CURSO

Python Intermediário para Análise de Dados

Inicie sua jornada para se tornar o analista de dados tão desejado pelo mercado!

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:
• Aplicar programação funcional em seus programas;
• Lidar com diferentes tipos de dados (.txt, .csv, .xlsx, etc.);
• Resolver problemas de negócios com cálculo e álgebra linear;
• Criar excelentes gráficos para melhorar as análises e direcionamentos da sua empresa;
• Utilizar com propriedade as principais ferramentas de Data Science, como Numpy e Matplotlib.

E ainda estará preparado para:
• Programar em qualquer outra linguagem, uma vez que terá aprendido a lógica principal de programação;
• Propor soluções automatizadas para analisar os dados da empresa;
• Ver dados como oportunidades de melhora e não como problemas;
• Saber como funcionam e como montar modelos de predição;
• 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;
• Ainda é estudante e não possui conhecimento sobre o assunto.

Conteúdos do curso

Alinhamento de expectativas
Apresentação do Consultor
Apresentação do Curso
Material para Download

Consolidando o Conhecimento
Lição 1: Parâmetros múltiplos e dinâmicos
Lição 1.1: Parâmetro *args
Lição 1.2: Parâmetro **kwargs
Lição 2: Funções como objetos de primeira classe
Lição 3: Funções de ordem superior
Lição 3.1: Função map()
Lição 3.2: Função filter()
Lição 3.3: Função reduce()
Lição 4: Funções para iteradores e iteráveis
Lição 4.1: Funções any() e all()
Lição 4.2: Função zip()

Consolidando o Conhecimento
Lição 1: Introdução
Lição 2: Herança
Lição 3: Herança múltipla
Lição 4: Classes Abstratas
Lição 5: Polimorfismo
Lição 6: Sobrecarga de operadores

Consolidando o Conhecimento
Lição 1: Fluxos de execução e exceções
Lição 2: Blocos try e except
Lição 3: Blocos else e finally

Consolidando o Conhecimento
Lição 1: Introdução a arquivos
Lição 2: Abrindo e fechando arquivos .txt
Lição 3: Escrevendo em arquivos .txt
Lição 4: Lendo arquivos .txt
Lição 5: O comando with
Lição 6: Importando arquivos .csv
Lição 7: Lendo arquivos .csv
Lição 8: Escrevendo arquivos .csv

Consolidando o Conhecimento
Lição 1: O que é o Numpy?
Lição 2: Relação entre Listas e Arrays
Lição 2.1 Tempo de processamento
Lição 2.2: Criação e acesso
Lição 2.3: Operadores
Lição 3: O Numpy Array
Lição 3.1: Arrays 1D
Lição 3.2: Consulta em Arrays
Lição 3.3: Atributos
Lição 3.4: Métodos
Lição 4.1: Criação de Arrays especiais
Lição 4.2: Concatenação e particionamento
Lição 4.3: Numpy aplicado na matemática

Consolidando o Conhecimento
Lição 1: Arrays Multidimensionais
Lição 1.1: Arrays 2D
Lição 1.2: Arrays 3D
Lição 2: Estrutura Matrix
Lição 3: Procedimentos e funções

Consolidando o Conhecimento
Lição 1: Conhecendo o cálculo numérico
Lição 2: Álgebra linear e ciência de dados
Lição 3: Polinômios: estruturas, operações, e aplicações
Lição 4: Ajuste de curvas: Regressão vs Interpolação
Lição 5: Regressão Linear/Polinomial

Consolidando o Conhecimento
Lição 1: Conhecendo o Matplotlib
Lição 2: Gráfico de curvas
Lição 3: Gráfico de barras
Lição 4: Histograma
Lição 5: Gráfico de pizza
Lição 6: Gráfico de dispersão

Lição 1: Intuito dos projetos
Lição 2: Exercício 1
Lição 2.1: Questão 1
Lição 2.2: Questão 2
Lição 3: Exercício 2
Lição 3.1: Questão 1
Lição 3.2: Questão 2
Lição 3.3: Questão 3
Lição 3.4: Questão 4
Lição 4: Exercício 3
Lição 4.1: Questão 1
Lição 4.2: Questão 2
Lição 5: Exercício 4
Lição 5.1: Questão 1
Lição 5.2: Questão 2
Lição 6: Exercício 5
Lição 6.1: Questão 1
Lição 6.2: Questão 2

Certificado
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

Python Intermediário para Análise de Dados

ACESSO IMEDIATO

10xR$

Ou R$ 399,50 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