Ciências de dados: o início
Ciências de dados é uma área nova dentro do Ciências da Computação. É uma área que requer um profissional interdisciplinar, ou seja, com conhecimentos em outras áreas além da pura computação. Conhecimentos em Big Data, Entendimento de negócio, Matemática, Estatística, SQL, NoSQL, Modelos preditivos, supervisionados, não-supervisionados e muitos outros são exemplos disso.
Hoje, vemos muitos "gurus" vendendo cursos por preços extraordinários, te prometendo tornar um profissional em pouco tempo e blá-blá-blá. Bem, nada te impede de se tornar um profissional em 6 meses, exceto pelo fato de que você pode ser um caso fora da curva. O que eu quero dizer, é: ninguém é perfeito; uma hora ou outra podemos esbarrar em assuntos tanto simples quanto complicados, que vão necessitar de mais atenção de nossa parte, e isso requer tempo, o que é totalmente normal. Com todos esses gurus, diversos cursos, livros, assuntos para estudar, muitos ficam perdidos em começar ou então começam de forma errada, precisando refazer todo o plano uma, duas, três vezes.
O que realmente importa se você quer trabalhar com Ciências de Dados, ou qualquer outra, é apenas começar. O primeiro passo é esse. Com o tempo, a sua busca pelo conhecimento te possibilitará se autoguiar. Há muitos casos que você precisará sair do caminho de aprendizado que você traçou por precisará aprender um assunto novo devido a um projeto do seu trabalho ou por alguma ideia que você teve e deseja implementá-la. Ok, mas como fazer isso? Bem, é por isso que eu criei esse plano de estudo.
O plano de estudo contém tópicos básicos sobre Python, bibliotecas utilizadas para a análise de dados, visualização de dados, Estatística, SQL, Matemática e uma introdução sobre Aprendizagem de máquina.
Portanto, comece! Apenas comece! Tenho certeza que você se sairá muito bem em seus estudos e se tornará um ótimo profissional.
Abaixo está um mapa de estudo que eu, particularmente, adoro. Fique à vontade para utilizá-lo como apoio nos seus próximos passos. Mas uma observação: Não deixe de lado o conhecimento matemático, estatístico e de entendimento de negócio para conseguir implantar seus modelos de IA.
Bons estudos!
Planos de estudo são sequências de cursos e outros conteúdos criados por alunos e alunas da Alura para organizar seus estudos. Siga planos que te interessem ou crie o seu próprio.
Passo a passo
-
1
Conteúdo do plano
-
Curso Python: começando com a linguagem
-
Curso Python: avançando na linguagem
-
Curso Python: entendendo a Orientação a Objetos
-
Curso Python: avançando na orientação a objetos
-
Curso Python Collections parte 1: listas e tuplas
-
Curso Python Collections parte 2: conjuntos e dicionários
-
Curso Python 3: entendendo o Tratamento de Erros
-
Curso Python: trabalhando com I/O
-
Curso String em Python: extraindo informações de uma URL
-
Curso Python: boas práticas de código com PEP8
-
Artigo Formação de Data Science
-
Artigo Assuntos que assombram em Data Science
-
Artigo Data Science em <T>
-
Curso Data Science: analise e visualização de dados
-
Curso Python para Data Science: Funções, Pacotes e Pandas
-
Curso Python para Data Science: linguagem e Numpy
-
Curso Python Pandas: tratando e analisando dados
-
Curso Data Visualization: criação de gráficos com o Matplotlib
-
Alura+ Data Visualization: tipos de visualização
-
Alura+ Data Visualization: Técnicas aplicadas no gráfico de linhas
-
Curso Estatística com Python: frequências e medidas
-
Curso Estatística com Python: probabilidade e amostragem
-
Curso Python Pandas: técnicas avançadas
-
Curso Estatística com Python: testes de hipóteses
-
Curso Estatística com Python: Correlação e Regressão
-
Curso Data Visualization: explorando com Seaborn
-
Curso Data Science: testes estatísticos com Python
-
Curso Regressão linear: testando relações e prevendo resultados
-
Curso Regressão Linear: técnicas avançadas de modelagem
-
Curso Data Science: modelos de regressão por baixo dos panos
-
Curso Análise de experimentos: testes, mapas de cores e análises dos dados.
-
Curso Data Science: análise de series temporais
-
Alura+ Data Science e séries temporais
-
Curso Data Science: análises para saúde e medicina
-
Curso Data Science: visualização de dados para saúde e medicina
-
Curso Design Patterns Python I: boas práticas de programação
-
Curso Design Patterns Python II: boas práticas de programação
-
Alura+ GitHub no seu projeto de Data Science
-
Formação SQL com Microsoft SQL Server 2017
-
Curso BigQuery: o banco de dados da Google para Big Data
-
Curso BigQuery: funções do BigQuery
-
Curso BigQuery: manipulação de dados
-
Curso Machine Learning: classificação com SKLearn
-
Artigo Primeiros passos em Inteligência Artificial (IA)
-
Alura+ Exemplos de classificação binária
-
Curso Machine Learning: classificação por trás dos panos
-
Curso Machine Learning: lidando com dados de muitas dimensões
-
Artigo Conhecendo os tipos de aprendizado de máquina
-
Curso Clustering: k-means, DBSCAN e mean shift
-
Curso Clustering: extraindo padrões de dados
-
Curso Machine Learning: validação de modelos
-
Curso Machine Learning parte 1: otimização de modelos através de hiperparâmetros
-
Curso Machine Learning parte 2: otimização com exploração aleatória
-
Curso Oracle ADS: análise de dados na nuvem
-
Curso Machine Learning com Oracle ADS: produtividade na criação de modelos
-
Curso Data Analytics: Machine Learning no Marketing Digital
-
Curso Data Analytics: Machine Learning com Google Cloud Platform
-