1. Introdução ao Curso e Objetivos

2. Instalando Python e Ambientes Virtuais

3. Configurando o Ambiente de Desenvolvimento (IDEs e Editores de Texto)

4. Fundamentos de Programação com Python

4.1. Fundamentos de Programação com Python: Introdução ao Python

4.2. Fundamentos de Programação com Python: Instalação e Configuração do Ambiente de Desenvolvimento

4.3. Fundamentos de Programação com Python: Variáveis e Tipos de Dados

4.4. Fundamentos de Programação com Python: Operadores e Expressões

4.5. Fundamentos de Programação com Python: Estruturas de Controle de Fluxo (Condicionais e Loops)

4.6. Fundamentos de Programação com Python: Funções e Escopo de Variáveis

4.7. Fundamentos de Programação com Python: Trabalhando com Strings

4.8. Fundamentos de Programação com Python: Coleções de Dados (Listas, Tuplas, Conjuntos, Dicionários)

4.9. Fundamentos de Programação com Python: Tratamento de Exceções

4.10. Fundamentos de Programação com Python: Leitura e Escrita de Arquivos

4.11. Fundamentos de Programação com Python: Módulos e Pacotes

4.12. Fundamentos de Programação com Python: Programação Orientada a Objetos (Classes e Objetos)

4.13. Fundamentos de Programação com Python: Testes Unitários

4.14. Fundamentos de Programação com Python: Trabalhando com Datas e Horas

4.15. Fundamentos de Programação com Python: Manipulação de Dados com Pandas

4.16. Fundamentos de Programação com Python: Visualização de Dados com Matplotlib e Seaborn

4.17. Fundamentos de Programação com Python: Introdução a Expressões Regulares

4.18. Fundamentos de Programação com Python: Conceitos de Iteradores e Geradores

4.19. Fundamentos de Programação com Python: Decoradores

5. Compreendendo Variáveis e Tipos de Dados

6. Operadores e Expressões em Python

7. Estruturas de Controle de Fluxo (Loops e Condicionais)

8. Trabalhando com Funções e Modularização de Código

9. Manipulação de Exceções e Erros em Python

10. Introdução à Análise de Dados com Python

10.1. Introdução à Análise de Dados com Python: Introdução à linguagem Python

10.2. Introdução à Análise de Dados com Python: Ambientes de desenvolvimento para análise de dados (IDEs e notebooks)

10.3. Introdução à Análise de Dados com Python: Bibliotecas Python para análise de dados (Pandas, NumPy, Matplotlib, Seaborn, etc.)

