{"id":2041,"date":"2025-04-08T13:56:03","date_gmt":"2025-04-08T11:56:03","guid":{"rendered":"https:\/\/lyfx.ai\/?page_id=2041"},"modified":"2025-07-12T23:15:28","modified_gmt":"2025-07-12T21:15:28","slug":"data-science-glossary","status":"publish","type":"page","link":"https:\/\/lyfx.ai\/pt\/data-science-glossary\/","title":{"rendered":"Gloss\u00e1rio da ci\u00eancia dos dados"},"content":{"rendered":"
\n
<\/div>\n\n\n\n
\"\"<\/span>
\n

Dados e IA<\/h1>\n<\/div><\/div>\n\n\n\n
<\/div>\n<\/div>\n\n\n\n
\n
\n

Gloss\u00e1rio da ci\u00eancia dos dados<\/h3>\n\n\n\n

Conte\u00fados gerados por IA<\/em><\/p>\n\n\n\n

Teste A\/B<\/h4>\n\n\n\n

Um m\u00e9todo estat\u00edstico utilizado para comparar duas vers\u00f5es (A e B) de uma vari\u00e1vel para determinar qual delas tem melhor desempenho. Envolve a realiza\u00e7\u00e3o de uma experi\u00eancia controlada em que os utilizadores s\u00e3o aleatoriamente atribu\u00eddos a diferentes varia\u00e7\u00f5es de uma carater\u00edstica do produto, p\u00e1gina Web ou campanha de marketing. Os resultados s\u00e3o analisados para determinar a signific\u00e2ncia estat\u00edstica e informar a tomada de decis\u00f5es.<\/p>\n\n\n\n

Dete\u00e7\u00e3o de anomalias<\/h4>\n\n\n\n

A identifica\u00e7\u00e3o de itens raros, eventos ou observa\u00e7\u00f5es que se desviam significativamente da maioria dos dados e levantam suspeitas. As anomalias podem indicar incidentes cr\u00edticos, como fraudes banc\u00e1rias, defeitos estruturais, problemas m\u00e9dicos ou erros de texto. As t\u00e9cnicas incluem m\u00e9todos estat\u00edsticos, algoritmos de aprendizagem autom\u00e1tica e abordagens de aprendizagem profunda.<\/p>\n\n\n\n

Grandes volumes de dados<\/h4>\n\n\n\n

Conjuntos de dados extremamente grandes que s\u00e3o demasiado complexos para as aplica\u00e7\u00f5es tradicionais de processamento de dados. Os grandes dados s\u00e3o caracterizados pelos \u201c5 Vs\u201d: Volume (tamanho), Velocidade (velocidade de gera\u00e7\u00e3o), Variedade (diferentes formas), Veracidade (qualidade e exatid\u00e3o) e Valor (utilidade). Ferramentas especializadas como Hadoop, Spark e bases de dados NoSQL s\u00e3o normalmente utilizadas para processar e analisar grandes volumes de dados.<\/p>\n\n\n\n

Causalidade<\/h4>\n\n\n\n

Uma rela\u00e7\u00e3o em que a altera\u00e7\u00e3o de uma vari\u00e1vel influencia diretamente ou produz uma altera\u00e7\u00e3o noutra vari\u00e1vel. O estabelecimento da causalidade exige normalmente experi\u00eancias controladas ou t\u00e9cnicas estat\u00edsticas avan\u00e7adas, como os m\u00e9todos de infer\u00eancia causal. A compreens\u00e3o das rela\u00e7\u00f5es causais \u00e9 crucial para fazer previs\u00f5es fi\u00e1veis e interven\u00e7\u00f5es eficazes.<\/p>\n\n\n\n

Classifica\u00e7\u00e3o<\/h4>\n\n\n\n

Uma t\u00e9cnica de aprendizagem supervisionada em que o algoritmo aprende a partir de dados de treino marcados e utiliza esta aprendizagem para classificar dados novos e n\u00e3o vistos em categorias predefinidas. Os algoritmos de classifica\u00e7\u00e3o mais comuns incluem a regress\u00e3o log\u00edstica, as \u00e1rvores de decis\u00e3o, as florestas aleat\u00f3rias, as m\u00e1quinas de vectores de suporte e as redes neuronais.<\/p>\n\n\n\n

