fbpx
Sigmoidal
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

O que faz um cientista de dados: tudo sobre esta nova profissão

Equipe Sigmoidal por Equipe Sigmoidal
julho 24, 2019
em Data Science
0
56
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Para compreender o que um cientista de dados faz, é preciso voltar alguns anos no tempo e reconhecer o termo Data Science, ou ciência da informação. Hoje, é uma das ferramentas e conhecimento mais exigidos no mercado de tecnologia da informação, mas seu desenvolvimento não foi tão fácil quanto parece.

Isso porque, enquanto a tecnologia avançava e o consumidor passava a reconhecer novas ferramentas em seus cada vez mais modernos aparelhos eletrônicos, alguns hábitos de consumo começaram a se tornar ultrapassados, sinais de uma sociedade em plena adaptação.

Desta forma, a tecnologia da informação começou a desenvolver-se de forma acelerada, criando mecanismos que transformassem o dia a dia de uma pessoa em algo mais prático.

A exemplo disso, quem não se lembra de como o ICQ, MSN e Orkut funcionavam, um aperfeiçoamento do outro, mas todos presentes nas gerações que partiam da internet discada à banda larga.

Naquela época, início dos anos 2000, a comunicação ganhou um largo passo rumo à globalização, sendo acompanhada pelo e-commerce, o qual ganhou confiança apenas no final da primeira década do novo milênio.

Por sua vez, um matemático e estatístico que conseguisse assimilar o conhecimento de sua área ao que a programação fazia com certeza se deu bem, pois esta é a raiz do cientista de dados: alguém com mente lógica que entende o mercado de consumo e busca aperfeiçoamento para isso.

O avanço das relações entre o indivíduo e o mercado de consumo trouxe resultados surpreendentes à tecnologia da informação

Com o passar dos anos, não só a comunicação e o e-commerce fincaram suas raízes na internet, como também os aparelhos eletrônicos conseguiram acompanhar essa corrida.

Hoje em dia, então, é possível reconhecer que o smartphone é o principal gadget que liga um ser humano a outro, assim como tem nele seus hábitos de consumo gravados em infinitos dados.

A criação de conteúdo e a disseminação de informação, então, deu um salto gigantesco, atingindo marcas históricas se comparadas a todo o tempo do homem na terra. Para organizar tudo isso em dados, compreende-los e estuda-los, portanto, foi necessário dar um passo a mais na vida do profissional de matemática e tecnologia da informação.

Pois o uso da estatística se traduz como parte intrínseca do dia a dia do cientista de dados, o qual é responsável por traduzir algoritmos e informações binárias a respostas e soluções apresentadas no dia a dia da sociedade.

Do carro autômato à geladeira que avisa quando determinado produto acabou; do caminhão de entregas que tem seu caminho inteiro captado por GPS e, dessa forma, evita estradas inacessíveis e trânsito em boa parte de seu caminho, gerando economia de milhões de reais, ao relógio que conta seus batimentos cardíacos e o avisa se é preciso visitar um médico. Cada detalhe disso tudo pode ser traduzido em dados, que se transformam em informações, as quais são necessárias para criar soluções.

As linguagens necessárias para o cientista de dados vão da parte de programação, passando pela matemática até a criatividade

O mercado de consumo, então, não está ligado somente ao dia a dia de um habitante de metrópole. No campo, tratores e regadores são automatizados para carpir e regar nos dias e horários certos, de acordo com a umidade do ar e a temperatura do solo.

E tudo isso é visto no Brasil, um país com capacidade tecnológica reduzida, diante de países como Japão e Alemanha, mas que ainda assim busca por soluções práticas e econômicas às suas necessidades sociais.

Desta forma, o cientista de dados é o responsável por utilizar diversas linguagens, como R (programação), SAS, Python e SQL, dentro das quais consegue produzir e colher dados o suficiente para gerar a tão sonhada informação solucionadora.

E a tecnologia da informação, então, ganha mais um patamar rumo à área de maior necessidade da humanidade em questão de profissionalização e mercado de atuação.

Dentro destes quesitos, o cientista de dados transforma o Big Data em uma série de parâmetros, sejam eles fomentados por questões políticas ou econômicas, mas todas de grande impacto social.

