Engenharia de Software para Ciência de Dados

Tatiana Escovedo, Hugo Villamizar, Marcos Kalinowski, Hélio Lopes - Casa do Código

SINOPSE

Livro finalista do prêmio Jabuti Acadêmico 2024. Os avanços recentes na área de Ciência de Dados - em especial em Machine Learning - têm tornado viável e de relevância prática novas soluções de software, que podem aprender a partir de dados e realizar predições inteligentes. Entretanto, para que esses sistemas tenham sucesso, devem ser construídos considerando as boas práticas da área de Engenharia de Software para atenderem de fato às necessidades dos clientes. Este livro vem para consolidar a área de Engenharia de Software para Ciência de Dados e capacitar profissionais interessados ou atuantes em Ciência de Dados na construção de sistemas baseados em Machine Learning, ao mostrar como construir esses sistemas end-to-end, adaptando e aplicando as melhores práticas para esse contexto. Você entenderá como aplicar abordagens ágeis para a engenharia de sistemas inteligentes e aprenderá a especificar e desenvolver sistemas baseados em Machine Learning na prática em Python, utilizando os principais algoritmos de classificação e regressão, seguindo princípios de projeto e boas práticas de codificação. Você verá como realizar o controle de qualidade de sistemas inteligentes, além de conhecer alternativas para essa arquitetura, com diferentes formas de implantação de modelos, incluindo na nuvem. Por fim, conhecerá conceitos de gerência de configuração e DevOps, comumente empregados neste tipo de projeto. O livro compila evidências científicas e experiências práticas de formação dos autores, que em 2021 criaram o primeiro curso de extensão em Engenharia de Software para Ciência de Dados do país, formando centenas de alunos em diversas turmas oferecidas pela PUC-Rio, tanto abertas quanto in-company.

476 páginas

ler amostra agora Adicionar a lista de desejos