Agrupamento<\/h4>\n\n\n\n

Uma t\u00e9cnica de aprendizagem n\u00e3o supervisionada que agrupa pontos de dados semelhantes com base nas suas carater\u00edsticas intr\u00ednsecas. Na ci\u00eancia dos dados, o agrupamento ajuda a identificar agrupamentos naturais nos dados sem r\u00f3tulos predefinidos. Os algoritmos de agrupamento mais populares incluem K-means, agrupamento hier\u00e1rquico, DBSCAN e modelos de mistura gaussiana.<\/p>\n\n\n\n

Correla\u00e7\u00e3o<\/h4>\n\n\n\n

Uma medida estat\u00edstica que expressa o grau em que duas vari\u00e1veis est\u00e3o linearmente relacionadas. Os coeficientes de correla\u00e7\u00e3o variam de -1 a +1, com valores mais pr\u00f3ximos de +1 ou -1 indicando rela\u00e7\u00f5es positivas ou negativas mais fortes, respetivamente. As medidas de correla\u00e7\u00e3o comuns incluem o r de Pearson, a classifica\u00e7\u00e3o de Spearman e o tau de Kendall.<\/p>\n\n\n\n

Valida\u00e7\u00e3o cruzada<\/h4>\n\n\n\n

Uma t\u00e9cnica de avalia\u00e7\u00e3o de modelos que avalia o grau de generaliza\u00e7\u00e3o de um modelo para um conjunto de dados independente. Envolve a parti\u00e7\u00e3o dos dados em v\u00e1rios subconjuntos, o treino do modelo em alguns subconjuntos (conjuntos de treino) e a sua valida\u00e7\u00e3o noutros (conjuntos de valida\u00e7\u00e3o). Os m\u00e9todos mais comuns incluem a valida\u00e7\u00e3o cruzada k-fold, a valida\u00e7\u00e3o cruzada leave-one-out e a valida\u00e7\u00e3o cruzada estratificada.<\/p>\n\n\n\n

Engenharia de dados<\/h4>\n\n\n\n

A disciplina centrava-se na conce\u00e7\u00e3o, constru\u00e7\u00e3o e manuten\u00e7\u00e3o da infraestrutura e da arquitetura para a gera\u00e7\u00e3o, armazenamento e an\u00e1lise de dados. Os engenheiros de dados desenvolvem pipelines de dados, criam armaz\u00e9ns de dados e asseguram a disponibilidade, consist\u00eancia e qualidade dos dados para os cientistas e analistas de dados.<\/p>\n\n\n\n

Extra\u00e7\u00e3o de dados<\/h4>\n\n\n\n

O processo de descoberta de padr\u00f5es, correla\u00e7\u00f5es, anomalias e informa\u00e7\u00f5es \u00fateis a partir de grandes conjuntos de dados, utilizando m\u00e9todos na intersec\u00e7\u00e3o da aprendizagem autom\u00e1tica, estat\u00edstica e sistemas de bases de dados. A extra\u00e7\u00e3o de dados engloba tarefas como a aprendizagem de regras de associa\u00e7\u00e3o, o agrupamento, a classifica\u00e7\u00e3o e a regress\u00e3o.<\/p>\n\n\n\n

Pipeline de dados<\/h4>\n\n\n\n

Uma s\u00e9rie de processos que extraem dados de v\u00e1rias fontes, transformam-nos num formato \u00fatil e carregam-nos num sistema para an\u00e1lise ou armazenamento. Os pipelines de dados automatizam o fluxo de dados, garantindo consist\u00eancia, fiabilidade e efici\u00eancia no processamento de dados. Os pipelines de dados modernos incluem frequentemente capacidades de processamento em tempo real.<\/p>\n\n\n\n

Pr\u00e9-processamento de dados<\/h4>\n\n\n\n

A transforma\u00e7\u00e3o de dados em bruto num formato limpo e estruturado adequado para an\u00e1lise. Esta etapa crucial inclui o tratamento de valores em falta, a remo\u00e7\u00e3o de duplicados, a normaliza\u00e7\u00e3o, a padroniza\u00e7\u00e3o, a codifica\u00e7\u00e3o de vari\u00e1veis categ\u00f3ricas e o escalonamento de carater\u00edsticas. Um pr\u00e9-processamento eficaz tem um impacto direto na qualidade das informa\u00e7\u00f5es obtidas a partir dos dados.<\/p>\n\n\n\n

