Descrição
O curso de Data Science da Codi Academy foi desenvolvido para capacitar profissionais em uma das áreas mais demandadas do mercado atual: ciência de dados. Combinando programação e estatísticas, os cientistas de dados são capazes de transformar dados brutos em insights valiosos para diversas indústrias.
Neste curso, você aprenderá Python, a linguagem mais popular em data science, e será guiado por meio de ferramentas modernas e conjuntos de dados reais. Você dominará habilidades essenciais para ler, armazenar, analisar e comunicar dados de maneira profissional, adquirindo a experiência necessária para solucionar problemas do mundo real e se tornar um cientista de dados pronto para o mercado.
O que você vai aprender:
- Fundamentos de Python: Domine a linguagem Python, incluindo sintaxe, estruturas de controle, e funções.
- Arrays e Matrizes Funcionais com NumPy: Utilize a biblioteca NumPy para trabalhar com arrays e matrizes de forma eficiente.
- Web Scraping com BeautifulSoup: Aprenda a coletar dados de páginas da web utilizando técnicas de web scraping com BeautifulSoup.
- Recuperação de Dados de APIs: Saiba como acessar e manipular dados provenientes de APIs para integrar informações de diversas fontes.
- Manipulação de Dados com SQL: Ganhe experiência com consultas em bancos de dados usando SQL para recuperar, manipular e organizar dados.
- Análise de Dados com Pandas: Utilize a biblioteca Pandas para manipular e analisar dados de forma estruturada e eficiente.
- Visualização de Dados com Matplotlib, Seaborn e Bokeh: Aprenda a criar gráficos e visualizações atraentes para comunicar insights e análises.
- Criação de Hipóteses Baseadas em Evidências: Desenvolva a habilidade de formular e testar hipóteses a partir de análises de dados.
Ao concluir este curso, você estará equipado com habilidades práticas em ciência de dados, capaz de enfrentar desafios reais e contribuir com insights valiosos em qualquer organização. Transforme sua carreira com a habilidade de entender e utilizar dados para impactar a tomada de decisões e a estratégia de negócios.
Course Content
- Acesso ao Livro
- Aula 1: Introdução
- Aula 2: Variáveis: Integer e Float
- Aula 2: Exercícios
- Aula 3: Variáveis: Boolean e String
- Aula 3: Exercícios
- Aula 4: Operadores Aritméticos
- Aula 4: Exercícios
- Aula 5: Operadores de Comparação
- Aula 5: Exercícios
- Aula 6: Operadores Lógicos
- Aula 6: Exercícios
- Aula 7: Coleções: Listas
- Aula 7: Exercícios
- Aula 8: Coleções: Tuplas
- Aula 8: Exercícios
- Aula 9: Coleções: Dicionários
- Aula 9: Exercícios
- Aula 10: IF e ELSE
- Aula 10: Exercícios
- Aula 11: While
- Aula 11: Exercícios
- Aula 12: For
- Aula 12: Exercícios
- Aula 13: Funções (parte 1)
- Aula 13: Exercícios
- Aula 14: Funções (parte 2)
- Aula 14: Exercícios
- Aula 15: OO: Classes e Objetos
- Aula 15: Exercícios
- Aula 16: OO: Encapsulamento
- Aula 16: Exercícios
- Aula 17: OO: Herança
- Aula 17: Exercícios
- Aula 18: OO: Polimorfismo
- Aula 18: Exercícios
- Aula 19: Python Turtle: Introdução
- Aula 20: Balloon Popper: Introdução
- Aula 21: Balloon Popper: Implementação
- Aula 22: Turtle Game: Introdução
- Aula 23: Turtle Game: Implementação
- Extra: Revisional
- Python | Prova
- Acesso ao Livro
- Aula 24: CHAT GPT: Preparando o Ambiente
- Aula 25: Criando a sua primeira I.A.
