🧠 estudos-python-de-ml

Repositório de estudos práticos em Data Engineering + Machine Learning, organizado como um caderno técnico de evolução contínua.
O foco é construir fundamentos sólidos, com prática real, versionamento e progressão clara do Python básico até ML aplicado.

🎯 Objetivo
Evoluir de Python para dados até fundamentos consistentes de Engenharia de Dados e Machine Learning, mantendo um histórico limpo, progressivo e profissional de aprendizado.

---

📅 Metodologia de estudo (rotina semanal)

Este repositório segue uma rotina fixa de estudos, pensada para consolidar base técnica e evoluir com consistência:

• Segunda - Python (Fundamentos)
  Funções, estruturas, erros, manipulação de arquivos e lógica aplicada.

• Terça - SQL
  Consultas, modelagem básica e exercícios práticos (SQLite/Postgres).

• Quarta - ML / Cloud (Conceitual)
  Fundamentos de ML, estatística, métricas, validação e conceitos iniciais de MLOps.

• Quinta - Python Profissional / Engenharia
  Organização de projetos, boas práticas, código reutilizável e visão de engenharia.

• Sexta - Revisão
  Consolidação da semana, refatorações, organização e commits finais.

---

🧩 O que você vai encontrar aqui

🔹 Trilha de Data Engineering

• Python aplicado para dados
• Manipulação e limpeza de dados
• SQL (consultas e modelagem)
• Estruturação de projetos de dados
• Fundamentos de pipelines
• Spark / Databricks (fase futura)

🔹 Trilha de Machine Learning

• Fundamentos (estatística, métricas, validação)
• scikit-learn (modelos clássicos e pipelines)
• Projetos simples evoluindo gradualmente
• Conceitos iniciais de MLOps

---

📌 Observação
Este é um repositório vivo, atualizado diariamente, com foco em base técnica forte, clareza de evolução e código organizado - não apenas cursos concluídos.