Portfólio linguagem python docx

Prévia do material em texto

...............................................................................................................................
ENGENHARIA DE COMPUTAÇÃO - LINGUAGEM PYTHON
MARINA MAYUMI COSTA SAKAGUTE - 245092024
PORTFÓLIO DE LINGUAGEM PYTHON
........................................................................................................................................
Guarulhos
2024
MARINA MAYUMI COSTA SAKAGUTE - 245092024
PORTFÓLIO DE LINGUAGEM PYTHON
Trabalho apresentado ao Curso Engenharia de
Computação do Centro Universitário ENIAC para a
disciplina Linguagem Python.
Prof. Nelson Luzetti Criado
Guarulhos
2024
Respostas
....................................................................................................................
Pesquise qual ou quais são as bibliotecas utilizadas para o
desenvolvimento do data science e comente um pouco sobre cada uma.
Aqui estão algumas das principais bibliotecas usadas para desenvolvimento
de data science com Python e um breve comentário sobre cada uma:
Pandas
Descrição: Pandas é uma biblioteca essencial para manipulação e análise de
dados em Python. Ela fornece estruturas de dados como DataFrames e Series, que facilitam
o trabalho com dados tabulares e permitem realizar operações como filtragem, agregação e
limpeza de dados.
Usos: É amplamente utilizada para o pré-processamento e análise de dados e para
explorar e organizar grandes volumes de dados em data science.
NumPy
Descrição: NumPy é uma biblioteca que fornece suporte para arrays e matrizes
multidimensionais e vem com uma grande coleção de funções matemáticas de alto
desempenho.
Usos: Fundamental para cálculos numéricos, operações com matrizes e como base
para outras bibliotecas de machine learning e data science.
Matplotlib
Descrição: Matplotlib é uma biblioteca de visualização de dados 2D em Python que
permite criar gráficos de linha, barras, dispersão, histogramas, entre outros.
Usos: Ideal para visualizações básicas e personalizáveis, facilitando a criação de
gráficos detalhados e de alta qualidade para explorar dados e apresentar insights.
Seaborn
Descrição: Seaborn é baseada no Matplotlib e oferece uma interface de alto nível
para criar gráficos estatísticos mais sofisticados, com um design visual atraente.
Usos: É usada para explorar relações estatísticas e padrões nos dados e para criar
gráficos esteticamente mais avançados com menos configuração.
Scikit-Learn
Descrição: Scikit-Learn é uma biblioteca voltada para machine learning, que
fornece uma variedade de algoritmos para classificação, regressão, clustering e redução de
dimensionalidade.
Usos: Amplamente usada para construir e avaliar modelos de aprendizado de
máquina e explorar insights preditivos em data science.
TensorFlow e PyTorch
Descrição: São bibliotecas de machine learning e deep learning que oferecem
recursos para criar redes neurais e modelos complexos.
Usos: Utilizadas para tarefas de aprendizado profundo, como visão computacional,
processamento de linguagem natural e modelos de redes neurais em aplicações complexas
de inteligência artificial.
Plotly
Descrição: Plotly é uma biblioteca de visualização interativa que permite criar
gráficos complexos, incluindo gráficos 3D e de séries temporais.
Usos: Muito utilizada em dashboards e relatórios interativos onde o usuário pode
interagir com os dados, ideal para apresentações mais dinâmicas e visualizações
complexas.
Statsmodels
Descrição: Statsmodels é uma biblioteca que oferece ferramentas para modelagem
estatística, testes estatísticos e análise de séries temporais.
Usos: Usada em análises estatísticas detalhadas e quando há necessidade de
modelos estatísticos avançados, como modelos de regressão linear e análise de variância.
Essas bibliotecas permitem que cientistas de dados realizem análises e
visualizações de maneira eficiente, desde o tratamento de dados até a criação de modelos
complexos de machine learning.
Pesquise e descreva um pouco sobre Python para desenvolvimento
Web.
Python é uma linguagem amplamente utilizada no desenvolvimento web,
especialmente pela simplicidade de sua sintaxe e pela robustez dos frameworks disponíveis,
que facilitam a criação de aplicações web, desde sites simples até sistemas complexos.
Alguns dos principais frameworks de desenvolvimento web em Python incluem Django,
Flask, e FastAPI.
