As aulas dessa trilha estão sendo gravadas pra te trazer o que há de mais atual no mercado. Seu certificado estará disponível assim que a trilha completa estiver totalmente liberada na plataforma.
Este módulo introdutório apresenta os fundamentos essenciais da área, começando pela definição e importância da análise de dados. Em seguida, explora o conceito de personas de dados, destacando os perfis envolvidos no ecossistema analítico. Também aborda as principais metodologias de dados utilizadas para extrair insights e tomar decisões baseadas em evidências. Por fim, oferece uma visão estruturada da base conceitual de dados.
Este módulo foca na etapa de compreensão do problema na análise de dados, abordando os principais tipos de demandas (exploratória, descritiva, diagnóstica, preditiva e prescritiva) e como traduzi-las em perguntas de dados. Também explora a identificação de stakeholders e técnicas de priorização, preparando o analista para alinhar as necessidades do negócio com análises relevantes e bem direcionadas.
Hora de avaliar seus conhecimentos, vamos?
Este módulo introduz os fundamentos da Estatística Descritiva, essenciais para qualquer analista de dados. O conteúdo cobre desde conceitos básicos como população, amostra e variáveis, até as principais medidas de tendência central: média, moda e mediana. Com uma abordagem prática e contextualizada, os alunos aprendem a organizar, resumir e interpretar dados de forma clara e objetiva, facilitando a geração de insights para a tomada de decisões.
Este módulo aprofunda o estudo das medidas de dispersão, fundamentais para entender o quão distribuídos estão os dados em relação à média. Com foco em amplitude, variância e desvio padrão, os conteúdos mostram como duas bases com a mesma média podem contar histórias completamente diferentes. Através de exemplos práticos, o módulo destaca como essas medidas oferecem análises mais confiáveis e completas, essenciais para decisões mais precisas na análise de dados.
Este módulo apresenta as principais medidas de posição na estatística, fundamentais para entender a distribuição e segmentação dos dados. Ao longo das aulas, você aprenderá a identificar quartis, percentis e a amplitude interquartil, além de interpretar gráficos como o BoxPlot. Com exemplos práticos e exercícios, o conteúdo ajuda a localizar dados em contextos reais, facilitando comparações, análises e decisões baseadas em padrões.
Este módulo apresenta os fundamentos da análise combinatória e da probabilidade, essenciais para a compreensão estatística no contexto de dados. São explorados conceitos como fatorial, permutação, arranjo e combinação, além da definição e análise de espaço amostral, eventos e cálculo de probabilidades simples e condicionais. O conteúdo combina teoria e exercícios práticos para desenvolver o raciocínio lógico e a aplicação dos conceitos em situações reais, preparando a base para análises mais avançadas.
Este módulo apresenta os conceitos fundamentais da Álgebra Linear, como vetores, matrizes, operações matriciais e tensores. Através de aulas introdutórias e práticas, oferece a base necessária para aplicações em análise de dados e machine learning.
Vamos testar nossos conhecimentos?
Nesse módulo, você aprenderá os principais fundamentos da linguagem Python — como variáveis, tipos de dados, operadores, estruturas de controle e manipulação de strings. Esses conceitos são essenciais, pois o Python será amplamente utilizado nos próximos módulos em aplicações práticas de análise de dados.
Este módulo apresenta as principais estruturas de dados em Python, como listas, tuplas, dicionários e conjuntos. Explora seus métodos, percursos e formas de manipulação, fornecendo uma base essencial para organização e análise de dados.
Este módulo aborda de forma prática e progressiva os principais conceitos sobre funções em Python. Inicia com a introdução ao tema, passa pela definição de parâmetros, utilização de funções com retorno e uso de funções lambda, até chegar na criação e organização de módulos, incluindo o uso no Colab e no Google Drive. Finaliza com a aplicação de List Comprehension, tornando o código mais limpo e eficiente.
Neste módulo, você vai aprender a combinar, dividir, gerar e ordenar arrays, além de trabalhar com números aleatórios, escolhas aleatórias e verificações booleanas, dominando operações essenciais para manipulação de dados em Python.
Nesse módulo vamos aprender a utilizar o Pandas para análise de dados em Python. Abordaremos estruturas como Séries e DataFrames, métodos de seleção, filtragem, ordenação, agregação e combinação de dados, além de manipulação de tipos e tratamento de valores ausentes.
Neste módulo, colocaremos em prática os conhecimentos adquiridos ao longo dos módulos deste nível de Python para Dados. Para isso, desenvolveremos dois Mini Projetos: um voltado para os fundamentos da linguagem e outro focado no uso das bibliotecas Pandas e NumPy. Assim, você poderá observar como aplicar, de forma concreta, tudo o que foi aprendido até aqui.
Implemente, do zero, um mini sistema de Lista de Compras no terminal (em notebook), com menu interativo, usando uma lista de dicionários em memória, no mesmo estilo do mini projeto de Fundamentos.
Neste desafio, você vai aplicar seus conhecimentos de Pandas e NumPy para analisar dados reais de um delivery de refeições. Você trabalhará com dois conjuntos de dados (pedidos e cardápio) para extrair insights valiosos sobre o negócio.
Vamos avaliar nossos conhecimentos?
Este módulo apresenta os fundamentos essenciais para a obtenção e leitura de dados em projetos de análise. Os alunos são introduzidos a bancos de dados, computação em nuvem, formatos de arquivos (como CSV e Excel), e ferramentas como Excel, Python (via Google Colab) e SQL. O módulo oferece uma abordagem prática, desde a navegação por planilhas até a leitura de dados de APIs, Google Drive e bancos relacionais, preparando o terreno para análises estruturadas e orientadas por dados.
Implemente, do zero, um sistema de análise de dados de vendas em Python, utilizando um arquivo CSV. O sistema deve carregar os dados, exibir informações básicas, realizar consultas específicas e, opcionalmente, gerar visualizações e relatórios.
Este módulo ensina como preparar e explorar dados por meio de técnicas de EDA. Aborda medidas estatísticas, visualizações, tratamento de outliers, valores ausentes e variáveis categóricas, além de práticas de limpeza e investigação para garantir dados prontos para análise.
Implemente, do zero, um sistema de tratamento de dados em Python, utilizando um arquivo CSV. O sistema deve carregar os dados, exibir informações básicas, tratar dados ausentes, detectar e tratar duplicatas, analisar outliers, aplicar normalização e encoding, e trabalhar com datas. Opcionalmente, pode gerar visualizações e relatórios.
Vamos testar os seus conhecimentos?
Este módulo apresenta, de forma prática e aplicada, como transformar dados brutos em informações valiosas para a tomada de decisão. Você vai aprender a diferenciar métricas e KPIs, definir metas inteligentes, aplicar conceitos estatísticos essenciais, construir e interpretar modelos preditivos, além de explorar técnicas avançadas como engenharia de variáveis, clusterização e explicabilidade de modelos.
Sua missão é criar uma análise exploratória completa, treinar modelos preditivos e interpretar os resultados para gerar insights acionáveis.
Neste módulo você aprenderá os fundamentos de visualização de dados e construção de dashboards eficazes, depois dominará o Looker Studio: conectar fontes, criar gráficos, configurar filtros, aplicar boas práticas de UX e compartilhar relatórios interativos.
