Data Science, Big Data e Analytics são termos que escutamos constantemente hoje em dia. Mais do que buzzwords elas estão guiando o modo como empresas de diferentes de tamanhos pensam e evoluem seus modelos de negócio. Vamos desmistificar alguns desses conceitos e mostrar como podemos começar a aplicar algumas dessas técnicas em nossos projetos. E, sendo uma das mais usadas linguagens para análise de dados, veremos como Python pode nos ajudar nessa jornada.

1. R u P y N a t a l 2 0 1 4
DATA SCIENCE E PYTHON
Ricardo Wendell
rwendell@thoughtworks.com

2. Fonte: https://www.flickr.com/photos/melinamanfrinatti/8391988575 2

3. Fonte: http://socialtimes.com/one-minute-internet-infographic_b147855 3

4. 4
BIG DATA

5. 5
BIG DATA
V V V

6. 6
VOLUME

7. 2.5 QUVOINLUTMILEHÕES
DE BYTES GERADOS POR DIA!
7

8. 8
VELOCIDADE

9. 9
VARIEDADE

10. 10
DATA SCIENCE

11. 11

12. Fonte: http://www.shoesofprey.com/blog/pic/ahFzfnNob2Vzb2ZwcmV5LWhyZHIWCxINQmxvZ0ltYWdlRGF0YRiWxuoJDA.jpg 12

13. Fonte: http://ecx.images-amazon.com/images/I/81D5CBkXL6L._SL1500_.jpg 13

14. Fonte: http://www.portalgildabonfim.com.br/site/wp-content/uploads/2014/02/beneficios-da-castanha-do-para-na-barra-de-cereal.png 14

15. 15

16. 16
DATA SCIENTIST

17. Fonte: https://www.flickr.com/photos/marsdd/2986989396 17

18. Fonte: http://www.forbes.com/sites/danwoods/2014/08/28/why-you-should-hire-a-robot-to-write-for-you/ 18

19. O S E M N
19

20. O S E M N
20

21. AGILE ANALYTICS
21

22. Fonte: http://nirvacana.com/thoughts/becoming-a-data-scientist/ 22

23. 23

24. 24

25. 25

26. 26

27. 27
CSVKIT (https://csvkit.readthedocs.org)

28. 28
IPython (http://ipython.org)

29. 29
SciPy (http://www.scipy.org)

30. 30
pandas (http://pandas.pydata.org)

31. 31
matplotlib (http://matplotlib.org)

32. 32
scikit-learn (http://scikit-learn.org)

33. 33
E AGORA?

34. 34
PENSE GRANDE
COMECE PEQUENO

35. OBRIGADO!
Ricardo Wendell
rwendell@thoughtworks.com
slideshare.net/rickwendell