Plano de Ensino · Graduação em Agronomia

Informática & Análise de Dados
no Campo

Do básico de planilhas à visualização e programação aplicada à agronomia

📅 6 meses · semestral 🗓 ~24 aulas semanais 🎓 1° ano · Agronomia 🛠 Google Workspace + Python
Introdução à Computação
Google Planilhas
Análise Intermediária
Looker Studio
Python / Colab
Projeto Final
Fase 0 · Sem. 1–2
Introdução à Computação
Fundamentos, evolução histórica e aplicações na agronomia moderna
Semana 01 · Aula 1Intro
Das Pedras aos Processadores — História e Fundamentos
Como o ser humano registrou e processou informação antes dos computadores? Da observação do clima e dos calendários naturais (Stonehenge) ao ábaco, da Pascalina à máquina de Babbage. Origem dos números, sistema binário e representação da informação: por que computadores falam em 0s e 1s. O papel das guerras no avanço tecnológico — da máquina Enigma ao ENIAC.
história da computação sistemas numéricos sistema binário abstração ábaco → microchip ASCII / Unicode Alan Turing
🧮 Problema inicial: "Como o agricultor decidia quando plantar antes de existir computador?" — discussão sobre experiência empírica, calendários lunares e solares e o salto para a agricultura de precisão.
Semana 02 · Aula 2Intro
O que é Informática — Conceitos, Hardware, Software e Agronomia
Definição de informática: processamento automático da informação com auxílio de computadores. Componentes fundamentais: hardware (processador, memória, sensores, periféricos), software (sistemas operacionais, algoritmos) e redes. Ciclo entrada → processamento → saída → armazenamento. Tipos de computadores por lógica (fixa vs. programável) e por uso (científico, comercial, pessoal). Perfil do agrônomo do século XXI.
hardware / software redes entrada / saída tipos de computadores velocidade / precisão IoT na fazenda agricultura de precisão
🌾 Mapeamento coletivo: quais tecnologias computacionais os alunos já viram na fazenda ou no campo? Drones, estações meteorológicas, GPS no trator, apps de manejo — conectar o vivido ao conceitual.
· · ·
Fase 1 · Sem. 1–6
Google Planilhas
Navegação, fórmulas, organização e intercâmbio de dados
Semana 01Planilhas
Orientação e Ecossistema Google
Introdução à disciplina, criação de conta Google, navegação no Drive e interface do Planilhas. O que são dados e por que analisá-los na agronomia.
Google Driveinterfacelinha / coluna / célulanavegação
📋 Criar planilha com dados da turma: nome, cidade de origem e experiência com agricultura.
Semana 02Planilhas
Inserção e Organização de Dados
Tipos de dados (texto, número, data, booleano), formatação de células, congelar linhas e colunas, classificar e filtrar dados.
tipos de dadosformataçãofiltrosordenação
🌽 Planilha com dados de produção de milho (safra, área, produtividade): registrar, formatar e ordenar.
Semana 03Planilhas
Fórmulas Essenciais
SOMA, MÉDIA, MÁXIMO, MÍNIMO, CONT.NÚM, CONT.SE. Diferença entre referências relativas e absolutas. Barra de fórmulas e autocompletar.
SOMA / MÉDIAMÁXIMO / MÍNIMOref. relativa / absolutaCONT.SE
📊 Calcular médias de temperatura e pluviosidade mensal de uma estação meteorológica fictícia.
Semana 04Planilhas
Fórmulas Condicionais e Texto
SE simples e aninhado, SEERRO, SOMASE, MÉDIASE. Funções de texto: CONCAT, MAIÚSCULA, ARRUMAR. Formatação condicional com cores.
SE / SEERROSOMASE / MÉDIASEformatação condicionalCONCAT
🌿 Classificar lavouras por produtividade (alta / média / baixa) e destacar automaticamente com cores.
Semana 05Planilhas
Gráficos no Planilhas
Tipos de gráfico: linha, barra, dispersão, pizza. Quando usar cada um. Personalização de títulos, eixos, cores e legendas aplicados a dados agronômicos.
linhasbarrasdispersãopersonalização
📈 Graficar série temporal de chuvas mensais e sobrepor curva de produtividade de soja.
Semana 06Planilhas
Múltiplas Abas e Intercâmbio de Dados
Referência entre abas, PROCV e PROCH, importar CSV, exportar para diferentes formatos, compartilhamento e colaboração em tempo real.
PROCV / PROCHref. entre abasimportar CSVcompartilhamento
🔗 Cruzar tabela de talhões (área/cultura) com tabela de custos em abas separadas usando PROCV.
· · ·
Fase 2 · Sem. 7–10
Análise Intermediária
Tabelas dinâmicas, limpeza de dados e pensamento analítico
Semana 07Análise
Tabelas Dinâmicas
Criar e interpretar tabelas dinâmicas. Agregar por região, cultura, safra. Drill-down de dados. Slicers para filtragem visual interativa.
tabelas dinâmicasagrupamentoslicerdrill-down
🗺 Resumir produção agrícola por estado e cultura usando tabela dinâmica sobre dataset do IBGE/CONAB.
Semana 08Análise
Qualidade e Limpeza de Dados
O que são dados sujos: duplicatas, nulos, inconsistências de unidade. Estratégias de limpeza no Planilhas. Conceito de dado "tidy".
dados nulosduplicatasconsistênciatidy data
🧹 Receber planilha "suja" de registro de campo e realizar processo completo de limpeza.
Semana 09Análise
Estatística Descritiva Aplicada
Medidas de tendência central e dispersão. Histogramas e boxplots no Planilhas. Correlação e dispersão entre variáveis agronômicas.
média / medianadesvio padrãohistogramacorrelação
🔬 Análise exploratória de dados de solo (pH, MO, N, P, K) de diferentes talhões.
Semana 10Análise
O Formato CSV e o Ciclo do Dado
Anatomia de um CSV: encodings, delimitadores, aspas. Exportar, importar e combinar CSVs. Ciclo completo: coleta → limpeza → análise → visualização.
CSVencoding UTF-8delimitadoresciclo do dado
💾 Baixar dados abertos do INMET/CONAB em CSV, inspecionar e importar ao Planilhas.
📦 Datasets Sintéticos para a Disciplina

