O processo de criação de conhecimento

CRISP-DM1.0

As fases do processo:

1. Perceber o negócio. Que problema tens para resolver?
2. Perceber os dados. O que tens para trabalhar?
3. Preparar os dados. Escolhe e validada os dados que irás usar.
4. Modelação. Cria um modelo conceptual e tira conclusões.
5. Avaliação. Testa como se comporta o modelo perante os dados.
6. Implementação. Implementa os melhores modelos para tirar conclusões de negócio.

R

R uma linguagem e ambiente de programação estatística.

Alguns links úteis:

• The R project

http://www.r-project.org/

• The Comprehensive R Archive Network

http://cran.rstudio.com/

• Rstudio

https://www.rstudio.com/

• Quick-R

http://www.statmethods.net/

• Cookbook for R

http://www.cookbook-r.com/

• Step by Step Guide to Learn Data Science on R

http://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-r-data-science/

• Resources to help you learn and use R

www.ats.ucla.edu/stat/r/

• R resources for reproducible research

http://campus.murraystate.edu/academic/faculty/cmecklin/RWebpage.html

• R bloggers

http://www.r-bloggers.com/

• Stack Overflow: a question and answer site for programmers.

http://stackoverflow.com/

• Rseek

https://rseek.org/

• R Package Documentation

https://rdrr.io/

O que faz um cientista de dados?

• Define uma questão
• Define o conjunto de dados ideais
• Determina que dados são acessíveis
• Recolhe os dados
• Limpa os dados
• Faz a análise exploratória dos dados
• Utiliza a modelação estatística
• Interpreta os resultados
• Questiona os resultados obtidos
• Sintetiza e escreve os resultados finais
• Cria um código reprodutível
• Disponibiliza toda a informação a potenciais interessados