Pergunta 1: Para quem é o produto Jornada Cientista de Dados?
Resposta 1: O produto é para pessoas que desejam se tornar um Cientista de Dados desejado pelo mercado.

Pergunta 2: O que será aprendido com a Jornada Cientista de Dados?
Resposta 2: Com a Jornada Cientista de Dados, você aprenderá a começar a sua carreira em dados, desenvolver projetos e conquistar mais espaço no mercado de trabalho.

Pergunta 3: Como será o aprendizado na Jornada Cientista de Dados?
Resposta 3: O aprendizado será realizado por meio da realização de projetos, utilizando problemas reais e que estão em alta demanda pelo mercado.

Let's Data

Jornada Cientista de Dados

Que bom te ver por aqui!

Como será a sua jornada?

Comunidade da Jornada

Um pouco sobre você...

Ambientação

Visão Geral

Anaconda

Jupyter Notebook

Jupyter Lab

Google Colab

PostgreSQL

Preparação para a Jornada

BI x Data Science | Conceitos Básicos

BI x Data Science | Principais Ferramentas

BI x Data Science | BI na vida real

BI x Data Science | Dados e BI

BI x Data Science | BI x Data Science

BI x Data Science | Recapitulando

DS x IA x ML x BD | Data Science

DS x IA x ML x BD | Inteligência Artificial

DS x IA x ML x BD | Machine Learning

DS x IA x ML x BD | Big Data

DS x IA x ML x BD | Recapitulação

Carreiras de Dados | Mercado de Trabalho

Carreiras de Dados | Analista de Dados

Carreiras de Dados | Cientista de Dados

Carreiras de Dados | Engenheiro de Dados

Carreiras de Dados | Engenheiro de ML/MLOps

Fontes de dados | Conceitos Básicos

Fontes de dados | Bancos de Dados Relacionais (SQL)

