Estatística e Ciência de Dados

Guia de videoaulas do Canal Cibele Russo USP

Profa. Dra. Cibele M. Russo • ICMC • Universidade de São Paulo

1 Videoaulas

1.1 5500004 Fundamentos em Ciências de Dados

Aula Videoaula
1 Fundamentos em Ciências de Dados - Introdução a Data Analytics e Python
2 Fundamentos em Ciências de Dados - Introdução ao Python para Ciência de Dados
3 Fundamentos em Ciências de Dados - O método científico
4 Fundamentos em Ciências de Dados - Laços For e while Numpy, Pandas, Estruturas de dados em Python
5 Fundamentos em Ciência de Dados - Dados estruturados, não estruturados, séries temporais e imagens
6 Fundamentos em Ciências de Dados - Fatiamentos (slicing) em listas, matrizes, dataframes. loc e iloc
7 Fundamentos em Ciências de Dados - Aula Prática Introdução ao Python
8 Fundamentos em Ciências de Dados - Numpy mais sobre vetores e matrizes
9 Fundamentos em Ciências de Dados - Dados em Painel
10 Fundamentos em Ciências de Dados - Dados de séries temporais em painel
11 Fundamentos em Ciências de Dados - Análise Exploratória de Dados
12 Fundamentos em Ciências de Dados - Pré-Processamento de dados
13 Fundamentos em Ciências de Dados - KNN para classificação
14 Fundamentos em Ciências de Dados - KNN para Regressão
15 Fundamentos em Ciências de Dados - Árvores de decisão
16 Fundamentos em Ciências de Dados - Introdução ao Aprendizado de Máquina.
17 Fundamentos em Ciências de Dados - Validação de modelos e validação cruzada
18 Fundamentos em Ciências de Dados - Métricas de desempenho em modelos supervisionados
19 Fundamentos em Ciências de Dados - Aprendizado Não Supervisionado

1.2 SME0803 Visualização e Exploração de Dados

Aula Videoaula
1 #AULAnaUSP Aulas Abertas - Visualização e Exploração de Dados
2 #AULAnaUSP Aulas Abertas - Aula Introdutória de Visualização e Exploração de Dados - ICMC USP
3 Visualização e Exploração de Dados - Aula 1 Organização e Natureza dos Dados
4 Visualização e Exploração de Dados - Aula 2a Representação tabular e gráfica de dados qualitativos
5 Visualização e Exploração de Dados - Aula 2b Representação tabular e gráfica de dados qualitativos R
6 Visualização e Exploração de Dados - Aula 2c Representação de dados qualitativos - Aplicação em R
7 Visualização e Exploração de Dados - Aula 3 - Medidas descritivas de dados quantitativos
8 Visualização e Exploração de Dados - Aula4a - Medidas descritivas de dados quantitativos - Parte 2
9 Visualização Exploração de Dados -Aula 4b Medidas descritivas de dados quantitativos Aplicações em R
10 Visualização e Exploração de Dados - Aula 6 - Representação de dados quantitativos
11 Visualização e Exploração de Dados - Aula 5 Medidas de concentração e desigualdade
12 VED - Aula 5b Medidas de concentração e desigualdade em R - Curva de Lorenz e Índice de Gini
13 Visualização e Exploração de Dados - Aula 6b Histograma e boxplots feitos “à mão”
14 Aula 6c Representação de dados quantitativos em R - Gráfico de barras, histograma, boxplot e outros
15 Visualização e Exploração de Dados - Aula 6d Visualização e Exploração de dados em Python - Parte 1
16 Visualização e Exploração de Dados - Introdução ao R
17 Visualização e Exploração de Dados - Aula7a Associação de variáveis
18 Visualização e Exploração de Dados - Aula7b - Associação de variáveis qualitativas
19 Visualização de dados geolocalizados no R Shiny
20 Visualização e Exploração de Dados - Aula8a Associação entre variáveis quantitativa e qualitativa
21 Visualização e Exploração de Dados - Aula8b Associação v. quantitativa e qualitativa Aplicações em R
22 Visualização e Exploração de Dados - Curva de Sensibilidade de medidas descritivas
23 Visualização e Exploração de Dados - Aula8c Associação entre variáveis quantitativas e qualitativas
24 Visualização e Exploração de Dados - Aula9a Associação entre variáveis quantitativas
25 Visualização e Exploração de Dados - Aula9b Associação entre variáveis quantitativas Aplicações em R
26 Visualização e Exploração de Dados - Aula9c Revisao
27 Visualização e Exploração de Dados - Aula9d Modelo de Regressão Linear Simples
28 Visualização e Exploração de Dados - Aula 10 Associação entre variáveis em Python
29 Visualização e Exploração de Dados - Python no google colab - Associação de variáveis
30 Visualização e Exploração de Dados - Aula 11 Representação de dados multidimensionais
31 Visualização e Exploração de Dados - Aula 11b Representação de dados multidimensionais Parte 2
32 Visualização e Exploração de Dados - Aula 11c Representação de dados multidimensionais - Tree map
33 Visualização e Exploração de Dados - Aula 12 - Pirâmide etaria ou pirâmide populacional
34 VED - Exercícios resolvidos: propriedade de invariância coeficiente de correlação linear de Pearson
35 Visualização e Exploração de Dados - Aula8d Relatório de análises em RMarkdown
36 Visualização e Exploração de Dados - Aula 3b ao vivo - Propriedades da média e da variância