A profissão que tem ganhado destaque por oferecer soluções a questões sociais, políticas e econômicas

Para se tornar um cientista de dados, então, é preciso minimamente conhecer matemática e estatística, ou ser um engenheiro, com uma afiada mente lógica, cuja entrada no mercado de tecnologia da informação poderá ser feita por meio acadêmico ou profissional.

Tudo de acordo com a capacidade de cada um para analisar e provar suas análises de forma útil à sociedade, afinal, são essas questões sociais que dominam, hoje em dia, o capitalismo e todas as suas nuances.

Dentro do que o cientista de dados faz, também estão termos bastante utilizados no dia a dia do profissional de tecnologia da informação que atue com o mercado de consumo e com soluções sociais viáveis.

Há diversas ferramentas necessárias ao cientista de dados: conheça algumas delas

Há várias ferramentas que o cientista de dados utiliza em seu dia a dia. A Árvore de Decisão, por exemplo, é um preceito básico adaptado da tabela de decisão, que indica diferentes caminhos para chegar ao resultado mais promissor para determinado problema.

Já o famoso Clustering é uma análise de dados a partir do agrupamento dos mesmos de acordo com suas semelhanças, ajudando a criar, então, problemas a serem solucionados.

A Rede Neural, por sua vez, é uma ferramenta que se assemelha ao sistema nervoso de um animal, o qual ajuda a criar parâmetros independentes de análise, criando uma forma de aprendizado de máquina, ou seja, fazendo com que os algoritmos sejam lidos e interpretados sem necessariamente ajuda humana.

Aliás, muitas ferramentas têm ido por esse lado, cujo propósito é multiplicar de forma exponencial a velocidade de descobertas de novos padrões e, assim, criar soluções cada vez mais rápidas a questões que vão da rotina à saúde e segurança de um indivíduo ou de um país.

Esta é uma profissão com raros profissionais, o que gera altíssima procura

Por ser uma área com pouquíssimos profissionais habilitados até o momento, o cientista de dados permite com que haja grande procura por parte das empresas e baixa oferta, aumentando ainda mais o seu valor de mercado e empregabilidade.

Para tornar esta profissão real, porém, é necessário muito estudo lógico, além de atitudes que permitam ao profissional desenvolver soluções muitas vezes pautadas pela criatividade.

Ou seja, o cientista de dados não tem, necessariamente, o perfil regrado do mercado financeiro. Ele é uma mistura de profissões e personalidades, o que o torna ainda mais raro de ser encontrado.

CompartilharCompartilhar1Enviar
Post Anterior

Como usar o Histograma para Data Science

Próximo Post

Como Implementar Regressão Linear com Python

Equipe Sigmoidal

Equipe Sigmoidal

Relacionado Artigos

Curso de Pós-Graduação em Data Science
Data Science

Vale a pena fazer uma Pós-Graduação em Data Science?

por Carlos Melo
janeiro 20, 2025
Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”
Livros

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”

janeiro 18, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Carlos Melo da Pós Graduação em Data Science do Sigmoidal
Aeroespacial

Oportunidades no Setor Espacial para Cientistas de Dados

por Carlos Melo
janeiro 15, 2025
Minha Participação no Hipsters Ponto Tech: TensorFlow
Deep Learning

Minha Participação no Hipsters Ponto Tech: TensorFlow

por Carlos Melo
abril 10, 2024
Próximo Post
Como Implementar Regressão Linear com Python

Como Implementar Regressão Linear com Python

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós-Graduação em Data Science Pós-Graduação em Data Science Pós-Graduação em Data Science

Mais Populares

  • Introdução ao MediaPipe e Pose Estimation

    Introdução ao MediaPipe e Pose Estimation

    486 compartilhamentos
    Compartilhar 194 Tweet 122
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    408 compartilhamentos
    Compartilhar 163 Tweet 102
  • O Que é Amostragem e Quantização no Processamento de Imagens

    9 compartilhamentos
    Compartilhar 4 Tweet 2
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    383 compartilhamentos
    Compartilhar 153 Tweet 96
  • Processamento de Nuvens de Pontos com Open3D e Python

    44 compartilhamentos
    Compartilhar 18 Tweet 11
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
Green Card aprovado por habilidades extraordinárias em Data Science

Green Card aprovado por habilidades extraordinárias em Data Science

julho 14, 2025
O Que é Amostragem e Quantização no Processamento de Imagens

O Que é Amostragem e Quantização no Processamento de Imagens

junho 20, 2025
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025
DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA

DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA?

janeiro 25, 2025

Seguir

  • Aqui nós 🇺🇸, a placa é sua. Quando você troca o carro,  por exemplo, você mesmo tira a sua placa do carro vendido e instala a parafusa no carro novo.

