O que você vai aprender em AI Programming with Python
O mapa do curso: as cinco fases, de Python e NumPy até Transformers e Hugging Face, o plano aula a aula e o que você será capaz de fazer no fim.
Curso
AI Programming with Python
Curso completo de programação em Python aplicada a IA: fundamentos da linguagem, NumPy, pandas, Matplotlib, álgebra linear, redes neurais e PyTorch.
31 aulas
Introdução ao Python — Sintaxe, Variáveis e Tipos de Dados
Sintaxe, variáveis e tipos nativos para quem já programa em outra linguagem: tipagem dinâmica, f-strings e as armadilhas que mais derrubam quem chega.
Lógica Booleana, Operadores Relacionais e Estruturas de Controle
Como o Python decide: operadores relacionais e lógicos, truthy e falsy, o ternário e as comparações encadeadas que outras linguagens não têm.
Loops — for, while, break, continue e range()
Repetição além do contador: for como iterador, range, enumerate e zip, break e continue, e as list comprehensions no processamento de dados.
Funções, Escopo e Recursão
Parâmetros posicionais e default, *args e **kwargs, a regra LEGB de escopo, lambdas, recursão com memoização e type hints.
Estruturas de Dados — Listas e Tuplas
Listas e tuplas em profundidade: fatiamento, os métodos que importam, a armadilha da cópia superficial e quando preferir cada uma.
Estruturas de Dados — Dicionários e Sets
Dicionários e sets: acesso seguro com get, comprehensions, contagem e agrupamento, operações de conjunto e a busca em tempo constante.
Exceções, Módulos e Organização de Código
try/except, raise, exceções customizadas, context managers, módulos e pacotes, ambientes virtuais — e logging no lugar do print.
Anaconda e Jupyter Notebooks
O ambiente padrão da ciência de dados: o Anaconda para isolar ambientes e o Jupyter para explorar, documentar e compartilhar análises reproduzíveis.
NumPy — Arrays, Operações e Broadcasting
Arrays, operações vetorizadas e broadcasting — a camada numérica sobre a qual pandas, scikit-learn e PyTorch são construídos.
Pandas — Series e DataFrames
Series e DataFrames: carregar, inspecionar, indexar e selecionar os dados tabulares que chegam de CSV, Excel, banco e API.
Pandas — Limpeza, Agrupamento e Merge
Garbage in, garbage out: tratar ausentes e duplicatas, agrupar com groupby e juntar tabelas com merge sem multiplicar linhas por engano.