Contenido del curso
11. Introdução ao Curso e Objetivos
22. Instalando Python e Ambientes Virtuais
33. Configurando o Ambiente de Desenvolvimento (IDEs e Editores de Texto)
44. Fundamentos de Programação com Python
54.1. Fundamentos de Programação com Python: Introdução ao Python
64.2. Fundamentos de Programação com Python: Instalação e Configuração do Ambiente de Desenvolvimento
74.3. Fundamentos de Programação com Python: Variáveis e Tipos de Dados
84.4. Fundamentos de Programação com Python: Operadores e Expressões
94.5. Fundamentos de Programação com Python: Estruturas de Controle de Fluxo (Condicionais e Loops)
104.6. Fundamentos de Programação com Python: Funções e Escopo de Variáveis
114.7. Fundamentos de Programação com Python: Trabalhando com Strings
124.8. Fundamentos de Programação com Python: Coleções de Dados (Listas, Tuplas, Conjuntos, Dicionários)
134.9. Fundamentos de Programação com Python: Tratamento de Exceções
144.10. Fundamentos de Programação com Python: Leitura e Escrita de Arquivos
154.11. Fundamentos de Programação com Python: Módulos e Pacotes
164.12. Fundamentos de Programação com Python: Programação Orientada a Objetos (Classes e Objetos)
174.13. Fundamentos de Programação com Python: Testes Unitários
184.14. Fundamentos de Programação com Python: Trabalhando com Datas e Horas
194.15. Fundamentos de Programação com Python: Manipulação de Dados com Pandas
204.16. Fundamentos de Programação com Python: Visualização de Dados com Matplotlib e Seaborn
214.17. Fundamentos de Programação com Python: Introdução a Expressões Regulares
224.18. Fundamentos de Programação com Python: Conceitos de Iteradores e Geradores
234.19. Fundamentos de Programação com Python: Decoradores
245. Compreendendo Variáveis e Tipos de Dados
256. Operadores e Expressões em Python
267. Estruturas de Controle de Fluxo (Loops e Condicionais)
278. Trabalhando com Funções e Modularização de Código
289. Manipulação de Exceções e Erros em Python
2910. Introdução à Análise de Dados com Python
3010.1. Introdução à Análise de Dados com Python: Introdução à linguagem Python
3110.2. Introdução à Análise de Dados com Python: Ambientes de desenvolvimento para análise de dados (IDEs e notebooks)
3210.3. Introdução à Análise de Dados com Python: Bibliotecas Python para análise de dados (Pandas, NumPy, Matplotlib, Seaborn, etc.)
3310.4. Introdução à Análise de Dados com Python: Importação e exportação de dados com Python
3410.5. Introdução à Análise de Dados com Python: Limpeza e preparação de dados
3510.6. Introdução à Análise de Dados com Python: Exploração e análise de dados com Pandas
3610.7. Introdução à Análise de Dados com Python: Visualização de dados com Matplotlib e Seaborn
3710.8. Introdução à Análise de Dados com Python: Análise exploratória de dados (EDA)
3810.9. Introdução à Análise de Dados com Python: Fundamentos de estatística para análise de dados
3910.10. Introdução à Análise de Dados com Python: Manipulação de dados em grande escala com Dask ou Vaex
4010.11. Introdução à Análise de Dados com Python: Introdução a Machine Learning com Python
4110.12. Introdução à Análise de Dados com Python: Trabalhando com dados temporais (séries temporais)
4210.13. Introdução à Análise de Dados com Python: Técnicas de agrupamento e agregação de dados
4310.14. Introdução à Análise de Dados com Python: Automatização de tarefas de análise de dados
4410.15. Introdução à Análise de Dados com Python: Melhores práticas e dicas para análise de dados eficiente
4511. Bibliotecas Essenciais para Análise de Dados: NumPy e Pandas
4612. Leitura e Escrita de Dados em Arquivos
4713. Processamento e Limpeza de Dados com Pandas
