Où trouver un cours gratuit sur Desvendando Dados com Python: Uma Jornada Analítica ?

Ebook Gratuit Desvendando Dados com Python: Uma Jornada Analítica

Contenu du cours

Introdução ao Curso e Objetivos

Instalando Python e Ambientes Virtuais

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

Fundamentos de Programação com Python

Fundamentos de Programação com Python: Introdução ao Python

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

Fundamentos de Programação com Python: Variáveis e Tipos de Dados

Fundamentos de Programação com Python: Operadores e Expressões

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

Fundamentos de Programação com Python: Funções e Escopo de Variáveis

Fundamentos de Programação com Python: Trabalhando com Strings

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

Fundamentos de Programação com Python: Tratamento de Exceções

Fundamentos de Programação com Python: Leitura e Escrita de Arquivos

Fundamentos de Programação com Python: Módulos e Pacotes

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

Fundamentos de Programação com Python: Testes Unitários

Fundamentos de Programação com Python: Trabalhando com Datas e Horas

Fundamentos de Programação com Python: Manipulação de Dados com Pandas

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

Fundamentos de Programação com Python: Introdução a Expressões Regulares

Fundamentos de Programação com Python: Conceitos de Iteradores e Geradores

Fundamentos de Programação com Python: Decoradores

Compreendendo Variáveis e Tipos de Dados

Operadores e Expressões em Python

Estruturas de Controle de Fluxo (Loops e Condicionais)

Trabalhando com Funções e Modularização de Código

Manipulação de Exceções e Erros em Python

Introdução à Análise de Dados com Python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Bibliotecas Essenciais para Análise de Dados: NumPy e Pandas

Leitura e Escrita de Dados em Arquivos

Processamento e Limpeza de Dados com Pandas

Processamento e Limpeza de Dados com Pandas: Introdução ao Pandas

Processamento e Limpeza de Dados com Pandas: Importação de Dados

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

Processamento e Limpeza de Dados com Pandas: Limpeza de Dados

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

Processamento e Limpeza de Dados com Pandas: Remoção de Duplicatas

Processamento e Limpeza de Dados com Pandas: Filtragem de Dados

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

Processamento e Limpeza de Dados com Pandas: Renomeação de Colunas

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

Processamento e Limpeza de Dados com Pandas: Normalização de Textos

Processamento e Limpeza de Dados com Pandas: Agrupamentos e Agregações

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

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

Exploração de Dados: Estatísticas Descritivas

Visualização de Dados com Matplotlib e Seaborn

Análise Exploratória de Dados (EDA)

Trabalhando com Dados Temporais (Séries Temporais)

Unindo e Mesclando Datasets com Pandas

Agregação e Resumo de Dados com GroupBy

Manipulação Avançada de DataFrames

Introdução ao Machine Learning com Python

Pré-processamento de Dados para Modelos de Machine Learning

Construindo Modelos Preditivos com scikit-learn

Validação e Seleção de Modelos de Machine Learning

Avaliação de Modelos e Métricas de Desempenho

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

Avaliação de Modelos e Métricas de Desempenho: Validação cruzada

Avaliação de Modelos e Métricas de Desempenho: Métricas de classificação

Avaliação de Modelos e Métricas de Desempenho: Métricas de regressão

Avaliação de Modelos e Métricas de Desempenho: Matriz de confusão

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

Avaliação de Modelos e Métricas de Desempenho: Precisão e revocação

Avaliação de Modelos e Métricas de Desempenho: F1-Score

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

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

Avaliação de Modelos e Métricas de Desempenho: Análise de resíduos

Avaliação de Modelos e Métricas de Desempenho: Comparação de modelos

Avaliação de Modelos e Métricas de Desempenho: Otimização de hiperparâmetros

Avaliação de Modelos e Métricas de Desempenho: Curvas de aprendizado

Avaliação de Modelos e Métricas de Desempenho: Curvas de validação

Avaliação de Modelos e Métricas de Desempenho: Sobreajuste e subajuste

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

Tunning de Hyperparâmetros e Otimização de Modelos

Aprendizado Supervisionado: Regressão e Classificação

Aprendizado Não Supervisionado: Clusterização

Redução de Dimensionalidade (PCA)

Uso de Pipeline para Fluxos de Processamento de Dados

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

Introdução a Deep Learning com TensorFlow/Keras

Deploy de Modelos em Ambiente de Produção

Importância da Governança e Ética em Análise de Dados

100

Criando Dashboards Interativos com Plotly e Dash

Descriptif du cours

O curso “Desvendando Dados com Python: Uma Jornada Analítica” é o recurso ideal para quem deseja mergulhar no mundo da análise de dados utilizando uma das linguagens de programação mais versáteis e poderosas: Python. Pertencente à categoria Informática (TI) e mais especificamente à subcategoria Linguagens de Programação Multiuso (Python, Ruby, Java, C), este curso oferece um conteúdo abrangente e detalhado em 123 páginas.

Desde o início, o curso prepara os alunos com uma introdução clara aos objetivos e uma explicação detalhada sobre a instalação do Python e a configuração dos ambientes virtuais necessários. Com uma abordagem prática, os estudantes serão guiados na configuração de ambientes de desenvolvimento, como IDEs e editores de texto, essenciais para um workflow eficiente.

Os fundamentos da programação com Python são explorados minuciosamente, abordando desde a introdução à linguagem até conceitos mais complexos, como programação orientada a objetos, testes unitários, e manipulação de dados com bibliotecas como Pandas. Os alunos aprenderão a trabalhar com variáveis, operadores, estruturas de controle de fluxo (condicionais e loops), funções e escopo de variáveis.

Além dos conceitos básicos de programação, o curso avança para tópicos específicos na análise de dados com Python. Os estudantes descobrirão como importar e exportar dados, limpar e preparar conjuntos de dados, e explorar as bibliotecas mais relevantes para esse campo, como NumPy, Matplotlib e Seaborn.

Uma parte significativa do curso é dedicada à visualização de dados, um componente crítico na análise, onde os alunos aprenderão a utilizar ferramentas como Matplotlib e Seaborn para criar gráficos informativos e visualmente atraentes. Análises mais profundas, como a exploratória de dados (EDA) e técnicas estatísticas fundamentais, também são abordadas.

O curso leva os alunos além das funções básicas, introduzindo conceitos de machine learning com Python, onde aprenderão a construir modelos preditivos utilizando scikit-learn, fazer pré-processamento de dados, selecionar e validar modelos. Métricas de desempenho e técnicas de avaliação para modelos de machine learning são discutidas detalhadamente.

A trilha avançada do curso cobre tópicos como deep learning com TensorFlow/Keras, deploy de modelos em produção, integração de Python com bancos de dados SQL e NoSQL, e automatização de processos de análise de dados. A introdução ao Big Data com Python é um destaque, ensinando como lidar com grandes volumes de dados utilizando bibliotecas como pandas e NumPy, e ferramentas como Hadoop e Spark.

Aspectos práticos e éticos da análise de dados também são abordados, incluindo governança, criação de dashboards interativos com Plotly e Dash, testes unitários e de integração, versionamento de código com Git, e construção de portfólio para a carreira em análise de dados.

Por fim, o curso oferece uma conclusão abrangente, fornecendo dicas de carreira e próximos passos, garantindo que os alunos estejam não apenas prontos para aplicar o conhecimento adquirido, mas também para continuar seu aprendizado e desenvolvimento profissional na área de análise de dados.