Dados Estruturados e Dataframes 

Esta disciplina tem como objetivo apresentar os conceitos introdutórios sobre estruturação de dados que são fundamentais para o entendimento de como algoritmos funcionam. Vamos focar em dados estruturados e relacionais e apresentar cases de análises utilizando bibliotecas Python como Pandas, Numpy e Scipy e apresentar detalhes de como realizar análise e extrair insights destes dados estruturados.

80 horas.

• Dia 1: Introdução à estrutura de dados. 
• Dia 2: Estrutura de dados definidas pelo usuário. 
• Dia 3: Arrays e arquivos. 
• Dia 4: Listas lineares. 
• Dia 5: Listas não lineares. 
• Dia 6: Introdução à algoritmos. 
• Dia 7: Algoritmos de procura, ordenação e recursão. 
• Dia 8: Introdução à dataframes. 
• Dia 9: Introdução ao cálculo com dados estruturados. 
• Dia 10: Introdução à grafos e árvores. 

• Tipos primitivos de estruturas de dados. 
• Tipos abstratos de estrutura de dados. 
• Hierarquias em estruturas de dados. 
• Exemplos de estruturas de dados. 
• Características de estruturas de dados. 

• Estruturas lineares. 
• Estruturas não lineares.
• Estruturas homogêneas. 
• Estruturas não homogêneas. 
• Estruturas estáticas. 
• Estruturas dinâmicas. 

• Introdução à arrays.
• Introdução à arquivos. 

• Introdução. 
• Stacks. 
• Queues. 

• Introdução. 
• Árvores. 
• Grafos. 

• Introdução. 
• Características de algoritmos (linear, não linear, homogêneo, etc). 
• Estruturas de algoritmo (input, output, etc). 
• Pseudocodigos. 
• Flow charts de algoritmos. 
• Complexidade de algoritmos. 
• Espaço de complexidade (instrução, dados, ambiente). 

• Algoritmos de procura (search). 
• Algoritmos de ordenação (sort). 
• Algoritmos de recursão. 

• Dataframes pandas. 
• Funções básicas do Pandas. 
• Groupby e agregações. 
• Merge e joins. 
• Pandas series.
• Análises e insights. 

• Introdução. 
• Cálculos com biblioteca Numpy. 
• Cálculos com biblioteca Scipy. 
• Outras bibliotecas Python. 
• Arrays, tuplas, listas e vetores. 
• Matrizes e outros arrays. 

• Introdução à teoria de grafos. 
• Introdução à teoria de árvores e aplicações. 

• https://docs.python.org/3/tutorial/datastructures.html
• https://docs.python.org/3/howto/sorting.html
• https://docs.python.org/3/library/re.html
• https://pandas.pydata.org/pandas-docs/stable/getting_started/10min.html
• https://pandas.pydata.org/docs/
• https://docs.python.org/3/library/numeric.html
• https://wiki.python.org/moin/NumericAndScientific
• https://www.scipy.org/
• https://numpy.org/
• https://graph-tool.skewed.de/
• https://www.python.org/doc/essays/graphs/
• https://www.python-course.eu/graphs_python.php