Data Analytics

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.

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.

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.

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.