em um \u00fanico computador<\/strong>. Ferramentas convencionais como SQL e Excel s\u00e3o tipicamente incapazes de lidar com big data<\/em>, por isso novas foram desenvolvidas para tomar seu lugar.<\/p>\n\n\n\n

Os problemas que podemos resolver com Big Data<\/em> s\u00e3o categorizados pelos 4 V: volume, variedade, veracidade e velocidade.<\/p>\n\n\n\n

<\/a>Business Intelligence <\/em>(BI)<\/strong><\/h2>\n\n\n\n

Conjunto de t\u00e9cnicas, processos, tecnologias e arquiteturas que convertem dados brutos de diferentes fontes em insights de neg\u00f3cios rent\u00e1veis.<\/p>\n\n\n\n

O lado t\u00e9cnico do BI envolve aprender a usar efetivamente software<\/em>s <\/strong>para gerar relat\u00f3rios e encontrar tend\u00eancias importantes. \u00c9 descritivo em vez de preditivo.<\/p>\n\n\n\n

<\/a>Data Culture<\/em><\/strong><\/h2>\n\n\n\n

Refere-se a valores, comportamentos e normas <\/strong>compartilhadas pela maioria dos indiv\u00edduos dentro de uma organiza\u00e7\u00e3o sobre quest\u00f5es relacionadas a dados.<\/p>\n\n\n\n

Em linhas gerais, refere-se \u00e0 capacidade de uma organiza\u00e7\u00e3o de usar dados para tomada de decis\u00e3o informada.<\/p>\n\n\n\n

<\/a>Data Mining<\/em><\/strong><\/h2>\n\n\n\n

Processo de extra\u00e7\u00e3o e descoberta de padr\u00f5es<\/strong> em grandes conjuntos de dados envolvendo m\u00e9todos na intersec\u00e7\u00e3o de sistemas de Machine Learning<\/em>, estat\u00edsticas e bancos de dados.<\/p>\n\n\n\n

S\u00e3o utilizadas in\u00fameras t\u00e9cnicas para realizar essa tarefa, como regress\u00e3o, classifica\u00e7\u00e3o, an\u00e1lise de cluster <\/em>e outlier<\/em><\/strong>.<\/p>\n\n\n\n

<\/a>Data Science<\/em><\/strong><\/h2>\n\n\n\n

Esta disciplina aplica t\u00e9cnicas avan\u00e7adas de an\u00e1lise para extrair informa\u00e7\u00f5es valiosas de dados <\/strong>para a tomada de decis\u00f5es de neg\u00f3cios e planejamento estrat\u00e9gico. Re\u00fane \u00e1reas como Data Mining<\/em>, estat\u00edstica, matem\u00e1tica, Machine Learning<\/em>, visualiza\u00e7\u00e3o de dados e programa\u00e7\u00e3o de software<\/em>.<\/p>\n\n\n\n

Data Warehouse<\/strong><\/h2>\n\n\n\n

Um data warehouse<\/em> \u00e9 um sistema usado para fazer an\u00e1lises r\u00e1pidas das tend\u00eancias<\/strong> de neg\u00f3cios usando dados de muitas fontes. Eles foram projetados para facilitar as respostas a perguntas estat\u00edsticas importantes, sem um Ph.D. em arquitetura de banco de dados.<\/p>\n\n\n\n

Deep Learning<\/em><\/strong><\/h2>\n\n\n\n

T\u00e9cnica que se enquadra na disciplina de Machine Learnin<\/em>g. \u00c9 baseado em redes neurais artificiais inspiradas na estrutura do c\u00e9rebro humano. Assim, as m\u00e1quinas aprendem com grandes quantidades de dados, al\u00e9m de encontrar padr\u00f5es a partir de dados n\u00e3o estruturados, como texto e imagens.<\/p>\n\n\n\n

<\/a>Descriptive Analytics<\/em><\/strong><\/h2>\n\n\n\n

Exame de dados ou conte\u00fado para responder \u00e0 pergunta “O que aconteceu?<\/strong>“. \u00c9 tipicamente caracterizado pela Business Intelligence<\/em> e visualiza\u00e7\u00e3o de dados.<\/p>\n\n\n\n

<\/a>Front End<\/em><\/strong><\/h2>\n\n\n\n

Representa tudo o que um cliente ou usu\u00e1rio consegue ver e interagir diretamente<\/strong>. Isso inclui pain\u00e9is de dados, p\u00e1ginas da Web e formul\u00e1rios.<\/p>\n\n\n\n

<\/a>Engenharia de Dados<\/strong><\/h2>\n\n\n\n

Disciplina que se concentra em aspectos como identifica\u00e7\u00e3o de fontes de dados, coleta, curadoria e armazenamento dos dados. Este \u00e9 um precursor de todas as outras disciplinas que ajudam a obter valor.<\/p>\n\n\n\n

<\/a>Governan\u00e7a de Dados<\/strong><\/h2>\n\n\n\n

Estrutura um conjunto de pr\u00e1ticas para ajudar todas as partes interessadas em uma organiza\u00e7\u00e3o a identificar e atender suas necessidades de informa\u00e7\u00e3o.<\/p>\n\n\n\n

<\/a>Artificial Intelligence<\/em> (IA)<\/strong><\/h2>\n\n\n\n

Uma disciplina que envolve pesquisa e desenvolvimento de m\u00e1quinas<\/strong> que estejam cientes de seu entorno.<\/p>\n\n\n\n

A maioria dos trabalhos em Intelig\u00eancia Artificial centra-se em usar a consci\u00eancia da m\u00e1quina para resolver problemas ou realizar alguma tarefa.<\/strong><\/p>\n\n\n\n

Caso n\u00e3o saiba, a I.A. j\u00e1 est\u00e1 aqui: pense em carros aut\u00f4nomos, cirurgi\u00f5es rob\u00f4s e os bandidos no seu videogame favorito.<\/p>\n\n\n\n

<\/a>Machine Learning<\/em><\/strong><\/h2>\n\n\n\n

Um processo no qual o computador utiliza algoritmos para compreender sobre um conjunto de dados <\/strong>e, em seguida, prever com base em sua compreens\u00e3o.<\/p>\n\n\n\n

Existem muitos tipos de t\u00e9cnicas de Machine Learning<\/em>, mas a maioria \u00e9 classificada como t\u00e9cnicas supervisionadas ou n\u00e3o supervisionadas.<\/p>\n\n\n\n

<\/a>MIS Reporting (Management Information Systems)<\/em><\/strong><\/h2>\n\n\n\n

Processo de fornecer informa\u00e7\u00f5es essenciais<\/strong> para executar as atividades comerciais cotidianas e monitorar o progresso de uma organiza\u00e7\u00e3o. Isso geralmente se refere a relat\u00f3rios descritivos e operacionais.<\/p>\n\n\n\n

<\/a>Python<\/em><\/strong><\/h2>\n\n\n\n

Linguagem de programa\u00e7\u00e3o de c\u00f3digo aberto<\/strong>, bastante usada para v\u00e1rios aplicativos, como programa\u00e7\u00e3o de uso geral, Data Science<\/em> e Machine Learning<\/em>. Normalmente preferido por iniciantes nesses campos devido \u00e0s seguintes vantagens principais:<\/p>\n\n\n\n