Por exemplo, hoje eu vi aqui no “Detran” dos Estados Unidos, paguei a trasnferência do title do veículo, e já comprei minha primeira placa. 

Tudo muito fácil e rápido. Foi menos de 1 hora para resolver toda a burocracia! #usa🇺🇸 #usa
  • Como um carro autônomo "enxerga" o mundo ao redor?

Não há olhos nem intuição, apenas sensores e matemática. Cada imagem capturada passa por um processo rigoroso: amostragem espacial, quantização de intensidade e codificação digital. 

Esse é o desafio, representar um objeto 3D do mundo real, em pixels que façam sentido para a Inteligência Artificial.

🚗📷 A visão computacional é a área mais inovadora do mundo!

Comente aqui se você concorda.

#carrosautonomos #inteligenciaartificial #IA #visãocomputacional
  • 👁️🤖Visão Computacional: a área mais inovadora do mundo! Clique no link da bio e se inscreva na PÓS EM VISÃO COMPUTACIONAL E DEEP LEARNING! #machinelearning #datascience #visãocomputacional
  • E aí, Sergião @spacetoday Você tem DADO em casa? 😂😂

A pergunta pode ter ficado sem resposta no dia. Mas afinal, o que são “dados”?

No mundo de Data Science, dados são apenas registros brutos. Números, textos, cliques, sensores, imagens. Sozinhos, eles não dizem nada 

Mas quando aplicamos técnicas de Data Science, esses dados ganham significado. Viram informação.

E quando a informação é bem interpretada, ela se transforma em conhecimento. Conhecimento gera vantagem estratégica 🎲

Hoje, Data Science não é mais opcional. É essencial para qualquer empresa que quer competir de verdade.

#datascience #cientistadedados #machinelearning
  • 🎙️ Corte da minha conversa com o Thiago Nigro, no PrimoCast #224

Falamos sobre por que os dados são considerados o novo petróleo - para mim, dados são o novo bacon!

Expliquei como empresas que dominam a ciência de dados ganham vantagem real no mercado. Não por armazenarem mais dados, mas por saberem o que fazer com eles.

Também conversamos sobre as oportunidades para quem quer entrar na área de tecnologia. Data Science é uma das áreas mais democráticas que existem. Não importa sua idade, formação ou cidade. O que importa é a vontade de aprender.

Se você quiser ver o episódio completo, é só buscar por Primocast 224.

“O que diferencia uma organização de outra não é a capacidade de armazenamento de dados; é a capacidade de seu pessoal extrair conhecimento desses dados.”

#machinelearning #datascience #visãocomputacional #python
  • 📸 Palestra que realizei no palco principal da Campus Party #15, o maior evento de tecnologia da América Latina!

O tema que escolhi foi "Computação Espacial", onde destaquei as inovações no uso de visão computacional para reconstrução 3D e navegação autônoma.

Apresentei técnicas como Structure-from-Motion (SFM), uma técnica capaz de reconstruir cidades inteiras (como Roma) usando apenas fotos publicadas em redes sociais, e ORB-SLAM, usada por drones e robôs para mapeamento em tempo real.

#visãocomputacional #machinelearning #datascience #python
  • ⚠️❗ Não deem ideia para o Haddad! 

A França usou Inteligência Artificial para detectar mais de 20 mil piscinas não declaradas a partir de imagens aéreas.

Com modelos de Deep Learning, o governo identificou quem estava devendo imposto... e arrecadou mais de €10 milhões com isso.

Quer saber como foi feito? Veja no post completo no blog do Sigmoidal: https://sigmoidal.ai/como-a-franca-usou-inteligencia-artificial-para-detectar-20-mil-piscinas/

#datascience #deeplearning #computerVision #IA
  • Como aprender QUALQUER coisa rapidamente?

