Formação Data Science

Passo a passo

1. 1 Começando com Data Science

   Dê os seus primeiros passos na área, aprendendo sobre como os dados podem ser úteis para o nosso trabalho do dia a dia e como extrair o máximo deste recurso!

   Nesta primeira parte, você irá carregar um conjunto de dados do mundo real e realizar uma análise de dados de maneira exploratória, utilizando várias bibliotecas do Python, como a Seaborn, Matplotlib, SciPy e Pandas.

   Um dos focos será na utilização da biblioteca Pandas, uma das ferramentas mais poderosas para análise e exploração de dados. Além de Pandas, recordaremos alguns conceitos importantes na estatística, para impulsionar nossa capacidade de análise.

   E aí, com os equipamentos de mergulho Okay, bora submergir?

   • 

     Vídeo YouTube

   • 

     Curso Data Science: analise e visualização de dados.

     06h

   Faça esse curso e:

   • Entre na área de ciência de dados (data science)
   • Explore dados com exploratory data analysis
   • Conheça os tipos de variáveis
   • Entenda o papel de visualizações como histogramas e boxplots
   • Entenda a importância e dê os primeiros passos em visualizações
   • Utilize medidas de resumo
   • Explore seus dados em Python com Pandas, Matplotlib e Seaborn

   Mais detalhesdo curso Data Science: analise e visualização de dados.

   • 

     Curso Python Pandas: tratando e analisando dados

     12h

   Faça esse curso e:

   • Importar dados e exportar dataframes
   • Limpando e tratar dados faltantes
   • Remover outliers e criar novas variáveis
   • Selecionar e gerar frequencias dos dados
   • Usar Python Pandas, Matplotlib, Jupyter e Anaconda

   Mais detalhesdo curso Python Pandas: tratando e analisando dados

   • 

     Curso Estatística com Python: frequências e medidas

     10h

   Faça esse curso e:

   • Entenda estatística e os números que você lida
   • Descubra a diferença entre média, mediana e moda na prática
   • Aprenda os tipos de dados e classifique-os
   • Saiba o que é a distribuição de frequência
   • Conheça a variância e o desvio padrão

   Mais detalhesdo curso Estatística com Python: frequências e medidas

   • 

     Curso Estatística com Python: probabilidade e amostragem

     10h

   Faça esse curso e:

   • Entenda as distribuiçōes de binomial, poisson e normal
   • Saiba o que o nível e intervalo de confiança
   • Conheça técnicas de amostragem
   • Calcule o tamanho da amostra

   Mais detalhesdo curso Estatística com Python: probabilidade e amostragem

   • 

     Vídeo Alura Live #64 - Data Science - YouTube

2. 2 Modelos de Data Science

   Depois de aprender a analisar e explorar os dados do passado, que tal tentar tirar conclusões sobre o futuro?

   Neste passo, você aprenderá a utilizar técnicas como Regressão Linear para demonstrar os impactos de algumas variáveis e criar modelos que possam ajudar na previsão de próximos resultados.

   • 

     Alura+ Data Science e séries temporais

   • 

     Curso Regressão linear: testando relações e prevendo resultados

     12h

   Faça esse curso e:

   • Utilize visualizações para entender a distribuição de seus dados
   • Descubra a diferença entre variáveis dependentes e explicativas em seus dados
   • Aprenda a separar dados de treino e teste
   • Modele com regressões lineares
   • Entenda os erros em função dos resíduos e métricas
   • Compare e salve os melhores modelos

   Mais detalhesdo curso Regressão linear: testando relações e prevendo resultados

   • 

     Curso Regressão Linear: técnicas avançadas de modelagem

     05h

   Faça esse curso e:

   • Aplique transformações antes de treinar seus modelos
   • Aplique regressões com Statsmodel e Sklearn
   • Aprenda técnicas Avançadas de Modelagem
   • Obtenha previsões pontuais
   • Interprete coeficientes estimados
   • Efetue análises gráficas dos resultados encontrados

   Mais detalhesdo curso Regressão Linear: técnicas avançadas de modelagem

   • 

     Podcast Casos bacanas de Data Science – Hipsters #106

3. 3 Visualização de dados

   Entender o "passado" e “prever o futuro” é algo incrível e sem dúvidas um dos principais papéis de uma pessoa cientista de dados, mas criar análises incríveis e modelos capazes de gerar projeções com exatidão não é condição suficiente para tirar seu projeto de ciência de dados do papel.

   Uma boa análise e modelos precisos devem estar alinhados a uma comunicação assertiva, para que os envolvidos no projeto entendam suas conclusões e os impactos que seu modelo pode trazer ao negócio. Para esta comunicação, sem dúvidas uma das suas principais ferramentas será uma boa visualização de dados. Neste passo vamos avançar neste tópico, estudando boas práticas e se aprofundando em libs como matplotlib para criar gráficos incríveis.

