Introdução à Ciência de Dados: Uma Visão Pragmática utilizando Python, Aplicações e Oportunidades em Redes de Computadores

Abstract

Internet of Things, smart cities, crowdsourcing, and other neotechnologies are making the world and people more and more connected, causing colossal amounts of information to be transmitted through the network. In order to extract new knowledge and relevant information from these data, Data Science, which covers several disciplines, such as statistics, data mining, machine learning, and artificial intelligence, is becoming popular and gaining space in the most diverse areas of knowledge. In this context, this course presents, in a pragmatic way, through the Python language and specific libraries, the methods most used by data scientists to manipulate and analyze information, applying them in the resolution of relevant problems in the area of computer networks. ResumoInternet das Coisas, cidades inteligentes, crowdsourcing e outros neotecnologismos estão tornando o mundo e as pessoas cada vez mais conectados, fazendo que quantidades colossais de informação sejam transmitidas pela rede. No intuito de extrair novos conhecimentos e informações relevantes desses dados, a Ciência de Dados, que abrange várias disciplinas, tais como estatística, mineração de dados, aprendizado de máquina e inteligência artificial, está se popularizando e ganhando espaço nas mais diversas áreas de conhecimento. Nesse contexto, esse minicurso apresenta, de forma pragmática, através da linguagem Python e bibliotecas específicas, os métodos mais usados para manipular e analisar dados e extrair informações, aplicando-os na resolução de problemas relevantes da área de redes de computadores.

Discriminación de masas mamográficas mediante K-Nearest Neighbor y atributos BIRADS

“…Los algoritmos supervisados buscan deducir una función a partir de un conjunto de datos (data set) de entrenamiento, estos son pares de objetos que constituyen datos de entrada y los resultados deseados (Rejón Herrera et al, 2021); asimismo, tiene como objetivo aprender a partir de datos etiquetados y luego clasificar nuevos datos en función al conocimiento adquirido (Comarela et al, 2019), este algoritmo puede generalizar la función para predecir lo oculto con precisión (Al-Azzam & Shatnawi, 2021).…”