Este bootcamp oferece uma formação abrangente em Análise de Dados utilizando Python, Power BI, Serviços de Banco de Dados (estruturados e não estruturados), álem de apresentar conceitos práticos para a aplicação destes conceitos no Machine Learning. Ele é composto por diversos módulos que abordam desde os fundamentos da linguagem Python, análise de dados e criação de gráficos com Power BI, consumo de datasets, até Machine Learning. Meu objetivo ao concluir este bootcamp é aprimorar minhas habilidades em análise de dados, capacitando-me a desenvolver soluções inteligentes, aproveitando a capacidade das ferramentas exploradas na prática.
-
Princípios de Desenvolvimento de Software Colaborativo: Introduz práticas de desenvolvimento colaborativo, focando em como equipes podem trabalhar juntas de forma eficiente em projetos de software, utilizando ferramentas e metodologias ágeis.
- Versionamento de Código com Git e GitHub: Explora práticas de versionamento usando Git e GitHub, abordando gestão de projetos, criação de repositórios, branches, pull requests, e resolução de conflitos.
- Desafios de Projetos: Crie Um Portfólio Vencedor: Incentiva a aplicação prática do conhecimento para criar um portfólio que destaque habilidades e conquistas, utilizando boas práticas de desenvolvimento e documentação.
- Contribuindo em um Projeto Open Source no GitHub: Ensina a participar de projetos open source, contribuindo com código, documentação ou testes, e aborda a etiqueta da comunidade open source.
- Aula Inaugural: Coding The Future Squadio - Python Data Analytics: Apresenta os objetivos e a estrutura do bootcamp, introduzindo a linguagem Python e o conceito de análise de dados.
-
Introdução à Ciência de Dados com Python: Introduz os conceitos fundamentais da ciência de dados e como Python é usado como uma ferramenta poderosa nesse campo.
- Ambiente de Desenvolvimento e Primeiros Passos com Python: Orienta na configuração do ambiente de desenvolvimento e cobre os primeiros passos essenciais para programar em Python.
- Conhecendo a Linguagem de Programação Python: Apresenta a linguagem Python, destacando suas características, sintaxe básica e utilidades no desenvolvimento de scripts e aplicações.
- Tipos de Operadores com Python: Explica os diversos operadores disponíveis em Python, incluindo aritméticos, lógicos e de comparação, e como utilizá-los em expressões.
- Estruturas Condicionais e de Repetição em Python: Ensina a implementar estruturas de controle de fluxo, como condicionais e loops, para tornar o código mais dinâmico e adaptável a diferentes situações.
- Manipulando Strings com Python: Aborda técnicas para manipulação de strings em Python, desde operações básicas até funções mais avançadas para processamento de texto.
- Trabalhando com Listas em Python: Explora as listas, uma das estruturas de dados mais versáteis em Python, cobrindo métodos para manipulação e iteração sobre elementos.
- Conhecendo Tuplas em Python: Introduz as tuplas, explicando como utilizá-las para armazenar coleções de dados imutáveis e quando optar por elas em vez de listas.
- Explorando Conjuntos em Python: Apresenta os conjuntos, destacando suas propriedades únicas, como a não duplicidade de elementos, e os casos de uso mais comuns.
- Aprendendo a Utilizar Dicionários em Python: Ensina como trabalhar com dicionários, que permitem armazenar pares de chave-valor, uma estrutura útil para dados relacionados.
- Dominando Funções em Python: Cobre a criação e utilização de funções em Python, permitindo a modularização do código e a reutilização de lógica de forma eficiente.
- Desafios de Código: Aperfeiçoe Sua Lógica e Pensamento Computacional: Oferece desafios de código para aprimorar a lógica e o pensamento computacional, resolvendo problemas com diversas linguagens e técnicas algorítmicas.
-
Primeiros Passos em SQL e NoSQL: Apresenta os conceitos iniciais de bancos de dados relacionais e não relacionais, destacando suas diferenças e aplicações práticas.
- Introdução a Banco de Dados Relacionais (SQL): Explora os fundamentos dos bancos de dados relacionais, abordando a estrutura de tabelas, chaves primárias e estrangeiras, e a utilização da linguagem SQL para consultas e manipulação de dados.
- Introdução a Banco de Dados NoSQL: Introduz os bancos de dados NoSQL, explicando suas características, como escalabilidade e flexibilidade, e como são usados para armazenar dados não estruturados ou semi-estruturados.
-
Visualização e Análise de Dados com Power BI: Aborda as técnicas e ferramentas para a visualização e análise de dados, com foco no uso do Power BI para transformar dados em insights acionáveis.
- Fundamentos de Business Intelligence (BI): Introduz os conceitos essenciais de Business Intelligence, explicando como o BI é usado para transformar dados brutos em informações valiosas para a tomada de decisões.
- Introdução a Análise de Dados com SQL: Apresenta a utilização do SQL para realizar análises de dados, abordando consultas, agregações e funções de análise que permitem extrair insights de bancos de dados.
- Fundamentos Teóricos Sobre ETL: Explora os princípios teóricos do processo de Extração, Transformação e Carga (ETL), que é fundamental para preparar dados para análise em sistemas de BI.