Todos os datasets abaixo podem ser gerados sinteticamente com valores realistas. Cada um serve a múltiplas fases — do Planilhas ao Python.

🌧
Dados Climáticos
Temp. máx/mín, precipitação, umidade e radiação — 5 anos, 3 municípios.
🌱
Análise de Solo
pH, MO, P, K, Ca, Mg, textura e CTC — 80 amostras de diferentes talhões.
🌾
Produtividade
Soja, milho, trigo — talhão, área, safra, sc/ha, receita e custo.
🐄
Pecuária Leiteira
Produção diária por animal, raça, alimentação, escore corporal — 12 meses.
🦗
Monitoramento de Pragas
Data, talhão, cultura, praga, nível de infestação e intervenção aplicada.
💰
Custo de Produção
Insumo, categoria, quantidade, valor unitário e safra para análise de custeio.
· · ·
Fase 3 · Sem. 11–17
Google Looker Studio
Dashboards interativos a partir de CSVs com dados agronômicos
Semana 11Looker
Introdução ao Looker Studio
Interface, conceitos de fonte de dados, dimensões vs. métricas. Conectar um CSV de produtividade. Criar o primeiro gráfico de barras.
interfacefonte de dadosdimensão / métricaupload CSV
🖥 Conectar dataset de produtividade e construir gráfico de barras por cultura/safra.
Semana 12Looker
Tipos de Gráfico e Scorecard
Scorecards, séries temporais, gráfico de dispersão, tabelas. Escolher o gráfico certo para cada pergunta de negócio agronômico.
scorecardsérie temporaldispersãoescolha do gráfico
🌡 Painel climático: scorecard de chuva acumulada, série temporal de temperatura e dispersão chuva × produtividade.
Semana 13Looker
Filtros, Controles e Interatividade
Filtros de período, filtros de categoria, seletores de lista. Como criar dashboards que o usuário explora sem editar o relatório.
filtro de dataseletorcontrolesinteratividade
🎛 Adicionar seletor de safra e de município ao painel e testar como muda a visualização.
Semana 14Looker
Campos Calculados
Criar métricas derivadas: receita bruta, custo por hectare, produtividade relativa. Uso de fórmulas e CASE WHEN no Looker Studio.
campos calculadosmétricas derivadasCASE WHENrazões
🧮 Calcular margem bruta por talhão e criar scorecard de "melhor talhão do semestre".
Semana 15Looker
Design de Dashboard
Princípios de visualização de dados: hierarquia visual, uso de cor, legibilidade, storytelling. Layouts para público técnico vs. gestores rurais.
hierarquia visualcor semânticastorytellinglayout
🎨 Redesenhar um dashboard mal feito e justificar as escolhas com princípios de design.
Semana 16Looker
Múltiplas Fontes de Dados
Combinar CSVs de clima + produção + solo no mesmo relatório. Blending de dados e chaves de junção entre datasets distintos.
data blendingmúltiplos CSVschave de junçãojoin
🔀 Cruzar dados de solo com dados de produção por talhão — existe correlação entre pH e produtividade?
Semana 17Looker
Dashboard Completo — Projeto Intermediário
