Período das aulas 19/10/2020 à 23/10/2020

Material:

• Google Colab
• Python 3
• Base de dados do ENEM 2019

Aula 1: Primeira análise em dados da Educação

Nessa aula tivemos nosso primeiro contato com Python e o famoso Pandas, que é a biblioteca que possui diversas funcionalidades para explorar os dados da educação. Na análise dos dados foi possível descobrir curiosidades sobre inscritos no ENEM 2019, formular hipóteses e gráficos de distribuição Box-plot para entender melhor alguns aspectos da educação brasileira.

Aula 2: Análise exploratória de dados

Nessa aula avançamos com as análises e discussões sobre a visualização de dados, desde boas práticas até a utilização de uma nova ferramenta para gerar gráficos mais estilizados (seaborn).

Aula 3: Distribuições e correlações entre notas

A aula conteve várias discusões interessantes sobre os dados investigados. Foi analisado as distribuições de notas, suas relações usando gráficos de dispersão e foi discutido a sua correlação e causalidade.

Aula 4: Prevendo notas com Machine Learning

Nessa aula foi criado um primeiro modelo de Machine Learning, tentando entender a diferença entre problemas de regressão e classificação e como avaliar o modelo proposto utilizando a biblioteca Scikit-Learning.

Aula 5: Validação de modelo e Overfit

Mergulhamos mais fundo no mundo do machine learning, discutindo técnicas como cross-validation, que ajudam a aumentar nossa confiança nos resultados dos modelos de machine learning e foi mostrado o tão temido overfit acontecendo.