Ci\u00eancia dos dados<\/h4>\n\n\n\n

Um dom\u00ednio interdisciplinar que utiliza m\u00e9todos, processos, algoritmos e sistemas cient\u00edficos para extrair conhecimentos e ideias de dados estruturados e n\u00e3o estruturados. A ci\u00eancia dos dados combina conhecimentos especializados em estat\u00edstica, matem\u00e1tica, inform\u00e1tica, conhecimento do dom\u00ednio e visualiza\u00e7\u00e3o de dados para resolver problemas anal\u00edticos complexos e conduzir a tomada de decis\u00f5es com base em dados.<\/p>\n\n\n\n

Visualiza\u00e7\u00e3o de dados<\/h4>\n\n\n\n

A representa\u00e7\u00e3o gr\u00e1fica de informa\u00e7\u00f5es e dados utilizando elementos visuais como quadros, gr\u00e1ficos, mapas e dashboards. Uma visualiza\u00e7\u00e3o de dados eficaz ajuda a comunicar rela\u00e7\u00f5es e padr\u00f5es de dados complexos de forma intuitiva, tornando as informa\u00e7\u00f5es mais acess\u00edveis \u00e0s partes interessadas. As ferramentas comuns incluem Tableau, Power BI, matplotlib e D3.js.<\/p>\n\n\n\n

Organiza\u00e7\u00e3o de dados<\/h4>\n\n\n\n

O processo de transforma\u00e7\u00e3o e mapeamento de dados em bruto para outro formato, de modo a torn\u00e1-los mais adequados para an\u00e1lise. Isto inclui a limpeza, estrutura\u00e7\u00e3o, enriquecimento, valida\u00e7\u00e3o e publica\u00e7\u00e3o de dados. A manipula\u00e7\u00e3o de dados consome normalmente 60-80% do tempo de um cientista de dados, mas \u00e9 essencial para garantir resultados anal\u00edticos fi\u00e1veis.<\/p>\n\n\n\n

Base de dados<\/h4>\n\n\n\n

Uma cole\u00e7\u00e3o organizada de dados estruturados armazenados e acedidos eletronicamente. As bases de dados s\u00e3o concebidas para armazenar, recuperar e gerir dados de forma eficiente, de acordo com as necessidades dos utilizadores e das aplica\u00e7\u00f5es. Os tipos incluem bases de dados relacionais (MySQL, PostgreSQL), bases de dados NoSQL (MongoDB, Cassandra), bases de dados de s\u00e9ries temporais e bases de dados de gr\u00e1ficos.<\/p>\n\n\n\n

An\u00e1lise descritiva<\/h4>\n\n\n\n

O exame de dados hist\u00f3ricos para compreender o que aconteceu no passado. Este tipo de an\u00e1lise resume os dados em bruto e apresenta padr\u00f5es, tend\u00eancias e rela\u00e7\u00f5es atrav\u00e9s de medidas de tend\u00eancia central, dispers\u00e3o e visualiza\u00e7\u00e3o. A an\u00e1lise descritiva responde \u00e0 pergunta \u201cO que aconteceu?\u201d e constitui a base para uma an\u00e1lise mais avan\u00e7ada.<\/p>\n\n\n\n

Redu\u00e7\u00e3o da dimensionalidade<\/h4>\n\n\n\n

T\u00e9cnicas utilizadas para reduzir o n\u00famero de carater\u00edsticas num conjunto de dados, preservando o m\u00e1ximo de informa\u00e7\u00e3o poss\u00edvel. Isto aborda a \u201cmaldi\u00e7\u00e3o da dimensionalidade\u201d e melhora o desempenho do modelo atrav\u00e9s da remo\u00e7\u00e3o de carater\u00edsticas redundantes ou irrelevantes. Os m\u00e9todos mais comuns incluem a an\u00e1lise de componentes principais (PCA), t-SNE e autoencoders.<\/p>\n\n\n\n

ETL (Extrair, Transformar, Carregar)<\/h4>\n\n\n\n

Um processo de tr\u00eas fases utilizado para recolher dados de v\u00e1rias fontes, transform\u00e1-los de modo a satisfazerem as necessidades operacionais e carreg\u00e1-los numa base de dados de destino ou num armaz\u00e9m de dados. O ETL \u00e9 fundamental para as estrat\u00e9gias de integra\u00e7\u00e3o de dados e garante a consist\u00eancia dos dados em diferentes sistemas e aplica\u00e7\u00f5es. As abordagens modernas podem utilizar ELT (Extract, Load, Transform) ao trabalhar com lagos de dados.<\/p>\n\n\n\n

