Estudos da Faculdade - USP

Bem-vindo ao meu repositório de estudos. Este espaço documenta meu desenvolvimento das competências computacionais fundamentais que formam a base da minha carreira em Estatística e Ciência de Dados na USP- ICMC.

Propósito

A base de toda grande análise de dados é um código sólido e uma lógica bem estruturada. O objetivo deste repositório é demonstrar meu processo de aprendizado na arte de resolver problemas através de algoritmos e programação, uma habilidade indispensável para qualquer profissional de dados.

Aqui, eu transformo teoria em prática, focando em:

• Desenvolver o Raciocínio Lógico: Estruturar soluções claras e eficientes para problemas complexos.
• Dominar os Fundamentos: Aplicar conceitos essenciais de algoritmos, estruturas de controle e tipos de dados.
• Escrever Código de Qualidade: Praticar a modularização, a documentação e a depuração para criar código robusto e legível.
• Conectar Computação e Estatística: Entender como a programação potencializa a análise estatística e a modelagem de dados.

📚 Disciplinas: Teoria e Prática

Este repositório cataloga os projetos e exercícios de duas disciplinas complementares, que constroem a ponte entre o conceito e a implementação:

• Introdução à Ciência da Computação (ICC): Foco nos conceitos teóricos, na lógica de programação e no desenho de algoritmos.
• Laboratório de Introdução à Ciência da Computação (Lab ICC): Foco na implementação prática, na escrita de código e na depuração de programas em Python.

💡 Habilidades e Competências

Com base no conteúdo programático, as habilidades que estou desenvolvendo e demonstrando aqui são:

• Pensamento Algorítmico e Resolução de Problemas: Análise de problemas e desenvolvimento de algoritmos para solucioná-los.
• Lógica de Programação e Estruturas de Controle: Uso eficaz de estruturas de decisão (if/else) e repetição (for, while).
• Modularização e Funções: Criação de funções e procedimentos para organizar o código, aumentar o reuso e a clareza.
• Manipulação de Estruturas de Dados Fundamentais: Utilização de tipos simples e compostos como vetores, matrizes e registros.
• Depuração (Debugging) e Testes Lógicos: Técnicas para encontrar e corrigir defeitos em programas, incluindo testes de mesa.

📂 Estrutura do Repositório

Para manter a clareza e facilitar a navegação, os projetos estão organizados da seguinte forma:

[Nome-da-Disciplina]/ └── [Nome-do-Projeto-ou-Trabalho]/ ├── codigo_fonte/ ├── README.md (explicação específica do projeto) └── Outros arquivos...

🛠️ Toolkit de Programação

As ferramentas primárias utilizadas para construir estes fundamentos são:

• Linguagem: Python, R, C
• Ferramentas de Versionamento: Git, GitHub
• Ambiente de Desenvolvimento: VsCode, Pycharm

🚀 Próximos Passos

Com esta base sólida em lógica e programação estruturada, meus próximos objetivos são:

• Aplicar estes conceitos fundamentais em bibliotecas de análise de dados de alto nível, como Pandas e NumPy.
• Utilizar o raciocínio algorítmico para entender e implementar modelos de Machine Learning com Scikit-learn.
• Construir visualizações de dados complexas e informativas com Matplotlib e Seaborn.

📬 Contato

Vamos nos conectar!

• LinkedIn: Kauan Yuri
• Email: contato.kauanyuri@gmail.com
• Email USP kauanyuri@usp.br