Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Projeto_Final_Nara_Polli_S17 #23

Open
wants to merge 5 commits into
base: main
Choose a base branch
from
Open
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
112 changes: 17 additions & 95 deletions README.md
Original file line number Diff line number Diff line change
@@ -1,104 +1,26 @@
<h1 align="center">
<img src="assets/reprograma-fundos-claros.png" alt="logo reprograma" width="500">
</h1>
README

# Tema da Aula
Queimadas no Brasil:
Análise da Influência de Fatores Ambientais e Climáticas nos anos de 2022 e 2023

Turma Online 34 | Python | Semanas 17 e 18 | 2024 | [Daniele Junior](https://travatech.com.br?router=danijr)
Objetivo Geral:
Analisar a correlação entre a ocorrência de queimadas e fatores climáticos, como períodos sem chuva, precipitação, e a distribuição espacial das queimadas em diferentes biomas no Brasil, para os anos de 2022 e 2023\.

### Instruções
Antes de começar, vamos organizar nosso setup.
* Fork esse repositório
* Clone o fork na sua máquina (Para isso basta abrir o seu terminal e digitar `git clone url-do-seu-repositorio-forkado`)
* Entre na pasta do seu repositório (Para isso basta abrir o seu terminal e digitar `cd nome-do-seu-repositorio-forkado`)
* [Add outras instruções caso necessário]
Hipóteses:
Hipótese 1: Como as diferentes regiões e biomas do Brasil, junto com a variação das estações do ano, influenciam a frequência de focos de queimadas?

### Resumo
O que veremos na aula de hoje?
* [Slide Semana 17](https://docs.google.com/presentation/d/1axo2Dlm0Hx35ahKdZW6s-UAdG61L41QXdete8ZcQV0w/edit?usp=sharing)
* Slide Semana 18
Hipótese 2: Sobre a precipitação média diária e sua correlação com os focos de queimadas.

* [Escolhendo uma fonte de dados](#Escolhendoumafontededados)
* Análise exploratória
* Criando uma história com dados
Fonte de dados:
Dados de queimadas disponibilizados pelo INPE:
Obtidos em: [INPE 1](https://terrabrasilis.dpi.inpe.br/queimadas/bdqueimadas/#exportar-dados) e [INPE 2](https://terrabrasilis.dpi.inpe.br/queimadas/bdqueimadas/#exportar-dados)

## Conteúdo
Ferramentas:
Google colab;
Python;
Tableau [Clique aqui](https://public.tableau.com/app/profile/nara.sane/viz/PROJETO_FINALREPROGRAMA/VisoGeral)

### O que é um projeto de análise de dados?
Nesse ponto vocês já aprenderam que ter dados não é a mesma coisa que ter informação.
**Dados:** são elementos brutos e não processados, como números, palavras, ou símbolos que precisam ser interpretados para se tornarem úteis.
**Informação:** é o resultado do processamento, organização e interpretação dos dados, fornecendo significado e contexto para tomar decisões ou entender situações.
Assim, dados são a matéria-prima da informação, que é o produto final após análise e interpretação dos dados.

Por isso a importância de nós contarmos uma história estruturada a partir dos dados que conseguimos coletar. E é exatamente sobre isso, que se trata um projeto de análise de dados: **gerar informação útil a partir da construção de uma perspectiva contextualizada!**

Então aqui vão algumas perguntas gerais que devemos nos fazer ao iniciar um projeto como esse:

- **Conteúdo**
- O que eu quero informar?
- **Público**
- Para quem eu estou contanto essa história? Com quem vou compartilhar essa informação?
- **Transformação**
- Por que essa informação é relevante?

Ok, as perguntas são importantes,

MAS POR ONDE COMEÇAR?!

### Escolhendo uma fonte de dados

#### O caminho comum
Se você já fez algum tipo de pesquisa acadêmica (TCC, Iniciação Científica, etc) você certamente está familiarizado com esse processo, pois tudo começa com a escolha de um TEMA, seguindo para a definição do PROBLEMA, que em seguida é desdobrado em PERGUNTAS, que irão guiar a COLETA DE DADOS.

1. Delimitação do Tema
2. Definição do Problema
3. Desenvolvimento de Perguntas
4. Coleta de Dados

#### O caminho que iremos seguir
Porque esse projeto é um exercício e encontrar os dados ideais para responder às nossas perguntas pode se tornar um trabalho extremamente complexo...

Nós iremos fazer um caminho um pouco diferente e a partir de um tema de interesse, escolher uma base e então pensar quais perguntas podem ser respondidas a partir dela.

O QUE TAMBÉM É SUPER VÁLIDO! E PODE RENDER DESCOBERTAS INCRÍVEIS!

* **Escolha do tema**

No primeiro momento você deve escolher qual assunto gostaria de abordar. Pense em um tema atual, relevante e até onde você vai aprofundar a análise. Lembre-se, não adianta abraçar o mundo sozinho, você precisa focar e entregar o melhor resultado possível, então trabalhe na delimitação do Tema! Quais são os recortes possíveis dentro do universo escolhido?

#Dica: Dê prioridade para algo que você goste, se interesse, tenha afinidade ou conhecimento na área.

* **Escolha da Base de Dados**

[Algumas opções de Bases de Dados](#base-de-dados)

* **Definindo nossas perguntas**

O que eu quero tentar responder? VAMOS AO [BRAINSTORM](#material-da-aula)!

***

### Material da aula

* [Slides](https://docs.google.com/presentation/d/1axo2Dlm0Hx35ahKdZW6s-UAdG61L41QXdete8ZcQV0w/edit?usp=sharing)

### Links Úteis
- [Documentação Pandas](https://pandas.pydata.org/docs/user_guide/index.html#user-guide)
- [Introdução ao Pandas](https://medium.com/tech-grupozap/introdu%C3%A7%C3%A3o-a-biblioteca-pandas-89fa8ed4fa38)
- [Análise Exploratória de Dados I](https://escoladedados.org/tutoriais/analise-exploratoria-de-dados/)
- [Análise Exploratória de Dados II](https://www.alura.com.br/artigos/analise-exploratoria)
- [Storytelling com Dados](https://medium.com/resumos-resenhas/storytelling-com-dados-resumo-fd63ebe4f704)
- [Markdown Cheastsheet](https://www.ibm.com/docs/en/watson-studio-local/1.2.3?topic=notebooks-markdown-jupyter-cheatsheet)

#### Base de Dados
- [Kaggle](https://www.kaggle.com/datasets)
- [IBGE](https://ces.ibge.gov.br/base-de-dados/links-base-de-dados.html)
- [Brasil.io](https://brasil.io/datasets/)
- [Gov.br](https://dados.gov.br/dados/conjuntos-dados)
- [Nosso Mundo em Dados](https://ourworldindata.org/charts)

<p align="center">
Desenvolvido com :purple_heart:
</p>
e Canvas [Clique aqui](https://www.canva.com/design/DAGSkLrZK8o/wIPkHZLZx-uaaT2MWCj5oA/edit?utm_content=DAGSkLrZK8o&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton)

Bibliotecas: Pandas, Seaborn, Matplotlib, Scipy.

Loading