4813.1. Processamento e Limpeza de Dados com Pandas: Introdução ao Pandas
4913.2. Processamento e Limpeza de Dados com Pandas: Importação de Dados
5013.3. Processamento e Limpeza de Dados com Pandas: Visualização Inicial dos Dados
5113.4. Processamento e Limpeza de Dados com Pandas: Limpeza de Dados
5213.5. Processamento e Limpeza de Dados com Pandas: Tratamento de Valores Faltantes
5313.6. Processamento e Limpeza de Dados com Pandas: Remoção de Duplicatas
5413.7. Processamento e Limpeza de Dados com Pandas: Filtragem de Dados
5513.8. Processamento e Limpeza de Dados com Pandas: Conversão de Tipos de Dados
5613.9. Processamento e Limpeza de Dados com Pandas: Renomeação de Colunas
5713.10. Processamento e Limpeza de Dados com Pandas: Trabalho com Datas e Horários
5813.11. Processamento e Limpeza de Dados com Pandas: Normalização de Textos
5913.12. Processamento e Limpeza de Dados com Pandas: Agrupamentos e Agregações
6013.13. Processamento e Limpeza de Dados com Pandas: Junção, Mesclagem e Concatenação de Dados
6113.14. Processamento e Limpeza de Dados com Pandas: Exportação de Dados Limpos
6214. Exploração de Dados: Estatísticas Descritivas
6315. Visualização de Dados com Matplotlib e Seaborn
6416. Análise Exploratória de Dados (EDA)
6517. Trabalhando com Dados Temporais (Séries Temporais)
6618. Unindo e Mesclando Datasets com Pandas
6719. Agregação e Resumo de Dados com GroupBy
6820. Manipulação Avançada de DataFrames
6921. Introdução ao Machine Learning com Python
7022. Pré-processamento de Dados para Modelos de Machine Learning
7123. Construindo Modelos Preditivos com scikit-learn
7224. Validação e Seleção de Modelos de Machine Learning
7325. Avaliação de Modelos e Métricas de Desempenho
7425.1. Avaliação de Modelos e Métricas de Desempenho: Conjunto de dados de treino e teste
7525.2. Avaliação de Modelos e Métricas de Desempenho: Validação cruzada
7625.3. Avaliação de Modelos e Métricas de Desempenho: Métricas de classificação
7725.4. Avaliação de Modelos e Métricas de Desempenho: Métricas de regressão
7825.5. Avaliação de Modelos e Métricas de Desempenho: Matriz de confusão
7925.6. Avaliação de Modelos e Métricas de Desempenho: Curva ROC e AUC
8025.7. Avaliação de Modelos e Métricas de Desempenho: Precisão e revocação
8125.8. Avaliação de Modelos e Métricas de Desempenho: F1-Score
8225.9. Avaliação de Modelos e Métricas de Desempenho: Erro quadrático médio (MSE)
8325.10. Avaliação de Modelos e Métricas de Desempenho: Coeficiente de determinação (R²)
8425.11. Avaliação de Modelos e Métricas de Desempenho: Análise de resíduos
8525.12. Avaliação de Modelos e Métricas de Desempenho: Comparação de modelos
8625.13. Avaliação de Modelos e Métricas de Desempenho: Otimização de hiperparâmetros
8725.14. Avaliação de Modelos e Métricas de Desempenho: Curvas de aprendizado
8825.15. Avaliação de Modelos e Métricas de Desempenho: Curvas de validação
8925.16. Avaliação de Modelos e Métricas de Desempenho: Sobreajuste e subajuste
9025.17. Avaliação de Modelos e Métricas de Desempenho: Importância das características (Feature Importance)
9126. Tunning de Hyperparâmetros e Otimização de Modelos
9227. Aprendizado Supervisionado: Regressão e Classificação
9328. Aprendizado Não Supervisionado: Clusterização
9429. Redução de Dimensionalidade (PCA)
9530. Uso de Pipeline para Fluxos de Processamento de Dados
9631. Trabalhando com Dados Textuais e Processamento de Linguagem Natural (NLP)
9732. Introdução a Deep Learning com TensorFlow/Keras
9833. Deploy de Modelos em Ambiente de Produção
9934. Importância da Governança e Ética em Análise de Dados
10035. Criando Dashboards Interativos com Plotly e Dash
Es mucho más...