Tópicos Avançados em Python para Análise de Dados
Aprenda as habilidades técnicas mais procuradas para um cientista de dados!
CARGA HORÁRIA
20h de estudoCONTEÚDO
direto ao pontoPRÉ-REQUISITOS
Vontade de aprender


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.
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 LinkedInImpacto na trajetória profissional
Confira agora depoimentos de como nossos alunos estão transformando suas carreiras
Empresas que nossos alunos já passaram
Tópicos Avançados em Python para Análise de Dados
10xR$
67
,00
Pague no crédito ou R$ 569,50 á vista no PIX
Matricular agoraO que você vai adquirir:
20 horas de conteúdo em vídeo, exercícios e 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
Outras opções com esse curso
Programa de Aceleração de Carreiras
- Aulas ao Vivo
- 14 formações com mais de 200 cursos disponíveis
- Acompanhamento e Plano de Estudo Personalizado.