1.3 SME0221 Introdução à Inferência Estatística

Aula Videoaula
1 Introdução à Inferência Estatística - Análise exploratória de dados - parte 1
2 Introdução à Inferência Estatística - Análise Exploratória de Dados - parte 2
3 Introdução à Inferência Estatística - Revisão Probabilidades
4 Introdução à Inferência Estatística - Variáveis aleatórias
5 Introdução à Inferência Estatística - Principais modelos probabilísticos
6 Introdução à Inferência Estatística - Principais modelos probabilisticos em Python
7 Introdução à Inferência Estatística - Elementos de Inferência estatística
8 Introdução à Inferência Estatística - Elementos de Inferência Estatística
9 Introdução à Inferência Estatística - Distribuições amostrais
10 Teorema do Limite Central - Estatística básica
11 Introdução à Inferência Estatística - Propriedades dos estimadores
12 Introdução à Inferência Estatística - Estimação pontual: método dos momentos
13 Introdução à Inferência Estatística - Estimação pontual - Propriedades dos estimadores
14 Introdução à Inferência Estatística - Estimação pontual: Método de mínimos quadrados ordinários
15 Introdução à Inferência Estatística- Estimador de mínimos quadrados ordinários modelo linear simples
16 Introdução à Inferência Estatística - Estimador de máxima verossimilhança
17 Introdução à Inferência Estatística - Estimador de máxima verossimilhança
18 Introdução à Inferência Estatística - Comparação de médias - Teste t pareado
19 Introdução à Inferência Estatística - Comparação de médias - Teste t para amostras independentes
20 Intro Inferência Estatística Caso3A Comparação de médias em amostras indep. com var. desc e iguais
21 Introdução à Inferência Estatística - Teste Qui Quadrado para associação de variáveis qualitativas
22 Introdução à Inferência Estatística - ANOVA 1 fator
23 Introdução à Inferência Estatística - Regressão Linear Simples
24 Introdução à Inferência Estatística - Uma conversa sobre Testes de hipóteses

1.4 Modelos de regressão

Aula Videoaula
1 Introdução à Inferência Estatística - Regressão Linear Simples
2 Modelos de Regressão e Aprendizado Supervisionado II - Aprendizado de Máquina
3 Modelos de Regressão e Aprendizado Supervisionado II - MLGs Resposta Binomial e funções de ligações
4 Modelos de Regressão e Aprendizado Supervisionado II - Diagnóstico em MLGs - a função desvio
5 Modelo linear simples - matricialmente SME0812 Modelos Lineares 2025 03 25 ICMC USP
6 Modelos de Regressão - Modelo de regressão logística e MLGs - Teoria e aplicação em Python
7 Visualização e Exploração de Dados - Aula9d Modelo de Regressão Linear Simples
8 Visualização e Exploração de Dados - Aula9a Associação entre variáveis quantitativas

1.5 SME0823 Modelos de Regressão e Aprendizado Supervisionado II

Aula Videoaula
1 Modelos de Regressão e Aprendizado Supervisionado II - Aprendizado de Máquina
2 Modelos de Regressão e Aprendizado Supervisionado II - MLGs Resposta Binomial e funções de ligações
3 Modelos de Regressão e Aprendizado Supervisionado II - Diagnóstico em MLGs - a função desvio
4 Modelos de Regressão e Aprendizado Supervisionado II - Estimação de máxima verossimilhança em MLGs
5 Modelos de Regressão e Aprendizado Supervisionado II - Modelos para resposta binária

