[Projeto] Avaliação

Como estão seus estudos hoje, com base nisso
Componente O que você faz Estimativa atual (%) Observações
10% Formal Faculdade EAD, cursos online (SQL, Python, ONE) ~70% Forte foco aqui, o que é comum no início da jornada.
20% Social Participação em comunidades (possivelmente no ONE), fóruns? ~10% Pode crescer. Participar mais ativamente em grupos pode acelerar seu desenvolvimento.
70% Experiencial Prática com projetos? Desafios práticos? Dados reais? ~20% Pode aumentar bastante. Aqui é onde o aprendizado realmente se solidifica.

Como tornar seu aprendizado mais equilibrado

1. Aumentar o "70%" — prática real
   Crie projetos próprios, mesmo simples (ex: análise de dados sobre temas que você gosta, como filmes, esportes, cidades).

Participe de desafios de dados: Kaggle, DrivenData, DataHackers, Alura Challenges etc.

Contribua para repositórios no GitHub.

Simule problemas reais: previsão de vendas, classificação de clientes, visualização de dados públicos.

1. Fortalecer o "20%" — interação com outros
   Entre em comunidades de ciência de dados (ex: Discord do DataHackers, fóruns do ONE, comunidades do LinkedIn).

Procure mentoria informal: pessoas que estão um pouco mais à frente na jornada e podem trocar ideias com você.

Forme ou entre em grupos de estudo.

Pratique code review com colegas (compartilhando notebooks no GitHub, por exemplo).

1. Manter o "10%" — teoria
   Continue os cursos, mas use-os como base para criar algo.

Vá além do conteúdo das plataformas com leitura de blogs técnicos, documentação oficial e livros como:

Python for Data Analysis – Wes McKinney

Storytelling com Dados – Cole Nussbaumer Knaflic

Hands-On Machine Learning – Aurélien Géron (um pouco mais avançado)

Sugestão prática de rotina equilibrada
Atividade Frequência sugerida Relaciona-se a
Curso online / faculdade 3x por semana 10% Formal
Projeto pessoal / desafio de dados 2x por semana 70% Experiencial
Participar de comunidade / mentoria 1x por semana 20% Social