- Primeiros Passos com Power BI: Orienta sobre a configuração inicial do Power BI, desde a instalação até a importação de dados, fornecendo uma base sólida para começar a criar visualizações.
- Trabalhando com Visuais no Power BI: Ensina a criar e personalizar visuais no Power BI, permitindo a representação gráfica de dados para facilitar a interpretação e análise.
- Fundamentos de BI: KPIs e Métricas: Aborda a importância dos Indicadores-Chave de Desempenho (KPIs) e métricas, explicando como defini-los e utilizá-los no contexto de Business Intelligence.
- Criando Dashboard Interativos com Power BI: Cobre o processo de criação de dashboards interativos, onde os usuários podem explorar dados de forma dinâmica e obter insights personalizados.
- Criando Um Relatório Gerencial de Vendas com Power BI: Orienta na construção de um relatório de vendas gerencial, demonstrando como combinar diferentes fontes de dados e criar visualizações relevantes para o contexto de negócios.
- Coleta e Extração de Dados com Power BI: Ensina técnicas para coletar e extrair dados de diversas fontes utilizando o Power BI, preparando esses dados para análise.
- Limpeza e Transformação de Dados com Power BI: Aborda o processo de limpeza e transformação de dados, utilizando as ferramentas do Power BI para garantir que os dados estejam prontos para análise.
- Criando um Dashboard corporativo com integração com MySQL e Azure: Explica como integrar o Power BI com bancos de dados MySQL e serviços da Azure para criar um dashboard corporativo completo e funcional.
-
Fundamentos e Técnicas de Machine Learning: Aborda os princípios básicos e as técnicas fundamentais do Machine Learning, oferecendo uma base sólida para o entendimento e a aplicação de algoritmos de aprendizado de máquina.
- Introdução ao Machine Learning: Apresenta os conceitos básicos de Machine Learning, incluindo o que é aprendizado de máquina, tipos de aprendizado, e como essas técnicas estão revolucionando diversas indústrias.
- Métodos de Machine Learning Bioinspirados: Explora técnicas de Machine Learning inspiradas na biologia, como algoritmos baseados em processos naturais, incluindo redes neurais e algoritmos genéticos.
- Redes Neurais Artificiais: Aborda a teoria e a prática das redes neurais artificiais, explicando como esses modelos se inspiram no funcionamento do cérebro humano para resolver problemas complexos.
- Algoritmos Genéticos: Explica os algoritmos genéticos, que são métodos de otimização inspirados na evolução natural, utilizados para encontrar soluções eficazes em problemas de busca e otimização.
- Algoritmos de SVM (Support Vector Machine): Introduz os conceitos e aplicações dos algoritmos de Support Vector Machine (SVM), que são técnicas de classificação e regressão amplamente utilizadas em Machine Learning.
- Classificação de Problemas: Explorando Datasets: Ensina a identificar e classificar problemas de Machine Learning, explorando datasets para entender como selecionar e preparar os dados para diferentes tipos de algoritmos.
- Linguagens de Programação para Machine Learning: Apresenta as principais linguagens de programação utilizadas em Machine Learning, destacando suas vantagens e como escolher a linguagem certa para diferentes tarefas.
- Python para Machine Learning na Prática: Foca na aplicação prática de Machine Learning utilizando Python, explorando bibliotecas populares e implementando algoritmos em projetos reais.
Princípios de Desenvolvimento de Software Colaborativo
Versionamento de Código com Git e GitHub
Desafios de Projetos: Crie Um Portfólio Vencedor
Contribuindo em um Projeto Open Source no GitHub
Aula Inaugural: Coding The Future Squadio - Python Data Analytics
Introdução à Ciência de Dados com Python
Ambiente de Desenvolvimento e Primeiros Passos com Python
Conhecendo a Linguagem de Programação Python
Tipos de Operadores com Python
Estruturas Condicionais e de Repetição em Python
Manipulando Strings com Python
Trabalhando com Listas em Python
Conhecendo Tuplas em Python
Explorando Conjuntos em Python
Aprendendo a Utilizar Dicionários em Python
Dominando Funções em Python
Desafios de Código: Aperfeiçoe Sua Lógica e Pensamento Computacional
Primeiros Passos em SQL e NoSQL
Introdução a Banco de Dados Relacionais (SQL)
Introdução a Banco de Dados NoSQL
Visualização e Análise de Dados com Power BI
Fundamentos de Business Intelligence (BI)
Introdução a Análise de Dados com SQL
Fundamentos Teóricos Sobre ETL
Primeiros Passos com Power BI
Trabalhando com Visuais no Power BI
Fundamentos de BI: KPIs e Métricas
Criando Dashboard Interativos com Power BI
Criando Um Relatório Gerencial de Vendas com Power BI
Coleta e Extração de Dados com Power BI
Limpeza e Transformação de Dados com Power BI
Criando um Dashboard corporativo com integração com MySQL e Azure
Fundamentos e Técnicas de Machine Learning
Introdução ao Machine Learning
Métodos de Machine Learning Bioinspirados
Redes Neurais Artificiais
Algoritmos Genéticos
Algoritmos de SVM (Support Vector Machine)
Classificação de Problemas: Explorando Datasets
Linguagens de Programação para Machine Learning
Python para Machine Learning na Prática
