2012 da Harvard Business Review, de Thomas H. Davenport e D.J. Patil LinkedIn e a funcionalidade de "pessoas que talvez você conheça" Descobriu-se que haviam muitos dados, mas ainda não sabiam o que fazer O termo cientista de dados foi cunhado em 2008 Grande aliado ao Big Data Fonte: https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century
como smartphones eram ainda exclusivos de uma parcela pequena da população 2010– estimava-se que haveria 202,9 milhões de celulares, sendo que destes, apenas 20,6 milhões possuiam acesso a acesso à internet 2013– Cerca de 70 milhões de smartphones 2019– 230 milhões de aparelhos Além disso, hoje temos mais máquinas do que smartphonesconectadas a Internet: televisões, câmeras, assistentes virtuais, relógios e até mesmo geladeiras, são exemplos de dispositivos que hoje, usam a rede e transmitem dados. E qual a relação de tudo isso com a profissão do futuro? Toda essa tecnologia, gera hoje, montantes incríveis de dados e com isso, nasceu a área de Big Data, área do conhecimento que estuda como tratar, analisar e obter informações a partir de grandes conjuntos de dados. Fonte: http://horizontes.sbc.org.br/index.php/2019/12/a-profissao-mais-sexy-do-seculo-entenda-como-a-ciencia-de-dados-promete-ser-uma-das-profissoes- mais-importantes-da-nova-decada/
informações relevantes de grandes volumes de dados Estatística Visualização de dados Inteligência Artificial Aprendizado de Máquinas Fonte: http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram
da Região/Online: FURB, Uniasselvi, Senac, SENAI, outras HackerRank (Grátis): Matemática, Estatística, AI e Programação Kaggle (Grátis): Python, SQL, Pandas, Machine Learning, Visualização de Dados Kaggle Bônus (Grátis): Uma das maiores plataformas de dados, possui diversos conjuntos de dados abertos, além de competições Datacamp (Pago): Python, R, AI, Machine Learning, Estatística, SQL, outros UCI Machine Learning Datasets: https://archive.ics.uci.edu/ml/datasets.php Free Code Camp (Roadmap): https://www.freecodecamp.org/news/data-science-learning-roadmap/
doenças Indústria - automação de processos mecânicos Biologia - identificação de animais e plantas Agricultura - identificação de grãos, por exemplo, arroz e café