Portal do Ementário

Discutir o processo de elaboração de documentos de tipo científico apoiado no sistema de tipografia LaTeX. Familiarizar os alunos com ferramentas computacionais que são tipicamente úteis na ciência de dados (por exemplo R e/ou Python). Discutir o processo de elaboração de relatórios técnicos via Markdown. Introduzir conceitos de simulação de variáveis aleatórias. Apresentar os métodos de simulação estocástica de Monte Carlo e Bootstrap. Introduzir ferramentas de raspagem de dados online.

Tipografia científica com LaTeX; Ferramentas computacionais para ciência de dados: R e/ou Python para análise de dados; R/Python+Latex: tipografia científica com Markdown; Simulação de variáveis aleatórias; Simulação Monte Carlo; Noções de MCMC; Bootstrap; Web Scraping e consumo de API's.

ROSS, Sheldon M. Simulation. 4th ed. Amsterdam: Boston: Elsevier Academic Press, 2006. xiii, 298 p. KOPKA, Helmut; DALY, Patrick W. Guide to LATEX. 4th ed. Upper Saddle River, N.J.:Addison-Wesley, 2004. xii, 597 p. JAMES, Gareth et al. An Introduction to statistical learning: with applications in R. New York: Springer, 2013. xiv, 426 p.

EFRON, Bradley; TIBSHIRANI, Robert. An introduction to the bootstrap. Boca Raton, Fla.: Chapman & Hall, 1994. xvi, 436 p. GRÄTZER, George A. More math into LaTeX. 4th ed. New York: Springer, 2007. xxxiv, 619 p. HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The elements of statistical learning: data mining, inference, and prediction. 2nd ed. New York, N.Y.:Springer, 2009. xxii, 745 p. KOTTWITZ, Stefan. LaTeX beginner's guide: create high-quality and professional looking texts, articles, and books for business  and  science  using  LaTeX.  Birmingham,UK:  Packt  Publishing,  2011.  xi,  314  p. RUBINSTEIN, Reuven Y.; KROESE, Dirk P. Simulation and the Monte Carlo method. 2nd ed. Hoboken, N.J.: John Wiley, 2008. xvii, 345 p. TORGO, Luís. Data mining with R: learning with case studies. Boca Raton, Fla.: CRC Press: Chapman & Hall, 2011. xv, 289 p.