An\u00e1lise Explorat\u00f3ria de Dados (AED)<\/h4>\n\n\n\n

Uma abordagem cr\u00edtica \u00e0 an\u00e1lise de conjuntos de dados para resumir as suas principais carater\u00edsticas, utilizando frequentemente m\u00e9todos visuais. A EDA ajuda a identificar padr\u00f5es, detetar anomalias, testar hip\u00f3teses e verificar pressupostos antes de aplicar t\u00e9cnicas mais sofisticadas. Normalmente, envolve estat\u00edsticas resumidas, an\u00e1lise de correla\u00e7\u00e3o e visualiza\u00e7\u00f5es como histogramas, gr\u00e1ficos de dispers\u00e3o e gr\u00e1ficos de caixa.<\/p>\n\n\n\n

Engenharia de recursos<\/h4>\n\n\n\n

O processo de sele\u00e7\u00e3o, modifica\u00e7\u00e3o ou cria\u00e7\u00e3o de carater\u00edsticas (vari\u00e1veis) a partir de dados brutos para melhorar o desempenho do modelo de aprendizagem autom\u00e1tica. Este processo pode envolver t\u00e9cnicas como a codifica\u00e7\u00e3o one-hot, binning, escalonamento, carater\u00edsticas polinomiais ou a cria\u00e7\u00e3o de vari\u00e1veis espec\u00edficas do dom\u00ednio. Uma engenharia de carater\u00edsticas eficaz requer conhecimento do dom\u00ednio e resolu\u00e7\u00e3o criativa de problemas.<\/p>\n\n\n\n

Teste de hip\u00f3teses<\/h4>\n\n\n\n

Um m\u00e9todo estat\u00edstico utilizado para fazer infer\u00eancias sobre uma popula\u00e7\u00e3o com base em dados de amostra. Envolve a formula\u00e7\u00e3o de uma hip\u00f3tese nula e de uma hip\u00f3tese alternativa, a recolha de dados, o c\u00e1lculo de estat\u00edsticas de teste e a determina\u00e7\u00e3o da rejei\u00e7\u00e3o da hip\u00f3tese nula com base num n\u00edvel de signific\u00e2ncia pr\u00e9-determinado (normalmente 0,05).<\/p>\n\n\n\n

KPI (Indicador-chave de desempenho)<\/h4>\n\n\n\n

Medidas quantific\u00e1veis utilizadas para avaliar o sucesso de uma organiza\u00e7\u00e3o, projeto ou atividade espec\u00edfica no cumprimento dos objectivos. Na ci\u00eancia dos dados, os KPIs ajudam a acompanhar o progresso, avaliar o desempenho e orientar a tomada de decis\u00f5es. Os KPIs eficazes s\u00e3o espec\u00edficos, mensur\u00e1veis, exequ\u00edveis, relevantes e limitados no tempo (SMART).<\/p>\n\n\n\n

Aprendizagem autom\u00e1tica<\/h4>\n\n\n\n

Um subconjunto da intelig\u00eancia artificial que d\u00e1 aos sistemas a capacidade de aprender e melhorar automaticamente com a experi\u00eancia sem serem explicitamente programados. Na ci\u00eancia dos dados, os algoritmos de aprendizagem autom\u00e1tica criam modelos matem\u00e1ticos com base em dados de amostra para fazer previs\u00f5es ou tomar decis\u00f5es sem interven\u00e7\u00e3o humana.<\/p>\n\n\n\n

Avalia\u00e7\u00e3o do modelo<\/h4>\n\n\n\n

O processo de avalia\u00e7\u00e3o do desempenho de um modelo utilizando v\u00e1rias m\u00e9tricas e t\u00e9cnicas. Para problemas de classifica\u00e7\u00e3o, as m\u00e9tricas comuns incluem exatid\u00e3o, precis\u00e3o, recupera\u00e7\u00e3o, pontua\u00e7\u00e3o F1 e AUC-ROC. Para os problemas de regress\u00e3o, as m\u00e9tricas incluem o erro quadr\u00e1tico m\u00e9dio, o erro absoluto m\u00e9dio e o R-quadrado. A valida\u00e7\u00e3o cruzada \u00e9 frequentemente utilizada para garantir uma avalia\u00e7\u00e3o robusta.<\/p>\n\n\n\n