- Aula 26: Parâmetros da API do Chat GPT
- Aula 27: Tratamento de erros
- Aula 28: Bot da Wikipedia
- Aula 29: Enviando mensagem do usuário do CHAT GPT
- Aula 30: Conversa em Loop
- Aula 31: Criando um Quiz infinito (parte 1)
- Aula 32: Criando um Quiz infinito (parte 2)
- Aula 33: Criando um Quiz infinito (parte 3)
- Aula 34: Criando uma IA que gera imagens
- IA | Prova
- Acesso ao Livro
- Aula 35: Criando Arrays Numpy
- Aula 36: Operações de Busca em Arrays
- Aula 37: Operações de Modificação em Arrays
- Aula 37.1: Exercício revisional
- Aula 38: Criando Matrizes Numpy
- Aula 39: Operações de Busca em Matrizes
- Aula 40: Operações de Modificação em Matrizes
- Aula 40.1: Exercício
- NumPy | Prova
- Aula 41: Introdução
- Aula 42: Séries e DataFrames
- Aula 43: Noções básicas do DataFrame – Parte 1
- Aula 44: Noções básicas do DataFrame – Parte 2
- Aula 45: Limpeza de Dados – Parte 1
- Aula 46: Limpeza de Dados – Parte 2
- Aula 47: Agrupamento e Agregação – Parte 1
- Aula 48: Agrupamento e Agregação – Parte 2
- Aula 49: Mesclando – Parte 1
- Aula 50: Mesclando – Parte 2
- Aula 51: Série Temporal
- Aula 52: Visualização – Parte 1
- Aula 53: Vizualização – Parte 2
- Aula 54: Resumo e Conclusão
- Introdução ao Pandas | Prova
- Aula 55: Carregando o CSV
- Aula 56: Exploração de dados
- Aula 57: Filtragem – Parte 1
- Aula 58: Filtragem – Parte 2
- Aula 59: Filtragem – Parte 3
- Aula 60: Agrupamento e agregação
- Aula 61: Gráficos de barras
- Aula 62: Gráfico de Linhas
- Aula 63: Gráficos de setores
- Aula 64: Gráficos de dispersão e histogramas
- Projeto Pandas – Análise de Dados de Voo | Prova
- Arquivos do Curso
- Aula 1: Ambiente de desenvolvimento Anaconda
- Aula 2: Introdução a Banco de dados
- Aula 3: Carregando um banco de dados SQLite
- Aula 4: Selecionando colunas de uma tabela
- Aula 5: LIMITE e COMPENSAÇÃO
- Aula 6: Recuperando valores exclusivos
- Aula 7: Ordenação
- Aula 8: Cláusula WHERE
- Aula 9: Grupos
- Aula 10: Inner Joins
- Aula 11: Left Outer Joins
- Aula 12: GitBash
- Aula 13: Arquivo I/O
- Aula 14: SQLite através do Python
- Aula 15: Criando tabelas
- Aula 16: Inserindo linhas em uma tabela
- Aula 17: Atualizando linhas em uma tabela
- Aula 18: Excluindo linhas de uma tabela
- Aula 19: Excluindo Tabelas
- Aula 20: Alterando Tabelas
- Aula 21: Removendo uma coluna de uma tabela
- Aula 22: Chaves Estrangeiras Parte 1
- Aula 23: Chaves Estrangeiras Parte 2
- SQL Data Science | Prova
- Aula 1: Limpeza de Dados – Parte 1
- Aula 2: Limpeza de Dados – Parte 2
- Aula 3: Plotagem
- Aula 4: Juntando Dados
- Aula 5: Introdução às estatísticas
- Aula 6: Média e Desvio Padrão
- Aula 7: Estatísticas Básicas
- Aula 8: Regressão Linear
- Aula 9: Coeficiente de Correlação
- Aula 10: Regressão Linear
- Análise de dados com Pandas | Prova
- Aula 1: Ambiente de desenvolvimento Anaconda
- Aula 2: Gráficos de colunas
- Aula 3: Anotações de gráfico
- Aula 4: Gráficos de barras
- Aula 5: Gráficos de pizza
