- Descrição
- Currículo
- Comentários
Formação Plena em Análise e Ciência de Dados [2024-2025]
Atenção!!! Não compre se você for uma pessoa impaciente e não gostar de estudar de verdade!
Atenção!!! Esta Formação é recomendada para:
-
Pessoas em processo de transição de carreira para a Ciência de Dados e/ou Análise de Dados;
-
Funcionários que queiram se especializar em Ciência de Dados a fim de ganho produtividade e agilidade;
-
Pessoas iniciantes ou intermediárias dentro de Ciência de Dados ou Análise de Dados ou B.I;
-
Pessoas avançadas em Ciência de Dados, abertas a uma nova abordagem para a área.
OBS 1: Donos de negócios ou pessoas com projetos/propósitos específicos, que queiram adquirir essa Formação com o propósito de aplicação imediata, deverão ter em mente que esta é uma FORMAÇÃO em Ciência de Dados. Não um curso. Ao final dela o aluno terá plenas condições de fazer isso, porém, não antes de concluí-la.
OBS 2: Esta formação abrange alta carga horária de matemática (fundamental em Ciência de Dados). Ela é feita pensando em pessoas em qualquer nível de conhecimento, por isso, tenha em mente que você encontrará aulas de matemática desde o básico até aulas mais avançadas, sempre voltadas para os assuntos tratados na Ciência de Dados.
O que um cientista de dados faz? Quais são os desafios?
Um Cientista de Dados é o profissional responsável por transformar dados brutos em inteligência, para os diversos agentes geradores de demanda. Ou seja, é o profissional responsável por criar as condições para que dados, desde a sua origem, virem informação e tomada de decisão, por organizações públicas, privadas e pessoas físicas.
Os desafios que um Cientista de Dados enfrenta são vários, mas podem ser resumidos em três pilares:
-
Tecnologia;
-
Matemática/Estatística/Probabilidade (exatas);
-
Habilidades e competências multidisciplinares.
Como funciona a Formação Plena em Ciência de Dados?
A Formação Plena conta com níveis estruturados, aulas e prática, simulados, testes e recursos em texto (materiais escritos), além claro das aulas em vídeo. A proposta é que esta seja uma Formação, que você consiga trabalhar tudo o que aprende em conjunto, que você consiga interpretar corretamente e utilizar todo o seu conhecimento para resolver os problemas propostos e, dessa forma, resolver os problemas que você encontrar dentro da sua brilhante e futura carreira na área de dados.
Para isso, a Formação Plena está estruturada em NÍVEIS, uma metodologia que nenhum outro curso da área possui dentro da Udemy Brasil e os que existem fora da Udemy são extremamente caros e, por conta disso, inacessíveis para muitos. A metodologia adotada por esta formação é também utilizada em universidades de elite fora do Brasil e em cursos introdutórios, como o CS50, curso introdutório de Ciência da Computação de Harvard.
O que eu devo saber antes de comprar a Formação Plena?
Esta formação é sobre CIÊNCIA DE DADOS. Por isso, é muito importante compreender que ao adquiri-la, você estará mergulhando em discussões sobre CIÊNCIA DE DADOS em si. A estatística e programação fazem parte da Ciência de Dados e serão abordadas, dentro de contextos relativos à Ciência de Dados, obviamente.
Também como já dito, a Formação está estruturada em níveis, desde os níveis básicos até níveis avançados. Por isso, o aluno, antes de comprar, deve ter em mente que deverá passar por todos os níveis.
Além disso, antes de qualquer coisa, a Ciência de Dados é teórica (não acredite em mentiras que te contam por aí). Se você não gosta de teoria, especialmente de matemática e estatística, esta Formação em Ciência de Dados não é pra você. E você tem que gostar de estudar. E estudar direito e muito.
Há promessas de ganho com essa Formação Plena?
Eu não vou te ensinar a ganhar dinheiro com esta Formação. Vou te ensinar Ciência de Dados. Por isso, se seu objetivo é obter ganhos rápidos, não compre, há milhares de cursos por aí te prometendo isso, mas não é o meu caso e não conseguirei te ajudar se esse for teu objetivo.
Quais as linguagens de programação que serão estudadas?
As duas principais serão Python e R. Porém, os alunos terão contato breve com SQL e outras ferramentas tecnológicas voltadas para codificação.
–
**Os recursos EXTRAS e OPCIONAIS fornecidos pela Indaout não estão contemplados na garantia vitalícia da Udemy, sendo, portanto, o comprador do curso ciente de que a Indaout não faz promessas de fornecimento de acesso vitalício a tarefas e certificação externa à Udemy. Isso significa que, a qualquer tempo, recursos extras e opcionais podem ser revogados pela Indaout.
-
9Aula 2 Pt. 1 - Conceitos Básicos Data Science 1
-
10Aula 2 Pt. 2 - Introdução à Estatística | Lógica 1
-
11Conteúdo Extra em Texto 1: POO e Programação Estruturada
-
12Teste Teórico - Aula 2
-
13Teste Prático - Aula 2
-
14Aula Extra 1 - Introdução Prática à Estatística
-
15Aula 3 Pt. 1 - Conceitos Básicos Data Science 2 | Lógica 2
-
16Aula 3 Pt. 2 - Estatística Descritiva 1
-
17Aula Extra 2 - Tabela de frequências simples e medidas (Cálculos na prática)
-
18Aula 4 - Estatística Descritiva 2 | Introdução ao estudo das Probabilidades
-
19Aula Extra 3 - Tabela de Classes de Frequência (Calculando na prática)
-
20Teste Teórico - Aula 3
-
21Teste Teórico - Aula 4
-
22Teste Prático - Aulas 3 e 4
-
23Aula 5 Pt. 1 - Estudos de caso em Data Science
-
24Aula 5 Pt.2 - Probabilidade Prática 1 | Introdução Programação
-
25Aula 6 - Probabilidade Prática 2 | Distribuições de Frequência | Programação 1
Nesta aula o aluno terá contato com as micro disciplinas:
Probabilidade Prática II;
Distribuições de Frequência;
Programação I.