Fontes de dados | Bancos de Dados NoSQL

Fontes de dados | Dados Não Estruturados

CRISP-DM | Visão Geral

CRISP-DM | Entendimento do Negócio

CRISP-DM | Entendimento dos Dados

CRISP-DM | Preparação dos Dados

CRISP-DM | Modelagem

CRISP-DM | Avaliação e Monitoramento

Fundamentos de Data Science

Situação Cenário

Conceitos Básicos

Criando as Primeiras Tabelas

Ingestão de Dados

Primeiras Consultas

Consultas mais elaboradas | Teoria

Consultas mais elaboradas | Prática

Criando outras tabelas

Chaves Estrangeiras

Junção | Teoria

Junção | Prática

Junção à Esquerda | Teoria

Junção à Esquerda | Prática

Demais Comandos

Fundamentos de SQL

Jupyter Notebook | Teoria

Jupyter Notebook | Prática

Conceitos Básicos | Teoria

Conceitos Básicos | Prática

Variáveis | Teoria

Variáveis | Prática

Tipos Básicos | Teoria

Tipos Básicos | Prática

Tipos Compostos | Teoria

Tipos Compostos | Prática

Listas | Teoria

Listas | Prática

Tuplas | Teoria

Tuplas | Prática

Conjuntos | Teoria

Conjuntos | Prática

Dicionários | Teoria

Dicionários | Prática

Intervalos | Teoria

Intervalos | Prática

Conversões de Tipos Compostos | Teoria

Conversões de Tipos Compostos | Prática

Estruturas de Decisão | Teoria

Estruturas de Decisão | Prática

Estruturas de Repetição - for | Teoria

Estruturas de Repetição - for | Prática

Estruturas de Repetição - while | Teoria

Estruturas de Repetição - while | Prática

Funções | Teoria

Funções | Prática

Arquivos

Ambientes Virtuais

Instalação de pacotes

Básico de Orientação a Objetos | Teoria

Básico de Orientação a Objetos | Prática

Pandas | Conceitos Básicos | Teoria

Pandas | Conceitos Básicos | Prática

Pandas | Séries Pandas | Teoria

Pandas | Séries Pandas | Prática

Pandas | Dataframes Pandas | Teoria

Pandas | Dataframes Pandas | Prática

Pandas | loc e iloc | Teoria

Pandas | loc e iloc | Prática

Pandas para Machine Learning

Fundamentos de Python

População e Amostra

Medidas de Frequência

Medidas de Tendência Central

Medidas de Dispersão

Medidas de Posição

Tipos de variáveis

Distribuições

Intervalo Interquartílico e Outliers

Boxplot

Normalização e Padronização

Covariância e Correlação

Estatística Inferencial

Fundamentos de Estatística

Tipos de Gráficos | Conceitos Básicos

Tipos de Gráficos | Linha

Tipos de Gráficos | Barras

Tipos de Gráficos | Dispersão

Tipos de Gráficos | Histograma

Tipos de Gráficos | Boxplot

Tipos de Gráficos | Treemap

Matplotlib | Conceitos Básicos

Matplotlib | Tipos de Gráficos

Matplotlib | Estrutura

Matplotlib | Paradigmas

Matplotlib | Utilidades

Seaborn

Plotly

Projeto 1 - EDA na prática | Apresentação

Projeto 1 - EDA na prática | Parte 1

Projeto 1 - EDA na prática | Parte 2

Projeto 1 - EDA na prática | Parte 3

Projeto 1 - EDA na prática | Parte 4

Projeto 1 - EDA na prática | Parte 5

Projeto 1 - EDA na prática | Parte 6

Análise Exploratória de Dados | Projeto 1

Introdução

Tipos de Machine Learning | Aprendizado Supervisionado

Tipos de Machine Learning | Aprendizado Não Supervisionado

Tipos de Machine Learning | Aprendizado por Reforço

Aprendizado Supervisionado | Conceitos Básicos

Aprendizado Supervisionado | Regressão

Aprendizado Supervisionado | Classificação

Aprendizado Não Supervisionado | Redução de Dimensionalidade

Aprendizado Não Supervisionado | Clusterização

Separação de bases

Under e Overfitting | Conceitos Básicos

Under e Overfitting | Trade-off Bias x Variance

Cross Validation

Data Leakage

Métricas de Desempenho

Feature Scaling

Tratamento de Dados Faltantes

Transformação de Variáveis Categóricas | Conceitos Básicos

Transformação de Variáveis Categóricas | One Hot Encoding

Transformação de Variáveis Categóricas | Ordinal Encoding

Feature Engineering

Fundamentos de Machine Learning

Regressão Linear | Teoria

Regressão Linear | Método dos Mínimos Quadrados

Árvores de Regressão

Métricas de Desempenho de Regressão

Projeto 2 - Regressão usando Scikit Learn | Parte 1

Projeto 2 - Regressão usando Scikit Learn | Parte 2

Projeto 2 - Regressão usando Scikit Learn | Parte 3

Projeto 2 - Regressão usando Scikit Learn | Parte 4

Projeto 2 - Regressão usando Scikit Learn | Parte 5

Projeto 2 - Regressão usando Scikit Learn | Parte 6

Aprendizado Supervisionado | Regressão | Projeto 2

Métricas de Desempenho de Classificação | Parte 1

Métricas de Desempenho de Classificação | Parte 2

Regressão Logística

Bagging e Boosting

Projeto 3 - Classificação | Parte 1

Projeto 3 - Classificação | Parte 2

Projeto 3 - Classificação | Parte 3

Projeto 3 - Classificação | Parte 4

Projeto 3 - Classificação | Parte 5

Projeto 3 - Classificação | Parte 6

Aprendizado Supervisionado | Classificação | Projeto 3

PCA | Teoria

PCA | Prática

Projeto 4 | Parte 1

Projeto 4 | Parte 2

Projeto 4 | Parte 3

Projeto 4 | Parte 4

Aprendizado Não Supervisionado | PCA | Projeto 4

K-Means

Projeto 5 | Parte 1

Projeto 5 | Parte 2

Projeto 5 | Parte 3

Aprendizado Não Supervisionado | Clusterização | Projeto 5

Projeto 6 | Parte 1

Projeto 6 | Parte 2

Projeto 6 | Parte 3

Projeto 6 | Parte 4

Projeto 6 | Parte 5 

Projeto 6 | Parte 6

Projeto 6 | Parte 7

Projeto 6 | Parte 8

Tópico Avançado de Machine Learning | Projeto 6

Jornada Cientista de Dados

Avaliações

Perguntas Frequentes