Loading repository data…
alinemello29 / repository
Olá! Seja bem-vindo(a) ao Curso de Qualificação Profissional "Introdução à Ciência de Dados" – EAD da Fundação CECIERJ.
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
📚 README do Curso de Qualificação Profissional 👋 Boas Vindas Olá! Seja bem-vindo(a) ao Curso de Qualificação Profissional "Introdução à Ciência de Dados" – EAD da Fundação CECIERJ.
📈 Seu Progresso 🔍 O que aprendi: 1️⃣ Semana 1: Compreendendo o cotidiano de um cientista de dados e mapeando as etapas essenciais.
2️⃣ Semana 2: Definição formal da Ciência de Dados e reconhecimento de dores de negócios.
3️⃣ Semanas 3 e 4: Domínio de programação, boas práticas e estruturação de dados.
4️⃣ Semana 5: Carregamento de dados de diversas fontes, como texto, CSV e APIs.
5️⃣ Semana 6: Manipulação de dados, remoção de dados faltantes e filtragem.
6️⃣ Semana 7: Construção de gráficos e escolha do tipo ideal para cada categoria.
7️⃣ Semana 8: Medidas de centralidade e dispersão; diferenças entre correlação e causalidade.
8️⃣ Semana 9: Modelos matemáticos, identificação de métricas e equilíbrio entre viés e variância.
9️⃣ Semanas 10 e 11: Preparação e treinamento de modelos, avaliação de performance e predições.
🔄 Semana 12: Revisão completa e preparação para novas oportunidades!
💻 Ferramentas Utilizadas Utilizamos Colab e Python ao longo do curso, o que tornou a prática ainda mais enriquecedora.
Lista de commits:
Semana 1: 📚 Adiciona conteúdo sobre o cotidiano de um cientista de dados e etapas essenciais. Semana 2: 🔍 Define formalmente a Ciência de Dados e reconhece dores de negócios. Semana 3: 💻 Estabelece premissas importantes em programação e boas práticas de documentação. Semana 4: 📊 Reconhece estruturas e tipos de objetos, e carrega módulos. Semana 5: 📥 Carrega dados de diferentes fontes e lida com valores ausentes. Semana 6: ✂️ Remove dados faltantes e filtra informações relevantes. Semana 7: 📈 Constrói gráficos e reconhece boas práticas de visualização. Semana 8: 📏 Determina medidas resumidas e diferencia correlação de causalidade. Semana 9: 📐 Define modelos matemáticos e estabelece dados de treino e teste. Semana 10: 🚀 Prepara dados, treina modelos e avalia sua performance. Semana 11: 🔄 Interpreta resultados e prediz utilizando modelos. Semana 12: 📖 Revisa e relembra todo o conteúdo do curso.
Selected from shared topics, language and repository description—not editorial ratings.
lucianafreitag /
Olá! Seja bem-vindo(a) ao repositório do projeto Alura Store, um desafio de Data Science do Programa ONE da Alura. Neste projeto, você encontra a análise de vendas da Alura Store com Python e Jupyter Notebook. Aqui você encontra insights sobre faturamento, categorias, avaliações e desempenho das lojas para tomada de decisão estratégica.
34/100 health