Ciência de Dados na prática: do problema ao modelo com CRISP DM

Como organizar um projeto de Ciência de Dados do problema inicial até a entrega dos resultados? Neste vídeo, apresento o CRISP-DM e suas seis fases: compreensão do problema, compreensão dos dados, preparação dos dados, modelagem, avaliação e implantação. Mais importante do que decorar cada etapa é entender como elas ajudam a estruturar o raciocínio durante um projeto baseado em dados. E aqui fazemos isso com dados reais. Este vídeo faz parte de uma playlist em que usamos dados da OpenAlex como laboratório para aprender Ciência de Dados na prática. Ao longo da série, estamos passando da coleta e compreensão dos dados para preparação, análise, visualização e, progressivamente, diferentes técnicas de modelagem. Embora nosso domínio de aplicação seja a produção científica, os métodos apresentados não são exclusivos da Cientometria. As mesmas estratégias de Ciência de Dados podem ser aplicadas a problemas de diferentes áreas — mudam o domínio, os dados e as perguntas; muitos dos métodos permanecem. Também discuto como conhecer a metodologia melhora nossa interação com ferramentas de Inteligência Artificial: em vez de simplesmente pedir que uma IA “resolva o problema”, podemos compreender as etapas, formular melhores solicitações e avaliar criticamente as soluções produzidas. Este vídeo faz parte da playlist sobre OpenAlex e Ciência de Dados. A proposta é aprender trabalhando com dados científicos reais, construindo gradualmente um projeto completo de Ciência de Dados. Referência principal: CHAPMAN, P.; CLINTON, J.; KERBER, R.; KHABAZA, T.; REINARTZ, T.; SHEARER, C.; WIRTH, R. CRISP-DM 1.0: Step-by-step data mining guide. 2000. #CienciaDeDados #CRISPDM #OpenAlex #Python #DataScience #Computacao #CienciaDaInformacao