Python Intermediário para Análise de Dados
Inicie sua jornada para se tornar o analista de dados tão desejado pelo mercado!
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:
• 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 LinkedInEmpresas que nossos alunos já passaram
Python Intermediário para Análise de Dados
10xR$
47
,00
Ou R$ 399,50 à vistaPague no crédito ou ganhe 15% de desconto no PIX
Matricular agoraO 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
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.

© Todos os direitos reservados
VOITTO TREINAMENTO, DESENVOLVIMENTO E EDITORA LTDA - CNPJ: 10.325.713/0001-89
www.voitto.com.br
© Todos os direitos reservados
VOITTO TREINAMENTO, DESENVOLVIMENTO E EDITORA LTDA - CNPJ: 10.325.713/0001-89