   • 

     Curso Data Visualization: técnicas de visualização com Google Sheets

     08h

   Faça esse curso e:

   • Aprenda sobre os principais conceitos de visualização de dados e de storytelling
   • Entenda como utilizar bem as cores nos seus visuais e os princípios de Gestalt
   • Melhore a visualização das tabelas
   • Teste a utilização de informações em números diretos e com textos
   • Verifique como utilizar o gráfico de colunas e de barras para melhorar sua visualização
   • Aprenda a acrescentar séries nos gráficos de barras
   • Saiba como trabalhar com as barras empilhadas e como utilizar o gráfico de pizza

   Mais detalhesdo curso Data Visualization: técnicas de visualização com Google Sheets

   • 

     Artigo Análise de dados: analisando minha distribuição com três alternativas de visualização - Blog da Alura

   • 

     Curso Data Visualization: criação de gráficos com o Matplotlib

     06h

   Faça esse curso e:

   • Aprenda fazer visualizações com o Matplotlib.
   • Entenda o funcionamento de figuras e eixos do Matplotlib.
   • Customize suas visualizações com diferentes cores, estilos, anotações, etc.
   • Visualize diversos tipos de dados diferentes como séries temporais e dados categóricos.
   • Tenha visualizações de dados possam fornecer assertividades para tomada de decisão baseada em dados.

   Mais detalhesdo curso Data Visualization: criação de gráficos com o Matplotlib

4. 4 Testes com Data Science

   Muitas vezes uma boa análise e visualizações coerentes não bastam para garantir que nossas conclusões sejam estatisticamente relevantes, para isso precisamos recorrer aos testes de hipóteses.

   Então, agora chegou uma das partes mais empolgantes em se estudar Data Science! Visualize a distribuição de dados coletados, levante perguntas e hipóteses, crie intervalos de confiança para suas amostras e utilize o Python para executar testes estatísticos.

   Depois de aprender sobre testes, que tal estudar sobre experimentação? Afinal, uma boa parte da área de Data Science está relacionada ao desenvolvimento de experimentos, desde a coleta de dados até a validação de hipóteses!

   • 

     Curso Data Science: testes estatísticos com Python

     06h

   Faça esse curso e:

   • Visualize a distribuição de dados coletados
   • Levante perguntas e hipóteses
   • Responda as hipóteses usando testes
   • Crie intervalos de confiança para suas amostras
   • Compare dois grupos de amostras
   • Utilize Python para executar testes estatísticos
   • Responda perguntas de maneira formal, não só exploratória

   Mais detalhesdo curso Data Science: testes estatísticos com Python

   • 

     Alura+ Erros comuns em teste AB

   • 

     Curso Análise de experimentos: testes, mapas de cores e análises dos dados.

     06h

   Faça esse curso e:

   • Aprenda a planejar experimentos para a coleta de dados.
   • Proponha modelos matemáticos para entender um dado problema.
   • Teste a significância estatística dos parâmetros de um modelo matemático.
   • Construa mapas de cores para auxiliar a interpretação dos dados.
   • Faça as análises dos dados coletados em um experimento usando Python com Pandas, Matplotlib, Seaborn e o StatsModel.

   Mais detalhesdo curso Análise de experimentos: testes, mapas de cores e análises dos dados.

   • 

     Podcast Data Science, Engenharia, Design e Produto no Grupo Zap – Hipsters On The Road #08

5. 5 Aplicando Data Science

   Para fechar nosso ciclo de aprendizado, que tal praticar os conhecimentos adquiridos em ciência de dados, analisando dados reais na área da saúde?

   Nesta parte da formação vamos relembrar alguns tópicos estudados até então, aplicando uma boa parte do que aprendemos na análise de dados reais da COVID-19.

   Bora praticar e mergulhar em um problema real e de grande impacto na sociedade!

   • 

     Curso Data Science: análises para saúde e medicina

     08h

   Faça esse curso e:

   • Aprenda a buscar e questionar fontes de dados
   • Limpe, processe, analise, compare informações encontradas
   • Aprenda a importância de visualizações adequadas
   • Crie um espírito crítico ao levantar limitações em seus estudos de dados
   • Utilize o conhecimento de programação e dados na área de saúde
   • Utilize dados de fontes confiáveis como Johns Hopkins e a OMS
   • Entenda a dificuldade de alcançar dados estáveis durante um episódio de epidemia
   • Calcule taxas de letalidade

   Mais detalhesdo curso Data Science: análises para saúde e medicina

   • 

     Curso Data Science: visualização de dados para saúde e medicina

     07h

   Faça esse curso e:

   • Explore boletins epidemiológicos de Influenza
   • Entenda os coeficientes de incidência e mortalidade
   • Visualize a evolução de coeficientes e sua convergência
   • Junte bases de fontes distintas para enriquecer seus dados
   • Explore as limitações das suas fontes de dados e seus próprios estudos
   • Busque conclusões e comparações
   • Refine suas visualizações

   Mais detalhesdo curso Data Science: visualização de dados para saúde e medicina

   • 

     Podcast Tecnologia e computação no combate ao vírus – Hipsters Ponto Tech #195