-
26Teste Teórico - Aulas 5 e 6
-
27Teste Prático - Aulas 5 e 6
-
28Aula 7 Pt. 1 - Funções Matemáticas | Introd. Funç. Probabilidade
-
29Aula 7 Pt. 2 - Programação 2
-
30Teste Teórico - Aula 7
-
31Teste Prático - Aula 7
-
32Aula 8 Pt. 1 - Lógica em R
-
33Conteúdo Extra em Texto 2: Instalando R Base e RStudio
Neste tópico da aula 8 aprenda a realizar a instalação da linguagem R (R Base) e do ambiente de desenvolvimento RStudio.
-
34Aula 8 Pt. 2 - Gráficos
-
35Teste Teórico - Aula 8
-
36Teste Prático - Aula 8
-
37Aula 9 Pt. 1 - Introdução ao Machine Learning (Aprendizagem de Máquina)
-
38Aula 9 Pt. 2 - R Prático
-
39Teste Teórico - Aula 9
-
40Aula 10 Pt. 1 - Lógica em Python | Bases de Dados 1
-
41Aula 10 Pt. 2 - Python Prático
-
42Teste Teórico - Aula 10
-
43Teste Prático - Aula 10
-
44Aula 11 - Documentações na Programação | Estudos Leis sabre Dados 1 | Ciência 1
-
45Teste Teórico - Aula 11
Este teste avalia os conhecimentos teóricos obtidos durante a aula 11.
-
46Aula 12 - Processo Prático em Data Science
-
47Teste Teórico - Aula 12
-
48Aula 13 Pt. 1 - Modelagem Matemática na Ciência de Dados
-
49Aula 13 Pt. 2 - Modelos Lógicos e Modelagem de Dados Geral
-
50Teste Teórico - Aula 13
-
51Aula 14 Pt. 1 - Economia para Ciência de Dados
-
52Aula 14 Pt. 2 - Administração para Ciência de Dados | Ferramentas Tecnológicas
-
53Teste Teórico - Aula 14
-
54Aula 15 Pt. 1 - Vendas, Marketing e Jornalismo em Análise de Dados
-
55Aula 15 Pt. 2 - Bases de Dados 2
-
56Teste Teórico + Prático - Aula 15
-
57Aula 16 - Saúde e Educação em Análise de Dados | Estudos e Leis sobre Dados 2
-
58Teste Teórico - Aula 16
-
59Aula 17 - Ciências Sociais e Demografia em Análise de Dados | Ciência
-
60Teste Teórico - Aula 17 (Parte 1) c/ Machine Learning (Técnicas iniciais)
-
61Teste Teórico + Prático - Aula 17 (Parte 2)
-
62Aula 18 - Indicadores Sociais | Espaço e Território | Reconhecimento de Funções
-
63Teste Teórico - Aula 18
-
64Aula 19 - Poder Público e Análise de Dados | Resumo Elementar
-
65Teste Teórico - Aula 19
-
66SOBRE ESTE MÓDULO - Bibliografia Básica
-
67Aula 20 - Metodologia dos estudos intermediários
-
68Aula 21 (Ciclo 1) - Pré-cálculo: Conjuntos Numéricos para Ciência de Dados
-
69Aula 22 (Ciclo 1) - Programação: index da Linguagem Python
-
70Aula 23 (Ciclo 1) - Projeto Multidisciplinar 1 - Discussão, Modelagem e Exemplos
-
71Aula 23 (Ciclo 1) - Random Uniform (caso você tenha problemas)
-
72Envio Tarefa Projeto 1 (siga os passos)
-
73Teste Geral (Prático + Teórico) - Ciclo 1
-
74Aula 24 P1 (Ciclo 2) - Pré-cálculo - Equações lineares e sistemas de equações
-
75Aula 24 P2 (Ciclo 2) - Pré-cálculo - Monômios e Polinômios, Produtos Not. e Fat.
-
76Aula 25 P1 (Ciclo 2) - Programação - Python - Pandas
-
77Aula 25 P2 (Ciclo 2) - Programação - Python - Numpy
-
78Aula 26 (Ciclo 2) - Projeto Multidisciplinar 2 - Discussão, Modelagem e Exemplos
-
79Envio Tarefa Projeto 2 (siga os passos)
-
80Teste Geral (Prático + Teórico) - Ciclo 2
-
81Aula 27 P1 (Ciclo 3) - Pré-cálculo - Potência e Radiciação
-
82Aula 27 P2 (Ciclo 3) - Pré-cálculo - Equa. não lineares e Intervalos Numéricos
-
83Aula 27 P3 (Ciclo 3) - Pré-cálculo - Resolução de exercícios de Pré-Cálculo
-
84Aula 28 P1 (Ciclo 3) - Programação - Python - Bibliotecas SciPy e SymPy
-
85Aula 28 P2 (Ciclo 3) - Programação - Python - Biblioteca Matplotlib
-
86Conteúdo Extra em Texto 3: Mais sobre a biblioteca Matplotlib (Gráfica)
-
87Aula 29 (Ciclo 3) - Habilidade - Projetos Complexos - Intro. Engenharia Software
-
88Teste Geral (Prático + Teórico) - Ciclo 3