Sua introdução ao mundo da análise de dados! Conceitos fundamentais e sintaxe básica do Python. Laços de repetição, condições, e funções. A biblioteca pandas para analistas de dados. Seu primeiro estudo de caso, seguido por seu primeiro projeto.

• Capítulo 1. Variáveis, Tipos de Dados, e Operações Aritméticas
• Capítulo 2. Strings
• Capítulo 3. Listas
• Capítulo 4. Ciclos
• Capítulo 5. Instruções Condicionais
• Capítulo 6. Uma Olhadinha Rápida no Jupyter Notebook

Você vai continuar aprendendo sobre os dicionários Python que costumam ser usados na área de dados. Você vai aprender a construir suas próprias funções, o que vai tornar seu código mais flexível e reutilizável. E, por fim, vamos começar a aprender Pandas, a biblioteca #1 usada por profissionais da área para processar os dados.

• Capítulo 1. Dicionários
• Capítulo 2. Funções
• Capítulo 3. A biblioteca Pandas
• Capítulo 4. Introdução ao pré-processamento de dados e análise inicial

Compensando dados imperfeitos. Como lidar com dados inexistentes e duplicados. Como alterar o tipo dos dados. Identificando correlações e construíndo gráficos.

• Capítulo 1. Lendo e Visualizando Dados
• Capítulo 2. Trabalhando com Valores Ausentes e Duplicados
• Capítulo 3. Filtrando Dados
• Capítulo 4. Estudo de caso
• Capítulo 5. Visualização de Dados
• Capítulo 6.Tipos de Dados
• Capítulo 7.Engenharia de Características
• Capítulo 8.Transformações de Dados

Como fazer análise inicial de dados para encontrar padrões. Criando gráficos básicos e elaborando suas primeiras hipóteses.

• Capítulo 1. Estatística Descritiva
• Capítulo 2. Teoria da Probabilidade
• Capítulo 3. Testando Hipóteses

Preparando o ecossistema das ferramentas de desenvolvimento. Aprendendo a usar a linha de comando para acessar com facilidade e manipular arquivos no seu computador. Usando as ferramentas do Git e GitHub. Mergulhando no Python mais avançado.

• Capítulo 1. Introdução à Linha de Comando
• Capítulo 2. Ambientes de Programação
• Capítulo 3. Git e Github
• Capítulo 4. Python Intermediário

Analise dados sobre vendas de jogos digitais para fazer previsões sobre as tendências do ano seguinte.

Como são estruturados os bancos de dados e como extrair dados deles usando consultas de SQL. Procurando dados online.

• Capítulo 1. Extraindo Dados de Recursos Online
• Capítulo 2. SQL como uma Ferramenta para Trabalhar com Dados
• Capítulo 3. Funcionalidades Avançadas de SQL para Análise
• Capítulo 4. Relacionamentos Entre Tabelas
• Capítulo 5. Soft Skills

Dominando o básico do aprendizado automático. Como funciona a biblioteca scikit-learn e como usá-la para completar seu primeiro projeto de aprendizado automático.

• Capítulo 1. Primeiro modelo treinado
• Capítulo 2. Avaliação da qualidade do modelo
• Capítulo 3. Melhorias para o modelo
• Capítulo 4. Em direção à regressão

Aplique tudo o que você aprendeu em tarefas de negócios. Conheça métricas de negócios, testes A/B, a técnica de bootstrapping e rotulagem de dados.

• Capítulo 1. Métricas de Negócios
• Capítulo 2. Implementando Novas Funcionalidades
• Capítulo 3. Coleta de Dados
• Capítulo 4. Soft Skills

Dê uma olhada mais profunda em alguns dos algoritmos que você já estudou e aprenda a aplicá-los. Key concepts in linear algebra: vectors, matrices, and linear regression.

• Capítulo 1. Vetores e Operações com Vetores
• Capítulo 2. Distância Entre Vetores
• Capítulo 3. Matrizes e Operações com Matrizes
• Capítulo 4. Regressão Linear

Analisando alguns dos algoritmos que usam métodos numéricos e aplicando-os em tarefas práticas. Aprendendo sobre o gradiente descendente, a técnica do gradient boosting, e as redes neurais.

• Capítulo 1. Análise de Algoritmos
• Capítulo 2. Gradiente Descendente
• Capítulo 3. Gradiente Descendente em Treinamento de uma Regressão Linear
• Capítulo 4. Gradient Boosting
• Capítulo 5. Soft Skills

Explorando as séries temporais. Tendências, sazonalidade, e a criação de atributos.

• Capítulo 1. Análise de Séries Temporais
• Capítulo 2. Previsão de Séries Temporais

Aplicando métodos e técnicas de aprendizado em dados textuais. Aprendendo a converter texto em números e usar o saco de palavras, o TF-IDF, as técnicas de word embedding, e o BERT.

• Capítulo 1. Vetorização de Textos
• Capítulo 2. Representações de Linguagens

Como lidar com tarefas simples de visão computacional usando redes neurais já existentes e a biblioteca Keras. Uma olhadinha rápida na aprendizagem profunda (Deep Learning).

• Capítulo 1. Redes Totalmente Conectadas
• Capítulo 2. Redes Neurais Convolucionais
• Capítulo 3. Soft Skills

O que fazer quando você não tiver rótulos para os dados da saída. Lidando com tarefas de agrupamento (Clustering) e detectando anomalias.

• Capítulo 1. Agrupamento
• Capítulo 2. Detecção de Anomalias

Aplique tudo o que você aprendeu em uma formação de duas semanas que simula a experiência de trabalhar como um analista de dados júnior

Aprenda a criar currículos e cartas de apresentação, construir uma presença online no LinkedIn e no Github e construir sua rede profissional. Depois disso, você se concentrará nas diferentes etapas do processo de procura de emprego, desde as estratégias de busca de emprego, passando pelas entrevistas, até a negociação de uma oferta.