- Aula 6: Gráficos de linhas
- Aula 7: Gráficos de multilinhas
- Aula 8: Gráficos de dispersão
- Aula 9: Vários gráficos em uma figura
- Aula 10: Colunas Seaborn e gráficos de barras
- Aula 11: Gráficos de linhas marítmas
- Aula 12: Gráficos de dispersão e múltiplos do Seaborn
- Aula 13: Parcelas conjuntas Seaborn
- Aula 14: Gráficos de colunas Bokeh
- Aula 15: Gráficos de barras Bokeh
- Aula 16: Bokeh sobre as dicas de ferramentas
- Aula 17: Gráficos multilinhas Bokeh
- Aula 18: Legendas interativas do Bokeh
- Aula 19: Gráficos de dispersão Bokeh
- Aula 20: Bokeh múltiplas parcelas
- Aula 21: Gráficos de dispersão Bokeh
- Aula 22: Bokeh múltiplas parcelas
- Aula 23: Panorâmica vinculada ao Bokeh
- Vizualização de dados em Python | Prova
- Aula 1: Introdução à Análise de Clusters
- Aula 2: Agrupamento K-Means
- Aula 3: K-Means em Conjuntos de Dados – Parte 1
- Aula 4: K-Means em Conjuntos de Dados – Parte 2
- Aula 5: DBSCAN – Parte 1
- Aula 6: DBSCAN – Parte 2
- Aula 7: DBSCAN em Conjuntos de Dados – Parte 1
- Aula 8: DBSCAN em Conjuntos de Dados – Parte 2
- Aula 9: HAC
- Aula 10: HAC em Conjuntos de Dados
- Aula 11: Introdução ao Conjunto de Dados de Cartão de Crédito
- Aula 12: O Método do Cotovelo e K-Means
- Aula13: Executando HAC no Nosso Conjunto de Dados
- Insigths de Dados com Análises de Clusters | Prova
- Aula 1: Introdução a Probabilidade
- Aula 2: Probabilidade com Pandas
- Aula 3: Probabilidade condicional – Parte 1
- Aula 4: Probabilidade condicional – Parte 2
- Aula 5: Probabilidade condicional com Pandas
- Aula 6: Teorema de Bayes
- Aula 7: Classificador Naive Bayes
- Aula 8: Previsão de voos atrasados – Parte 1
- Aula 9: Previsão de voos atrasados – Parte 2
- Fundamentos de probabilidade para ciência de dados | Prova
- Aula 1: Introdução às Variáveis Aleatórias
- Aula 2: A Distribuição Normal
- Aula 3: Distribuições de Probabilidade no Scipy
- Aula 4: Teorema do Limite Central
- Aula 5: Teste z de uma amostra – Parte 1
- Aula 6: Teste z de uma amostra – Parte 2
- Aula 7: Teste z de uma amostra – Parte 3
- Aula 8: Teste z de uma amostra unica, unica caudal – Scipy
- Aula 9: Teste z de uma amostra unica, duas caudas – Scipy
- Aula 10: Teste z de duas amostras
- Aula 11: Teste z de duas amostras no Scipy
- Aula 12: Teste t de uma amostra
- Aula 13: Teste t de uma amostra no Scipy
- Aula 14: Teste t de duas amostras
- Aula 15: Teste t de duas amostras no Scipy
- Aula 16: Estrutura do teste t de uma amostra
- Aula 17: Exemplo do teste t de uma amostra
- Aula 18: Estrutura do teste t de duas amostras
- Aula 19: Exemplo do teste t de duas amostras
- Testes de hipótese para ciência de dados | Prova
Instructors
🎓 Graduando em Engenharia Computacional pela UFJF (Universidade Federal de Juiz de Fora) 📝 Professor de Física da Rede Apogeu 📗 Tutor de Planilhas Eletrônicas (UFJF) 📒 Tutor de Introdução ao Linux (UFJF) 📘 Tutor de Banco de Dados (UFJF) 🎮 Desenvolvedor de Games 🕹 Professor e Gestor da Academia Gamer