10.4. Introdução à Análise de Dados com Python: Importação e exportação de dados com Python

10.5. Introdução à Análise de Dados com Python: Limpeza e preparação de dados

10.6. Introdução à Análise de Dados com Python: Exploração e análise de dados com Pandas

10.7. Introdução à Análise de Dados com Python: Visualização de dados com Matplotlib e Seaborn

10.8. Introdução à Análise de Dados com Python: Análise exploratória de dados (EDA)

10.9. Introdução à Análise de Dados com Python: Fundamentos de estatística para análise de dados

10.10. Introdução à Análise de Dados com Python: Manipulação de dados em grande escala com Dask ou Vaex

10.11. Introdução à Análise de Dados com Python: Introdução a Machine Learning com Python

10.12. Introdução à Análise de Dados com Python: Trabalhando com dados temporais (séries temporais)

10.13. Introdução à Análise de Dados com Python: Técnicas de agrupamento e agregação de dados

10.14. Introdução à Análise de Dados com Python: Automatização de tarefas de análise de dados

10.15. Introdução à Análise de Dados com Python: Melhores práticas e dicas para análise de dados eficiente

11. Bibliotecas Essenciais para Análise de Dados: NumPy e Pandas

12. Leitura e Escrita de Dados em Arquivos

13. Processamento e Limpeza de Dados com Pandas

13.1. Processamento e Limpeza de Dados com Pandas: Introdução ao Pandas

13.2. Processamento e Limpeza de Dados com Pandas: Importação de Dados

13.3. Processamento e Limpeza de Dados com Pandas: Visualização Inicial dos Dados

13.4. Processamento e Limpeza de Dados com Pandas: Limpeza de Dados

13.5. Processamento e Limpeza de Dados com Pandas: Tratamento de Valores Faltantes

13.6. Processamento e Limpeza de Dados com Pandas: Remoção de Duplicatas

13.7. Processamento e Limpeza de Dados com Pandas: Filtragem de Dados

13.8. Processamento e Limpeza de Dados com Pandas: Conversão de Tipos de Dados

13.9. Processamento e Limpeza de Dados com Pandas: Renomeação de Colunas

13.10. Processamento e Limpeza de Dados com Pandas: Trabalho com Datas e Horários

13.11. Processamento e Limpeza de Dados com Pandas: Normalização de Textos

13.12. Processamento e Limpeza de Dados com Pandas: Agrupamentos e Agregações

13.13. Processamento e Limpeza de Dados com Pandas: Junção, Mesclagem e Concatenação de Dados

13.14. Processamento e Limpeza de Dados com Pandas: Exportação de Dados Limpos

14. Exploração de Dados: Estatísticas Descritivas

15. Visualização de Dados com Matplotlib e Seaborn

16. Análise Exploratória de Dados (EDA)

17. Trabalhando com Dados Temporais (Séries Temporais)

18. Unindo e Mesclando Datasets com Pandas

19. Agregação e Resumo de Dados com GroupBy

20. Manipulação Avançada de DataFrames

21. Introdução ao Machine Learning com Python

22. Pré-processamento de Dados para Modelos de Machine Learning

23. Construindo Modelos Preditivos com scikit-learn

24. Validação e Seleção de Modelos de Machine Learning

25. Avaliação de Modelos e Métricas de Desempenho

25.1. Avaliação de Modelos e Métricas de Desempenho: Conjunto de dados de treino e teste

25.2. Avaliação de Modelos e Métricas de Desempenho: Validação cruzada

25.3. Avaliação de Modelos e Métricas de Desempenho: Métricas de classificação

25.4. Avaliação de Modelos e Métricas de Desempenho: Métricas de regressão

25.5. Avaliação de Modelos e Métricas de Desempenho: Matriz de confusão

25.6. Avaliação de Modelos e Métricas de Desempenho: Curva ROC e AUC

25.7. Avaliação de Modelos e Métricas de Desempenho: Precisão e revocação

25.8. Avaliação de Modelos e Métricas de Desempenho: F1-Score

25.9. Avaliação de Modelos e Métricas de Desempenho: Erro quadrático médio (MSE)

25.10. Avaliação de Modelos e Métricas de Desempenho: Coeficiente de determinação (R²)

25.11. Avaliação de Modelos e Métricas de Desempenho: Análise de resíduos

25.12. Avaliação de Modelos e Métricas de Desempenho: Comparação de modelos

25.13. Avaliação de Modelos e Métricas de Desempenho: Otimização de hiperparâmetros

25.14. Avaliação de Modelos e Métricas de Desempenho: Curvas de aprendizado

25.15. Avaliação de Modelos e Métricas de Desempenho: Curvas de validação

25.16. Avaliação de Modelos e Métricas de Desempenho: Sobreajuste e subajuste

25.17. Avaliação de Modelos e Métricas de Desempenho: Importância das características (Feature Importance)

26. Tunning de Hyperparâmetros e Otimização de Modelos

27. Aprendizado Supervisionado: Regressão e Classificação

28. Aprendizado Não Supervisionado: Clusterização

29. Redução de Dimensionalidade (PCA)

30. Uso de Pipeline para Fluxos de Processamento de Dados

31. Trabalhando com Dados Textuais e Processamento de Linguagem Natural (NLP)

32. Introdução a Deep Learning com TensorFlow/Keras

33. Deploy de Modelos em Ambiente de Produção

34. Importância da Governança e Ética em Análise de Dados

35. Criando Dashboards Interativos com Plotly e Dash