Fundamentos de Ciência de Dados em Python
- Descrição
- Currículo
- FAQ
- Revisões
Este curso tem por objetivo capacitar você a começar sua carreira em Ciência de Dados. Ele vai desde o início, explicando os conceitos mais básicos, incluindo o que é Python, como instalar, como usar, sintaxe básica, etc. Aqui você aprenderá os fundamentos que ajudarão você a começar sua carreira em Ciência de Dados ou a compreender melhor como analisar e interpretar informações.
Este curso não aborda a parte de Machine Learning, mas não é recomendado que você estude Machine Learning sem antes entender os conceitos básicos de estatística aplicados à Ciência de Dados. Por este motivo, idealizei este curso. Ele é baseado em diversas aulas e workshops que tenho ministrado no decorrer dos últimos anos.
O curso contém a parte teórica e prática, com vídeos e códigos. O curso é indicado mesmo a quem não tem conhecimento prévio em álgebra linear e cálculo, pois o enfoque é em como usar estes conceitos no computador, sem preocupações com a teoria matemática por trás.
Para mais detalhes, veja o vídeo promocional deste curso ou entre em contato.
-
1
Bem-vindo ao curso de Ciência de Dados em PythonBem-vindo ao curso de Fundamentos de Ciência de Dados em Python!
-
2
Conteúdo Programático
Neste vídeo você entenderá um pouco melhor como este curso está organizado e o que esperar dele.
-
3
O que é Ciência de Dados.
Compreenda o que é ciência de dados e qual o papel do cientista de dados.
-
4
Configurando o Ambiente Python
Nesta lição vamos configurar o ambiente Python. Este é um requisito para realizar os exercícios deste curso.
-
5
Executando códigos em Python
-
6
Verificando a Configuração do AmbienteNeste teste, vamos verificar a configuração do ambiente.
-
7
Introdução à Linguagem Python
Este vídeo mostra a sintaxe básica da linguagem Python.
-
8
Python: Biblioteca NumPy
Aprenda a utilizar a biblioteca numpy e manipular listas, arrays e matrizes.
-
9
Python: Biblioteca Pandas
Uma breve visão geral sobre a biblioteca Pandas e como manipular dados em Python.
-
10
Exame - Parte 1 - Introdução
Este exame verificará o quanto você absorveu de conhecimentos neste módulo do curso.
-
11
Questionário 02 - Resolução (Opcional)
Resolução do questionário 02. Não recomendo assistir este vídeo antes de tentar resolver as questões do questionário ao menos algumas vezes.
-
12
Estatística Descritiva - Parte 01
Nesta aula você aprenderá os conceitos iniciais sobre estatística descritiva, incluindo medidas de síntese, tendência ao centro e dispersão.
-
13
Estatística Descritiva - Parte 02
Nesta aula você aprenderá os conceitos iniciais sobre estatística descritiva, incluindo medidas de síntese, tendência ao centro e dispersão.
-
14
Demonstração Prática de Estatística Descritiva
Utilizando uma fonte de dados sobre hábitos de sono e de dieta de mamíferos, aprenda como aplicar os conceitos de estatística descritiva em Python.
-
15
Exame - Parte 2.1 - Estatística Descritiva
Teste seus conhecimentos no conteúdo explicado sobre estatística descritiva
-
16
Questionário 03 - Resolução (Opcional)
Resolução do questionário 03. Não recomendo assistir este vídeo antes de tentar resolver as questões do questionário ao menos algumas vezes.
-
17
Medias: Aritmética, Ponderada, Geométrica e Harmônica
Aprenda nesta aula, teórica e prática, sobre os diferentes tipos de média e quando usá-las. Falamos de média aritimética simples e ponderada, média geométrica e média harmônica.
-
18
Introducão à Distribuições
Introdução a distribuições, tipos de distribuição de probabilidade e cálculos de obliquidade e curtose,
-
19
Demonstração Prática de Obliquidade e Curtose
-
20
Exame 2.2 - Introdução a Distribuição
Responda às perguntas a seguir com base nos conceitos aprendidos nas aulas de distribuição.
