Motivação para aprender análise de dados e o planejamento do curso
Nível: introdutório | Tipo: orientação | Duração estimada de leitura: 20 minutos
Curso
Data Analyst
Análise de dados de ponta a ponta: Jupyter, pandas, NumPy, data wrangling, limpeza, vieses e visualização exploratória e explicativa com Matplotlib e seaborn.
21 aulas
O processo de análise de dados: as cinco etapas
Fase 1 — Fundamentos | Pré-requisitos: Aula 0 | Duração estimada: 60 minutos
Jupyter Notebook: ambiente, atalhos e boas práticas
Fase 1 — Fundamentos | Pré-requisitos: Aulas 0 e 1 | Duração estimada: 60 minutos
Primeiros passos com pandas: carregando e inspecionando dados
Fase 1 — Fundamentos | Pré-requisitos: Aulas 0, 1 e 2 | Duração estimada: 75 minutos
Manipulação de dados com pandas: filtragem, ordenação e reshape
Fase 1 — Fundamentos | Pré-requisitos: Aulas 0 a 3 | Duração estimada: 90 minutos
NumPy: arrays, operações vetorizadas e performance
Fase 1 — Fundamentos | Pré-requisitos: Aulas 0 a 4 | Duração estimada: 75 minutos
Comunicando resultados: estatísticas descritivas e visualizações básicas com pandas
Fase 1 — Fundamentos | Pré-requisitos: Aulas 0 a 5 | Duração estimada: 80 minutos
Projeto 1: investigação de dataset
Fase 1 — Fundamentos | Pré-requisitos: Aulas 0 a 6 | Tipo: projeto prático | Duração estimada: 3 a 5 horas
Introdução ao data wrangling: o que é e por que importa
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 7 | Duração estimada: 60 minutos
Coleta de dados: CSV, JSON, APIs e web scraping básico
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 8 | Duração estimada: 90 minutos
Avaliação de dados: qualidade, completude e problemas estruturais
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 9 | Duração estimada: 80 minutos
Limpeza de dados: correção, imputação e validação
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 10 | Duração estimada: 90 minutos