Solucionado (ver solução)
Solucionado
(ver solução)
2
respostas

Mão na massa: desenvolva seu prompt para o Gamma APP

Utilizei uma apostila da Alura de Python Parte 1 para gerar no Gamma a apresentação anexa
Insira aqui a descrição dessa imagem para ajudar na acessibilidade Insira aqui a descrição dessa imagem para ajudar na acessibilidade
Insira aqui a descrição dessa imagem para ajudar na acessibilidade
São 10 slides, mas trouxe apenas 3 aqui.

2 respostas

Olá, Estudante. Como vai?

É muito interessante ver como você aplicou os conceitos do curso de IA para Criativos para otimizar seus estudos de Python para Data Science. Utilizar o Gamma APP para transformar apostilas em apresentações visuais é uma excelente estratégia de estudo ativo, pois obriga o cérebro a processar a informação de uma forma diferente, facilitando a memorização e a síntese de conceitos complexos.

Baseado nos slides que você compartilhou, aqui estão alguns complementos técnicos e boas práticas que podem enriquecer ainda mais sua jornada com Python:

  • Ecossistema de Bibliotecas: Nos seus slides, você mencionou NumPy, Pandas e Matplotlib. É importante entender que elas formam a base do que chamamos de stack científica do Python. O NumPy é utilizado para cálculos numéricos eficientes, o Pandas é a ferramenta principal para manipulação de dados em formato de tabela (DataFrames) e o Matplotlib é o avô das bibliotecas de visualização, permitindo criar desde gráficos de linha simples até visualizações complexas.

  • Por que o Google Colab?: Como destacado na sua apresentação, o Google Colab é amplamente utilizado em Data Science porque ele já vem com as principais bibliotecas pré-instaladas e oferece acesso gratuito a GPUs e TPUs, que são processadores potentes essenciais para treinar modelos de Inteligência Artificial mais pesados.

  • Dica de Prática: Para consolidar o que o Gamma gerou, tente replicar um pequeno código no seu Colab. Por exemplo, para verificar se as bibliotecas estão funcionando, você pode usar:

import pandas as pd
import numpy as np

# Criando um conjunto de dados simples
dados = {'Aprender': ['Python', 'IA', 'Data Science'], 'Status': ['Em progresso', 'Estudando', 'Interessado']}
df = pd.DataFrame(dados)
print(df)

Uma boa prática ao criar prompts para o Gamma é solicitar que ele inclua um resumo executivo ou uma lista de termos-chave ao final da apresentação. Isso ajuda a revisar o conteúdo rapidamente semanas depois de ter estudado o material original.

Espero que possa ter lhe ajudado!

solução!

Obrigado pelo feedback