Principais Frameworks para Desenvolvimento Web em Python
Django
Descrição: Django é um framework de desenvolvimento web de alto nível,
conhecido por seu slogan "batteries included" (baterias incluídas), o que significa que ele já
traz muitas funcionalidades prontas. Ele inclui uma estrutura completa para criação de APIs,
autenticação de usuários, gerenciamento de sessões, ORM (Object-Relational Mapping), e
um painel de administração embutido.
Usos: Django é ideal para projetos maiores e para quem precisa de funcionalidades
robustas e prontas. Ele é amplamente utilizado em aplicações empresariais, sites de
e-commerce, e plataformas que exigem segurança e escalabilidade.
Características: Django promove a filosofia DRY (Don’t Repeat Yourself), tem um
sistema de roteamento eficiente, e utiliza o modelo de arquitetura MVC
(Model-View-Controller), conhecido no Django como MTV (Model-Template-View).
Flask
Descrição: Flask é um micro-framework, ou seja, é mais leve e flexível, oferecendo
o básico para criar uma aplicação web. Ele permite uma maior liberdade no
desenvolvimento, pois não impõe uma estrutura rígida como o Django, tornando-se ideal
para projetos menores e mais simples.
Usos: Flask é frequentemente utilizado para criar APIs RESTful, protótipos rápidos
e aplicações web que precisam de uma estrutura personalizada.
Características: É um framework modular e extensível, permitindo que o
desenvolvedor adicione apenas os pacotes e bibliotecas necessárias ao projeto. Flask é
conhecido por ser fácil de aprender, flexível e por ter uma comunidade ativa de
desenvolvedores.
FastAPI
Descrição: FastAPI é um framework moderno para criação de APIs rápidas e de
alto desempenho, utilizando tipagem assíncrona com o poder de ferramentas como async e
await.
Usos: É ideal para APIs REST e é muito utilizado em aplicações que requerem alta
performance e baixa latência, como microserviços e projetos de machine learning.
Características: FastAPI é baseado em Pydantic e tipagem de dados, o que torna
a validação automática e reduz erros. Também possui uma integração nativa com o
OpenAPI para geração de documentação interativa das APIs.
Outras Ferramentas e Bibliotecas no Desenvolvimento Web
com Python
Além dos frameworks, Python conta com bibliotecas que complementam o
desenvolvimento web:
Jinja2: Um mecanismo de template usado no Flask e em outros frameworks para
criar HTML dinâmico.
SQLAlchemy: Uma biblioteca ORM para facilitar a interação com bancos de dados
relacionais, sendo utilizada em Flask e outros frameworks.
Gunicorn e Uvicorn: Servidores web que permitem que as aplicações Python
sejam executadas de maneira robusta e escalável.
Requests: Uma biblioteca popular para fazer solicitações HTTP, frequentemente
usada em aplicações web para consumir APIs externas.
Vantagens do Python para Desenvolvimento Web
Produtividade e Flexibilidade: A sintaxe simples e a ampla variedade de
bibliotecas tornam Python uma linguagem produtiva e flexível para o desenvolvimento web.
Comunidade e Documentação: Python possui uma comunidade ativa e extensa
documentação, facilitando o aprendizado e o suporte para novos desenvolvedores.
Segurança e Escalabilidade: Com frameworks como Django, que incluem
recursos de segurança embutidos, é possível desenvolver aplicações seguras. Além disso, a
escalabilidade de Python é comprovada por diversas empresas de tecnologia, como
Instagram e Pinterest, que utilizam Django.
Em resumo, Python é uma excelente escolha para o desenvolvimento web por
sua simplicidade e pela variedade de frameworks e ferramentas que tornam o processo de
desenvolvimento mais ágil e eficiente, permitindocriar desde pequenos sites até grandes
plataformas empresariais.
Pesquise e descreva um pouco sobre Python para desenvolvimento de
aplicações.
Python é uma linguagem versátil e poderosa para o desenvolvimento de
diferentes tipos de aplicações, seja em desktop, mobile ou sistemas complexos de backend.
Ele é amplamente utilizado para criar interfaces gráficas (GUI), ferramentas de
automação, aplicações científicas e sistemas empresariais, graças à sua ampla gama
de bibliotecas e frameworks.
Desenvolvimento de Aplicações Desktop
Python é uma excelente escolha para o desenvolvimento de aplicações
desktop, pois possui bibliotecas e frameworks que facilitam a criação de interfaces gráficas,
incluindo:
Tkinter
Descrição: Tkinter é a biblioteca GUI padrão do Python e permite criar interfaces
gráficas simples e rápidas.