Entrega de um painel agronômico completo com pelo menos 3 fontes, 6 visualizações, filtros e campos calculados. Apresentação de 5 min por grupo.
entregaapresentaçãoavaliação
🏆 Painel "Monitoramento da Fazenda São João" — dados climáticos, solo e produção integrados.
· · ·
Fase 4 · Sem. 18–22
Python no Google Colab
Introdução à programação para análise de dados agronômicos
Semana 18Python
Por que Python? Intro ao Colab
Contexto: onde o Python é usado na agronomia (sensoriamento remoto, modelos preditivos, automação). Interface do Colab, células de código e texto Markdown.
Google ColabJupyter notebookcélulas de códigomotivação
🐍 Rodar primeiros comandos Python: print, variáveis e comentários. "Olá, Agronomia!"
Semana 19Python
Python Básico e Estruturas de Dados
Variáveis, tipos (int, float, str, bool), listas e dicionários. Operações aritméticas. Primeiro contato com bibliotecas via import.
variáveislistasdicionáriosimport
📐 Calcular área de talhões (lista de larguras × comprimentos), média e total usando Python puro.
Semana 20Python
Pandas: Lendo e Explorando CSVs
Carregar CSV com pd.read_csv(). Explorar com head(), describe(), info(). Selecionar colunas e filtrar linhas. Comparar com o que faziam no Planilhas.
pandasread_csvhead / describefiltros
🗄 Carregar o mesmo dataset de produtividade do Looker e reproduzir os filtros em pandas.
Semana 21Python
Visualização com Matplotlib e Seaborn
Criar gráficos de linha, barra e dispersão com Python. Personalizar títulos e eixos. Exportar imagens PNG. Vantagem central: automação e repetibilidade.
matplotlibseabornplt.show()exportar PNG
📉 Recriar os gráficos do dashboard do Looker em Python — comparar as duas abordagens.
Semana 22Python
Análise Real: Chuva × Produtividade
Projeto guiado: calcular correlação de Pearson entre precipitação e produtividade de soja. Regressão linear simples. Interpretar r² de forma agronômica.
correlação de Pearsonregressão linearscipy / numpyr²
🌦 Analisar dataset de 10 anos e identificar qual mês de chuva mais impacta a produtividade final da soja.
· · ·
Fase 5 · Sem. 23–24
Projeto Final & Síntese
Integração de todas as ferramentas em um projeto real
Semana 23Capstone
Projeto Integrador — Desenvolvimento
Grupos escolhem um cenário fictício de propriedade rural e realizam análise completa: limpeza no Planilhas → análise em Python → dashboard no Looker Studio.
projeto em grupofluxo completoorientação
🌍 Entregável: planilha limpa, notebook Python comentado e link para dashboard no Looker.
Semana 24Capstone
Apresentações Finais e Encerramento
Cada grupo apresenta 10 min + 5 de perguntas. Reflexão sobre o percurso. Próximos passos: R, SQL, Power BI, sensoriamento remoto com Python.
apresentaçãoavaliação por parespróximos passos
🎓 Encerramento: mapa mental coletivo "O que aprendi e onde posso aplicar na minha fazenda ou pesquisa".
© 2026 Ciro Macedo