💡 Comece com projetos reais desde o primeiro dia.
📁 Crie um portfólio enquanto aprende. 
📢 E compartilhe! Poste, escreva, ensine. Mostre o que está fazendo. Documente a jornada, não o resultado.

Dois livros que mudaram meu jogo:
-> Ultra Aprendizado (Scott Young)
-> Uma Vida Intelectual (Sertillanges)

Aprenda em público. Evolua fazendo.

#ultralearning #estudos #carreira
  • Como eu usava VISÃO COMPUTACIONAL no Centro de Operações Espaciais, planejando missões de satélites em situações de desastres naturais.

A visão computacional é uma fronteira fascinante da tecnologia que transforma a forma como entendemos e respondemos a desastres e situações críticas. 

Neste vídeo, eu compartilho um pouco da minha experiência como Engenheiro de Missão de Satélite e especialista em Visão Computacional. 

#VisãoComputacional #DataScience #MachineLearning #Python
  • 🤔 Essa é a MELHOR linguagem de programação, afinal?

Coloque sua opinião nos comentários!

#python #datascience #machinelearning
  • 💘 A história de como conquistei minha esposa... com Python!

Lá em 2011, mandei a real:

“Eu programo em Python.”
O resto é história.
  • Para rotacionar uma matriz 2D em 90°, primeiro inverto a ordem das linhas (reverse). Depois, faço a transposição in-place. Isso troca matrix[i][j] com matrix[j][i], sem criar outra matriz. A complexidade segue sendo O(n²), mas o uso de memória se mantém O(1).

Esse padrão aparece com frequência em entrevistas. Entender bem reverse + transpose te prepara para várias variações em matrizes.

#machinelearning #visaocomputacional #leetcode
  • Na última aula de estrutura de dados, rodei um simulador de labirintos para ensinar como resolver problemas em grids e matrizes.

Mostrei na prática a diferença entre DFS e BFS. Enquanto a DFS usa stacks, a BFS utiliza a estrutura de fila (queue). Cada abordagem tem seu padrão de propagação e uso ideal.

#machinelearning #visaocomputacional #algoritmos
  • 🔴 Live #2 – Matrizes e Grids: Fundamentos e Algoritmos Essenciais

Na segunda aula da série de lives sobre Estruturas de Dados e Algoritmos, o foco será em Matrizes e Grids, estruturas fundamentais em problemas de caminho, busca e representação de dados espaciais.

📌 O que você vai ver:

Fundamentos de matrizes e grids em programação
Algoritmos de busca: DFS e BFS aplicados a grids
Resolução ao vivo de problemas do LeetCode

📅 Terça-feira, 01/07, às 22h no YouTube 
🎥 (link nos Stories)

#algoritmos #estruturasdedados #leetcode #datascience #machinelearning
  • 💡 Quer passar em entrevistas técnicas?
Veja essa estratégia para você estudar estruturas de dados em uma sequência lógica e intuitiva.
⠀
👨‍🏫 NEETCODE.io
⠀
🚀 Marque alguém que também está se preparando!

#EntrevistaTecnica #LeetCode #MachineLearning #Data Science
  • Live #1 – Arrays & Strings: Teoria e Prática para Entrevistas Técnicas

Segunda-feira eu irei começar uma série de lives sobre Estruturas de Dados e Algoritmos. 

No primeiro encontro, falarei sobre um dos tipos de problemas mais cobrados em entrevistas: Arrays e Strings.

Nesta aula, você vai entender a teoria por trás dessas estruturas, aprender os principais padrões de resolução de problemas e aplicar esse conhecimento em exercícios selecionados do LeetCode.

📅 Segunda-feira, 23/06, às 21h no YouTube

🎥 (link nos Stories)

#machinelearning #datascience #cienciadedados #visãocomputacional
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning gpt-3 histograma IA generativa image formation inteligência artificial jupyter kaggle keras machine learning matplotlib mnist nft openai opencv overfitting pandas profissão python redes neurais redes neurais convolucionais regressão linear regressão logística salário scikit-learn seaborn sklearn tensorflow titanic tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.