An\u00e1lise preditiva<\/h4>\n\n\n\n

A utiliza\u00e7\u00e3o de dados hist\u00f3ricos, algoritmos estat\u00edsticos e t\u00e9cnicas de aprendizagem autom\u00e1tica para identificar a probabilidade de resultados futuros. Os modelos preditivos extraem padr\u00f5es de dados hist\u00f3ricos para determinar riscos e oportunidades. As aplica\u00e7\u00f5es incluem a pontua\u00e7\u00e3o de cr\u00e9dito, a previs\u00e3o da rotatividade de clientes, a dete\u00e7\u00e3o de fraudes e a previs\u00e3o da procura.<\/p>\n\n\n\n

An\u00e1lise prescritiva<\/h4>\n\n\n\n

A forma mais avan\u00e7ada de an\u00e1lise que recomenda ac\u00e7\u00f5es a tomar para otimizar os resultados comerciais. Utiliza algoritmos de otimiza\u00e7\u00e3o, simula\u00e7\u00e3o e regras empresariais para sugerir op\u00e7\u00f5es de decis\u00e3o com as respectivas implica\u00e7\u00f5es. A an\u00e1lise prescritiva responde \u00e0 pergunta \u201cO que devemos fazer?\u201d e baseia-se frequentemente nas informa\u00e7\u00f5es da an\u00e1lise preditiva.<\/p>\n\n\n\n

Regress\u00e3o<\/h4>\n\n\n\n

Um conjunto de m\u00e9todos estat\u00edsticos utilizados para estimar rela\u00e7\u00f5es entre vari\u00e1veis, em particular a forma como uma vari\u00e1vel dependente se altera quando as vari\u00e1veis independentes variam. Os tipos incluem regress\u00e3o linear, regress\u00e3o polinomial, regress\u00e3o log\u00edstica (para resultados bin\u00e1rios) e t\u00e9cnicas mais avan\u00e7adas, como a regress\u00e3o ridge e lasso, que incluem regulariza\u00e7\u00e3o.<\/p>\n\n\n\n

SQL (Structured Query Language - Linguagem de Consulta Estruturada)<\/h4>\n\n\n\n

Uma linguagem espec\u00edfica de um dom\u00ednio utilizada para gerir e manipular bases de dados relacionais. A SQL permite aos cientistas de dados recuperar, atualizar, inserir e eliminar dados, bem como criar e modificar estruturas de bases de dados. Apesar do aumento das bases de dados NoSQL, a SQL continua a ser essencial para a an\u00e1lise de dados e \u00e9 frequentemente utilizada em conjunto com outras linguagens de programa\u00e7\u00e3o, como Python e R.<\/p>\n\n\n\n

Infer\u00eancia estat\u00edstica<\/h4>\n\n\n\n

O processo de tirar conclus\u00f5es sobre popula\u00e7\u00f5es ou verdades cient\u00edficas a partir de dados. A infer\u00eancia estat\u00edstica inclui a estimativa (determina\u00e7\u00e3o dos valores dos par\u00e2metros), o teste de hip\u00f3teses e a previs\u00e3o. Quantifica a incerteza utilizando intervalos de confian\u00e7a, valores p e m\u00e9todos Bayesianos, permitindo aos cientistas de dados fazer generaliza\u00e7\u00f5es fi\u00e1veis para al\u00e9m dos dados observados.<\/p>\n\n\n\n

An\u00e1lise de s\u00e9ries temporais<\/h4>\n\n\n\n

A an\u00e1lise de pontos de dados sequenciais recolhidos ao longo do tempo. A an\u00e1lise de s\u00e9ries temporais centra-se na identifica\u00e7\u00e3o de tend\u00eancias, sazonalidade, ciclicidade e componentes irregulares em dados temporais. As t\u00e9cnicas incluem modelos ARIMA, suaviza\u00e7\u00e3o exponencial e abordagens mais avan\u00e7adas, como redes neurais LSTM, com aplica\u00e7\u00f5es em finan\u00e7as, economia, previs\u00e3o meteorol\u00f3gica e an\u00e1lise de IoT.<\/p>\n\n\n\n

\n\n\n\n
\n

Mais<\/h3>\n\n\n\n

Precisa de ajuda para compreender os dados e a IA? Temos a experi\u00eancia, as compet\u00eancias e a rede para o orientar. Contacte-nos para come\u00e7ar.<\/p>\n\n\n\n