or
Este exercicio faz parte do curso
Vamos começar definindo o que é data science. Vamos abordar o fluxo de trabalho de data science e como ele é aplicado a problemas do mundo real. Para encerrar, vamos conhecer os diferentes papéis dentro da área de data science.
Agora que entendemos o fluxo de trabalho de data science, vamos nos aprofundar na primeira etapa: coleta e armazenamento de dados. Você vai aprender sobre as diferentes fontes de dados de onde pode extrair informações, como esses dados se apresentam, como armazená-los após a coleta e como um pipeline de dados pode automatizar o processo.
A preparação de dados é fundamental: data scientists passam 80% do tempo limpando e manipulando dados e apenas 20% analisando de fato. Este capítulo mostra como diagnosticar problemas nos seus dados e lidar com valores ausentes e outliers. Depois, você vai aprender sobre visualização, outra ferramenta essencial para explorar seus dados e comunicar suas descobertas.
Neste capítulo final, vamos falar sobre experimentação e predição! Começando por experimentos, vamos abordar testes A/B e avançar para previsão de séries temporais, onde vamos aprender a prever eventos futuros. Por fim, vamos encerrar com Machine Learning, vendo aprendizagem supervisionada e clustering.
Exercicio Atual