📘 Computational Thinking and Data Science

Bem-vindo ao repositório de estudos sobre Ciência da Computação, modelagem matemática e ciência de dados, combinando aqui, teoria e prática com Python. Compartilho soluções detalhadas de implementações em Python para **exercícios realizados em cursos EaD realizados ou que venho realizando.

🌟 Objetivos:

• Compartilhar soluções didáticas e bem documentadas para quem está estudando Ciência da Computação.
• Servir como base de consulta em interessados em aprender ou revisar conceitos de pensamento computacional e ciência de dados.

---

📝 Conteúdo do Repositório

Pensamento Computacional e Otimização

• Problema da Mochila (Knapsack Problem): Implementações de algoritmos gananciosos, força bruta e programação dinâmica.
• Problemas de Grafos: Soluções para buscas (DFS, BFS) e algoritmos de caminhos mínimos como Dijkstra.
• Árvores de Decisão: Representações de problemas sequenciais e técnicas de otimização.

Análise Exploratória de Dados (EDA)

• ETL e EDA o dataset sobre Montanhas-Russas: processamento e limpeza do dataset coaster_db.csv para Análise Exploratória de Dados (EDA).

Modelagem Estocástica

• Simulações Aleatórias: Random Walks e outros processos estocásticos.
• Distribuições de Probabilidade: Modelagem e análise de comportamentos incertos com Python.

---

📚 Cursos realizados ou em andamento

2024.2:

• Curso: Introduction to Computational Thinking and Data Science
• Instituição: Massachusetts Institute of Technology (MIT)
• Plataforma: edX
• Duração: 16 de out. a 18 de Dez. de 2024.

---

📚 Referências

• GUTTAG, John V. Introduction to computation and programming using Python: with application to computational modeling and understanding data. Mit Press, 2021.

---

🤝 Contribuições

Contribuições são bem-vindas! Se você deseja aprimorar as soluções ou adicionar explicações, sinta-se à vontade para abrir um Pull Request.

---

🚀 Compartilhe conhecimento e inspire futuros cientistas da computação!