Usos: Muito usada para desenvolver aplicações desktop básicas, como pequenas
ferramentas e utilitários.
Características: Possui um conjunto de widgets básicos para construir a interface,
como botões, rótulos e campos de texto, sendo indicada para aplicações leves.
PyQt e PySide
Descrição: PyQt e PySide são bindings da biblioteca Qt para Python e são usadas
para criar interfaces gráficas sofisticadas.
Usos: Ideal para desenvolver aplicações mais complexas e ricas em recursos
gráficos, como softwares de edição ou de design.
Características: Incluem uma ampla variedade de widgets e ferramentas para
personalização, oferecendo flexibilidade para interfaces ricas e com aparência profissional.
Kivy
Descrição: Kivy é uma biblioteca de código aberto usada para criar aplicações
multitouch e interfaces adaptativas, especialmente útil para desenvolvimento multiplataforma
(Android, iOS e desktop).
Usos: Ideal para desenvolvimento de aplicações móveis e desktop que requerem
uma interface gráfica interativa e moderna.
Características: Kivy permite desenvolver uma única base de código que pode ser
executada em várias plataformas, com widgets flexíveis que suportam toques e gestos.
Desenvolvimento de Aplicações Científicas e Computação
Científica
Python é amplamente utilizado em áreas científicas e de pesquisa, graças a
bibliotecas especializadas:
SciPy e NumPy
Descrição: SciPy e NumPy são bibliotecas de computação numérica e científica.
SciPy estende o NumPy com funções avançadas para cálculo de integrais, álgebra linear e
otimização.
Usos: Essenciais para o desenvolvimento de aplicações científicas e de
engenharia, incluindo simulações, modelagens matemáticas e computação intensiva.
Matplotlib e Seaborn
Descrição: Estas bibliotecas são voltadas para a visualização de dados e são
amplamente usadas em pesquisas científicas para criar gráficos e visualizar experimentos e
resultados.
Usos: Ideais para analisar dados, criar gráficos complexos e representar dados
experimentais.
Jupyter Notebook
Descrição: Jupyter Notebook é uma ferramenta interativa que permite a criação de
documentos que misturam código, texto e visualizações.
Usos: Popular em ambientes acadêmicos e de pesquisa, Jupyter é amplamente
utilizado para data science, análise de dados e machine learning.
Desenvolvimento de Aplicações Empresariais e Backend
Python é amplamente usado em backend e sistemas empresariais devido à
sua capacidade de integração e automação:
Django e Flask
Descrição: Django é um framework completo para desenvolvimento de aplicações
web, enquanto Flask é um micro-framework mais leve e flexível.
Usos: Essenciais para o desenvolvimento de APIs e backend de aplicações
empresariais, onde Python pode processar e gerenciar dados em servidores.
Celery
Descrição: Celery é uma biblioteca de fila de tarefas distribuídas, usada para o
processamento assíncrono e tarefas agendadas.
Usos: Ideal para processamento em background, automação e integrações em
sistemas complexos que requerem alta disponibilidade e processamento assíncrono de
tarefas.
Desenvolvimento de Aplicações de Machine Learning e
Inteligência Artificial
Python é a principal linguagem para desenvolvimento de machine learning e IA,
com bibliotecas como:
TensorFlow e PyTorch
Descrição: TensorFlow e PyTorch são bibliotecas de deep learning, usadas para
criar e treinar redes neurais complexas.
Usos: Amplamente usadas para desenvolver modelos de IA em aplicações como
visão computacional, processamento de linguagem natural e reconhecimento de padrões.
Scikit-Learn
Descrição: Uma biblioteca para machine learning que oferece algoritmos prontos
para classificação, regressão, clustering e redução de dimensionalidade.
Usos: Ideal para construir e avaliar modelos de machine learning em projetos que
exigem análise preditiva e IA.
Vantagens do Python para Desenvolvimento de Aplicações
Python é amplamente adotado devido à sua sintaxe simples e fácil de aprender,
além de oferecer uma ampla variedade de bibliotecas para diferentes necessidades. Isso
permite que desenvolvedores de diferentes áreas usem Python para criar protótipos rápidos
e aplicações completas em desktop, mobile, científica e em inteligência artificial.
EXEMPLOS DE GRÁFICOS