Guilherme Fernandes 👑
Cientista de Dados com foco em Engenharia de IA, MLOps e LLMOps.
Ciência de Dados - Ferramentas e Frameworks
Sobre a Oficina
Esta oficina apresenta as principais bibliotecas utilizadas no trabalho prático com dados em Python, incluindo NumPy, Pandas, Matplotlib e Seaborn. Durante as aulas, os participantes aprenderão a carregar, explorar, limpar e visualizar dados, aplicando conceitos de Exploratory Data Analysis (EDA) e pré-processamento de dados.
A mesma dará continuidade à introdução em Python e prepara os participantes para as próximas etapas da trilha, voltadas para Machine Learning e Deep Learning, onde os dados preparados serão utilizados na construção de modelos de inteligência artificial.
A mesma dará continuidade à introdução em Python e prepara os participantes para as próximas etapas da trilha, voltadas para Machine Learning e Deep Learning, onde os dados preparados serão utilizados na construção de modelos de inteligência artificial.
O que você vai aprender:
Bibliotecas de Dados: Introdução às principais bibliotecas utilizadas na análise de dados em Python, como NumPy, Pandas, Matplotlib e Seaborn.
Manipulação de Dados: Como carregar, organizar e explorar conjuntos de dados utilizando ferramentas práticas do ecossistema Python.
Limpeza de Dados: Técnicas de pré-processamento para tratar dados inconsistentes, ausentes ou desorganizados.
Análise Exploratória (EDA): Como investigar dados, identificar padrões e gerar insights utilizando estatísticas e visualizações.
Visualização de Dados: Criação de gráficos e representações visuais para compreender melhor os dados.
Preparação para IA: Organização e preparação de dados que serão utilizados futuramente em projetos de Machine Learning e Deep Learning.
Manipulação de Dados: Como carregar, organizar e explorar conjuntos de dados utilizando ferramentas práticas do ecossistema Python.
Limpeza de Dados: Técnicas de pré-processamento para tratar dados inconsistentes, ausentes ou desorganizados.
Análise Exploratória (EDA): Como investigar dados, identificar padrões e gerar insights utilizando estatísticas e visualizações.
Visualização de Dados: Criação de gráficos e representações visuais para compreender melhor os dados.
Preparação para IA: Organização e preparação de dados que serão utilizados futuramente em projetos de Machine Learning e Deep Learning.
Para quem é este curso:
- Alunos sem experiência prévia em Frameworks de Ciência de Dados;
- Quem tem conhecimento básico de programação (ou nenhum);
- Interessados em entender na prática como a ciência de dados funciona.
Monitores Responsáveis
Enzo Rodrigues
Ciência de Dados | Machine Learning | Análise de Dados | Desenvolvimento Full Stack.
Otávio Oliveira
Engenheiro de Dados experiente em SQL e Python.