CURSO

Tópicos Avançados em Python para Análise de Dados

Aprenda as habilidades técnicas mais procuradas para um cientista de dados!

CARGA HORÁRIA
20h de estudo
CONTEÚDO
direto ao ponto
PRÉ-REQUISITOS
Vontade de aprender

QUERO ME INSCREVER

Plano de Estudo Personalizado

Orientação personalizada e trilhas sob medida para você se destacar no mercado.

Foco em empregabilidade

Nosso conteúdo é 100% baseado nos requisitos das vagas mais desejadas do mercado

Aprenda com experts da área

Nossos consultores vivem o que ensinam nas maiores empresas do país.

QUERO ME INSCREVER

Conhecimentos adquiridos no curso

Você será capaz de:
• Usar as bibliotecas Pandas e Seaborn como ferramentas essenciais para uma análise bem feita;
• Lidar com diversos tipos de dados (.txt, .csv, .xlsx, e vários outros!.);
• Resolver problemas de negócios com a ajuda das bibliotecas;
• Criar excelentes gráficos para melhorar as análises e direcionamentos da sua empresa;
• Utilizar seus conhecimentos para resolver problemas reais.

E ainda estará preparado para:
• Extrair informações essenciais dos dados brutos coletados;
• Propor soluções automatizadas para analisar os dados da empresa;
• Ver dados como oportunidades de melhora e não como problemas;
• Resolver problemas em poucas linhas de código;
• Melhorar aspectos do seu ambiente de trabalho com a ajuda da programação.

Independente se:
• Não conhece a área de Ciência de Dados (nós te mostramos!);
• Não trabalha, diretamente, na área de programação;
• Acredita que a análise de dados não é a solução para o seu negócio;
• Tem dificuldade de extrair informações de gráficos (nós descomplicamos para você!);
• Trabalha ou possui uma empresa de pequeno, médio ou grande porte.

Conteúdos do curso

Alinhamento de expectativas
Apresentação do Curso
Material para Download

Consolidando o Conhecimento
Lição 1: Objetivos do Módulo
Lição 2: O que é o Pandas?
Lição 3: Relação entre Pandas, Numpy e Built-ins
Lição 4: Estruturas de dados da biblioteca
Lição 5: Como lidar com as Series?
Lição 6: Entendendo os DataFrames
Notebook - Módulo 1

Consolidando o Conhecimento
Lição 1: Objetivos do Módulo
Lição 2: Entendendo os Dados
Lição 3: Leitura de arquivos com o Pandas
Lição 4: Tipos de Dados
Lição 5: Adição e exclusão de novas variáveis
Lição 6: Indexação de Dados
Lição 7: Como selecionar os Dados?
Lição 8: Consultas dentro de DataFrames
Notebook - Módulo 2

Consolidando o Conhecimento
Lição 1: Objetivos do Módulo
Lição 10: Lidando com Dados Faltantes
Lição 11: Pandas + Matplotlib
Lição 2: Agregação de Dados
Lição 3: Concatenação de DataFrames
Lição 4: Aplicando funções nos DataFrames
Lição 5: Categorização de dados em um DataFrame
Lição 6: O GroupBy descomplicado
Lição 7: Pré-processamento de Dados
Lição 8: Tratamento textual com o Pandas
Lição 9: Lidando com Dados Duplicados
Notebook - Módulo 3

Consolidando o Conhecimento
Lição 1: Objetivos do Módulo
Lição 10: Mapas de calor
Lição 2: Conhecendo o Seaborn
Lição 3: Histogramas, distribuições e KDEs
Lição 4: Outliers: pontos fora da curva
Lição 5: Um pouco sobre o Boxplot e Violinplot
Lição 6.1: Boxplot, Violinplot e outliers 1
Lição 6.2: Boxplot, Violinplot e outliers 2
Lição 7: Correlação
Lição 8: Pairplot e Jointplot
Lição 9: Regplot
Notebook - Módulo 4

Lição 1: Objetivo do projeto final
Lição 2.1: Exercício 1
Lição 2.2: Exercício 1
Lição 3.1: Exercício 2
Lição 3.2: Exercício 2
Lição 4.1: Exercício 3
Lição 4.2: Exercício 3
Lição 4.3: Exercício 3
Lição 4.4: Exercício 3
Lição 4.5: Exercício 3
Lição 5.1: Exercício 4
Lição 5.2: Exercício 4
Lição 6.1: Exercício 5
Lição 6.2: Exercício 5
Notebook - Exercício 1
Notebook - Exercício 2
Notebook - Exercício 3
Notebook - Exercício 4
Notebook - Exercício 5

Parabéns!
Pesquisa de Satisfação

Iago Gomes de Lima Rosa

Mestrando em Modelagem Computacional (PPGMC) na Universidade Federal de Juiz de Fora (UFJF). Graduado em Engenharia Computacional e Bacharel em Ciências Exatas pela mesma universidade. Trabalhando atualmente na linha de pesquisa em Sistemas Computacionais Aplicados (PPGMC), com foco em Data Science, Machine Learning e Modelos Baseados em Agentes aplicado ao Sistema Bancário. Atualmente integra o Grupo de Pesquisa em Moeda e Desenvolvimento da Universidade Federal Rural do Rio de Janeiro (UFRRJ). Experiência em educação em tecnologia e inovação como membro egresso do Grupo de Educação Tutorial em Engenharia Computacional (GET-EngComp).

Conheça mais no LinkedIn

Veja alguns dos + 10 MIL PROFISSIONAIS que estão acelerando suas carreiras

QUERO ME INSCREVER

Empresas que nossos alunos já passaram

Curso

Tópicos Avançados em Python para Análise de Dados

ACESSO IMEDIATO

10xR$

Ou R$ 569,50 à vistaPague no crédito ou ganhe 15% de desconto no PIX

Matricular agora

O que você vai adquirir:

20 horas de conteúdo em vídeo, exercícios, leituras complementares
Materiais complementares
Acompanhamento e Plano de Estudo Personalizado. Do currículo ao contrato
Certificado compartilhável com validade em todo o território nacional
1 ano de acesso ao curso