1.6 SME0829 Aprendizado de Máquina Estatístico

Aula Videoaula
1 Aprendizado de máquina estatístico - Introdução ao aprendizado de máquina
2 Aprendizado de máquina estatístico - Pré Processamento de dados em Python
3 Análise Multivariada e Aprendizado Não-Supervisionado - Aula11a Análise discriminante linear
4 Aprendizado de máquina estatístico - Aprendizado para classificação parte1
5 Aprendizado de Máquina Estatístico: Classificação parte2 Critérios de desempenho, matriz de confusão
6 Aprendizado de máquina estatístico - Classificação parte 3 - Curva ROC
7 Aprendizado de máquina estatístico - Métodos baseados em distâncias - KNN
8 Aprendizado de máquina estatístico - Aplicação em Python de Regressão logística e KNN
9 Aprendizado de máquina estatístico - Revisão de Probabilidades e Naive Bayes com aplicação em Python
10 Aprendizado de máquina estatístico - Uma introdução às redes neurais artificiais - parte 1
11 Aprendizado de máquina estatístico - Redes neurais artificiais 2 - Algoritmo perceptron - AND lógico
12 Aprendizado de máquina estatístico - Introdução a Redes neurais multicamadas - Multilayer perceptron

1.7 SME0822 Análise Multivariada e Aprendizado Não-Supervisionado

Aula Videoaula
1 Análise Multivariada e Aprendizado Não-Supervisionado - Análise descritiva
2 Análise Multivariada e Aprendizado Não-Supervisionado - Aula1b Análise descritiva em R
3 Análise Multivariada e Aprendizado Não-Supervisionado - Aula1c - Análise descritiva em Python
4 Análise Multivariada e Aprendizado Não-Supervisionado - Notação Matricial Parte 1 - Aula 2a SME0822
5 Análise Multivariada e Aprendizado Não-Supervisionado - Notação Matricial Parte 2 - Aula 2b
6 Análise Multivariada e Aprendizado Não-Supervisionado - Exemplo Produto de Kronecker - Aula2c
7 Análise Multivariada e Aprendizado Não-Supervisionado -Exemplos Notação Matricial em Python Aula 2d
8 Aula 3a - Vetores aleatórios - SME0822 Análise Multivariada e Aprendizado Não-Supervisionado
9 Aula3b Propriedades dos estimadores: vetor de médias e matriz de variâncias e covariâncias amostrais
10 Análise Multivariada e Aprendizado Não-Supervisionado - Aula 4a Distribuição Normal Multivariada
11 A.M.A.Não Supervisionado Aula 4b - Visualização em R e Python - Distribuição normal multivariada
12 Aula 4c - Inferência sobre um vetor de médias
13 A.M.Aprend. Não Supervisionado - Aula 5a Testes de Hipóteses para a comparação de vetores de médias
14 A.M.A.N.Supervisionado - Aula 5b Aplicações em Python de testes de hipóteses para o vetor de médias
15 Análise Multivariada e Apren Não-Supervisionado - Aula 6a Análise de Variância Multivariada - MANOVA
16 Análise Multivariada e Aprendizado Não-Supervisionado - Aula 6b - Aplicação de MANOVA em R
17 Análise Multivariada e Aprendizado Não-Supervisionado - Aula6c Regressão Multivariada
18 Análise Multivariada e Aprendizado Não-Supervisionado - Aula 6d Regressão Multivariada em R
19 Análise Multivariada e Aprendizado Não-Supervisionado - Aula 7a Análise de Componentes Principais
20 Análise Multivariada e A Não-Supervisionado - Aula7b Análise de Componentes Principais PCA em Python
21 Análise Multivariada e Aprendizado Não-Supervisionado - PCA Componentes principais - Aplicação em R
22 Análise Multivariada e Aprendizado Não-Supervisionado - Aula8a Análise Fatorial
23 Análise Multivariada e Aprendizado Não-Supervisionado - Análise de Correlações Canônicas
24 Análise Multivariada e Aprendizado Não-Supervisionado - Aula8b Análise Fatorial -Aplicação em Python
25 Análise Multivariada e A Ñ Supervisionado - Aula 9b Análise de Correlações Canônicas Aplic em Python
26 Análise Multivariada e Aprendizado Não-Supervisionado - Aula10a Análise de Agrupamentos
27 Análise Multivariada e Ap Não-Supervisionado - Aula10b Análise de Agrupamentos - Aplicação em Python
28 Análise Multivariada e Aprendizado Não-Supervisionado - Aula10c Agrupamentos exemplo passo a passo
29 Aula10d - Análise de Agrupamentos - Uma aplicação rápida em R
30 Análise Multivariada e Aprendizado Não-Supervisionado - Aula11a Análise discriminante linear
31 Análise Multivariada e Aprendizado Não-Supervisionado - Aula11b Função de discriminação logística
32 Análise Multivariada e Aprendizado Não-Supervisionado - Aula11c Análise discriminante linear Exemplo
33 Análise Multivariada e A Não-Supervisionado Aula11d Análise discriminante Linear aplicação em Python
34 Análise Multivariada Aprendizado Não Supervisionado Aula12e Análise de Correspondência exemplo em R
35 Análise Multivariada e Aprendizado Não-Supervisionado 12b Análise de Correspondência aplic em Python
36 Análise Multivariada e Ap Não-Supervisionado - Aula10b Análise de Agrupamentos - Aplicação em Python