-
21
Questionário 04 - Resolução (Opcional)
Resolução do questionário 04. Não recomendo assistir este vídeo antes de tentar resolver as questões do questionário ao menos algumas vezes.
-
22
Distribuição Normal
Explicação sobre o que é uma distribuição normal, suas implicações e alguns outros tipos de distribuição.
-
23
Demonstração Prática sobre Distribuições Normais
Nesta aula, aprenda a trabalhar em Python com distribuições normais com funções CDF e PDF, incluindo como visualizar a distribuição graficamente com PyPlot.
-
24
Exame Prático - Seção 2 - Estatística Descritiva e Distribuições
Para este exame, utilize o arquivo cerals.csv fornecido como material extra na aula teorica de Estatística Descritiva e, com base nos dados carregados, responda as questões a seguir.
-
25
Introdução ao Teste de Hipótese
Entenda melhor o que é um teste de hipótese e o que exatamente ele mede, bem como os tipos de erro envolvidos.
-
26
Teste de Hipótese Z
Aprenda sobre Distribuições Z
-
27
Demonstração Prática de Teste de Hipotese Z
-
28
Exame - Parte 3.1 - Teste de Hipótese e Teste Z
Use seus conhecimentos sobre teste de hipótese e testes Z para responder às perguntas a seguir.
-
29
Questionário 05 - Resolução (Opcional)
Resolução do questionário 05. Não recomendo assistir este vídeo antes de tentar resolver as questões do questionário ao menos algumas vezes.
-
30
Teste de Hipótese T
Aprenda sobre Distribuições T
-
31
Demonstração Prática de Teste de Hipotese T
-
32
Teste de Hipótese Chi Quadrado
Aprenda sobre Distribuições Chi Quadrado
-
33
Demonstração Prática de Teste de Hipotese Chi Quadrado
-
34
Teste de Hipótese F (ANOVA)
Aprenda o que é um teste do tipo F e em que casos utilizá-lo.
-
35
Demonstração Prática de Teste de Hipotese F (ANOVA)
-
36
Exame - Parte 3.2 - Principais tipos de teste de hipótese
Com base no que foi aprendido até o momento sobre testes de hipótese, responda às perguntas a seguir. Se necessário, consulte a tabela do teste estatístico requisitado.
-
37
Questionário 06 - Resolução (Opcional)
Resolução do questionário 06. Não recomendo assistir este vídeo antes de tentar resolver as questões do questionário ao menos algumas vezes.
-
38
Trabalhando com Testes de Hipóteses
Nesta aula você vai aprender as etapas que precisa executar ao testar uma hipótese e como escolher o melhor tipo de teste a ser usado para seu estudo.
-
39
Exame Prático - Seção 3 - Testes de Hipótese
Para as questões a seguir, use o arquivo "AnimalData.csv" disponível na parte de recursos da aula de Introdução a Teste de Hipóteses.
Para este teste, usaremos as seguintes colunas:
- Tipo de animal: Animal.Type
- Dias no abrigo: Days.Shelter
- Expectativa de vida: Max.Life.Expectancy
- Inteligência: Intelligent (Y ou N)
- Leal: Loyal (Y ou N)
-
40
Correlação e Covariância
Aprenda mais sobre correlação, covariância e suas diferenças.
-
41
Demonstração Prática de Correlação
-
42
Tabela de Contingência e Coeficiente Phi (Matthews)
Aprenda como calcular e representar a associação entre variáveis categóricas.
-
43
Exame 4.1 - Correlação e Covariância
Responda as questões abaixo baseado no conteúdo apresentado sobre correlação e covariância.
-
44
Questionário 07 - Resolução (Opcional)
Resolução do questionário 07. Não recomendo assistir este vídeo antes de tentar resolver as questões do questionário ao menos algumas vezes.
-
45
Demonstração Prática de Coeficiente Phi (Matthews)
-
46
Exame Prático - Seção 4 - Correlação e Covariância
Para as questões a seguir, use o arquivo "salarios.csv" disponível na parte de recursos da aula de Correlação e Covariância.
-
47
Questionário 08 - Resolução (Opcional)
Resolução do questionário 08. Não recomendo assistir este vídeo antes de tentar resolver as questões do questionário ao menos algumas vezes.