1.8 SME0824 Gestão da Qualidade

Aula Videoaula
1 #AulasAbertas2021 Gestão da Qualidade
2 Gestão da Qualidade - Aula1 Qualidade e Processo
3 Gestão da Qualidade - Aula 2 - Melhoria da Qualidade
4 Gestão da Qualidade - Aula 1b - Metodologia Seis Sigma
5 Gestão da Qualidade - Aula 1c - Exemplo qualidade fast food
6 Gestão da Qualidade - Aula2b - Exemplo peças retrabalhadas
7 Gestão da Qualidade - Aula3 - Revisão de Técnicas descritivas
8 Gestão da Qualidade - Aula4 - Ferramentas básicas da qualidade
9 Gestão da Qualidade - Aula4b Exemplo DMAIC
10 Gestão da Qualidade - Aula6 Gráficos de controle
11 Gestão da Qualidade - Aula5 Métodos para o Controle Estatístico do Processo (CEP)
12 Gestão da Qualidade - Aula4c - Exemplo gráfico Pareto
13 Gestão da Qualidade - Aula5b Gráfico de controle Xbarra e R
14 Gestão da Qualidade - Aula6b - Gráfico de controle Xbarra e S
15 Gestão da Qualidade - Aula6d - Gráficos Xbarra-R e Xbarra-S - Aplicação em R
16 Gestão da Qualidade - Aula7c Revisão Ferramentas da qualidade e capacidade do processo
17 Gestão da Qualidade - Aula7d Resolução de Exercício - Xbarra e R e Capacidade do processo
18 Gestão da Qualidade - Aula7a Introdução à capacidade do processo
19 Gestão da Qualidade - Aula7b Gráfico Xbarra e S
20 Gestão da Qualidade - Aula8 Gráfico de controle por atributos - Fração não-conforme
21 QG Aula8c - Exercício tempo de atendimento - Análise de capacidade do processo - Análise de custo
22 GQ Aula8b Gráfico de controle para a fração não-conforme: Aplicação em R: embalagem suco de laranja
23 Gestão da Qualidade - Aula8d - Gráficos de controle para não-conformidades
24 Gestão da Qualidade - Aula8e - Exemplos de Gestão da Qualidade com Minitab
25 Gestão da Qualidade - Aula9 Análise da Capacidade do Processo
26 Gestão da Qualidade - Aula9b Análise da capacidade de um medidor ou sistema de medição
27 Gestão da Qualidade - Aula 9c Análise da capacidade de um sistema de medição via ANOVA
28 Gestão da Qualidade - Aula9d Exercício Capacidade do Processo em Python
29 Gestão da Qualidade - Aula9e Gráficos de controle em Python
30 Gestão da Qualidade - Aula10 Gráfico de controle das somas cumulativas CUSUM
31 Gestão da Qualidade - Aula11 Gráfico de controle da média móvel exponencialmente ponderada MMEP
32 Gestão da Qualidade - Aula12 Gráfico de controle multivariado
33 Gestão da Qualidade - Aula10b - Gráficos de controle, CUSUM e EWMA em R
34 Gestão da Qualidade - Aula10c - Exemplo Máscara V em R
35 Gestão da Qualidade - Aula11b Gráficos de controle, CUSUM e EWMA em Python

1.9 CDPO Estatística e Otimização para Ciência de Dados e Pesquisa Operacional

Aula Videoaula
1 Aula aberta CDPO 1a edição: Estatística e Otimização para Ciência de Dados e Pesquisa Operacional
2 Aula aberta CDPO 2a edição: Estatística e Otimização para Ciência de Dados e Pesquisa Operacional
3 Como executar notebooks em Python e uma brevíssima introdução ao NumPy, Pandas e Matplotlib. CDPO.
4 Testes de Hipóteses não provam nada: eles servem para decidir. Aula aberta Estatística 3 edição CDPO

1.10 Palestras

Aula Videoaula
1 R x Python para Estatística e Ciência de Dados. Quem ganha essa briga? com Dalson Figueiredo
2 Descubra o Curso de Estatística e Ciência de Dados da USP São Carlos - Sabidão Podcast
3 Ômega Talks | Cibele Russo · Revisitando modelos não-lineares com efeitos aleatórios
4 Live Cibele Russo (IME | USP) - Por que o cientista de dados precisa estudar matemática?
5 CONE 2022 - Painel 1
6 Cibele Russo: +1Café #139