[Infográfico] checklist de aprendizagem em ciência de dados

Use este checklist prático para guiar sua jornada de aprendizado em ciência de dados.

DataCamp Team

Actualizado 17 de set. de 2026 · 4 min leer

Explore com IA

Uma carreira em ciência de dados é muito valorizada e bem remunerada. Ela abrange tarefas como estudar e organizar dados, aplicar técnicas de machine learning e entender os objetivos do negócio. Para se destacar nessa área, você precisa combinar várias habilidades: analisar dados, compreender o contexto de negócio, comunicar bem e muito mais. Para apoiar seu progresso, use esta lista como referência na sua jornada de aprendizado.

Para baixar este infográfico, clique na imagem acima

análise exploratória de dados

estatística descritiva

Calcule métricas de posição, como média e mediana, de dispersão, como amplitude e desvio padrão, e outras características dos atributos.
Calcule métricas como correlação para entender as relações entre atributos.

aprenda na DataCamp

coloque em prática

visualização de dados

Crie gráficos como barras, histogramas e boxplots para visualizar atributos isolados.
Crie gráficos como dispersão, linhas e mapas de calor para visualizar relações entre atributos.

aprenda na DataCamp

coloque em prática

gestão de dados

importação e leitura de dados

Importe dados de formatos comuns como CSV e planilhas.
Importe dados consultando bancos de dados SQL.
Importe dados via APIs da web.

aprenda na DataCamp

coloque em prática

preparação de dados (data wrangling)

Realize manipulações comuns, como ordenar, filtrar, criar novos atributos e agregar.
Faça junções entre dois conjuntos de dados com inner, left e outros tipos de join.
Faça pivot para transformar linhas em colunas ou colunas em linhas.

aprenda na DataCamp

coloque em prática

limpeza de dados

Identifique e corrija problemas de consistência, como tipos de dados incorretos, números fora do intervalo ou valores duplicados.
Identifique e corrija problemas em textos e dados categóricos, como categorias inválidas ou formatação incorreta.
Identifique e corrija problemas de uniformidade, como unidades erradas, formatos de data incorretos e inconsistências entre atributos.
Identifique e corrija problemas de valores ausentes.

aprenda na DataCamp

coloque em prática

visão de negócio

metas de negócio

Faça recomendações de abordagens analíticas com base nas metas do negócio.
Avalie o desempenho dos resultados analíticos frente a KPIs ou outros critérios relevantes do negócio.

aprenda na DataCamp

coloque em prática

conhecimento organizacional

Entenda o impacto dos projetos de ciência de dados no seu negócio.
Entenda quais times ou pessoas precisam estar envolvidos em um projeto de dados e de que forma.

aprenda na DataCamp

coloque em prática

programação para ciência de dados

pensamento computacional

Use construções comuns de programação, como controle de fluxo e iteração.
Entenda funções e programação funcional para escrever código reutilizável para análises.

aprenda na DataCamp

coloque em prática

código para produção

Use controle de versão como git para gerenciar código.
Use tratamento de erros, asserções e testes unitários para garantir a qualidade do código.
Escreva documentação para que outras pessoas entendam seu código.
Desenvolva pacotes para tornar seu código reutilizável.

aprenda na DataCamp

coloque em prática

desenvolvimento de modelos

design do modelo

Escolha um tipo de modelo adequado (regressão, classificação, clusterização etc.) com base no seu conjunto de dados e nos objetivos da análise.

aprenda na DataCamp

coloque em prática

engenharia de atributos (feature engineering)

Extraia informações relevantes do problema a partir de atributos existentes, como obter o dia da semana de uma variável datetime ou criar um indicador "em idade ativa" a partir da data de nascimento.
Combine vários atributos em novos atributos, por exemplo somar vendas regionais para obter vendas totais, ou calcular lucro como receita menos custos.
Use conjuntos de dados externos para criar novos atributos, por exemplo usando uma API de geolocalização para obter a cidade a partir de latitude e longitude, ou uma API de visão computacional para identificar se uma imagem contém pessoas.
Use imputação para estimar valores ausentes.

aprenda na DataCamp

coloque em prática

ajuste de modelos

Gere divisões de treino e teste a partir de um conjunto de dados, incluindo o uso de validação cruzada.
Use ajuste de hiperparâmetros para otimizar o desempenho do modelo.

aprenda na DataCamp

coloque em prática

validação de modelos

Avalie o desempenho de modelos supervisionados usando métricas como acurácia, precisão e recall.
Avalie o desempenho de modelos não supervisionados usando métricas como homogeneidade, completude e coeficiente de silhueta.

aprenda na DataCamp

coloque em prática

experimentação estatística

métodos de amostragem

Entenda distribuições estatísticas como normal, uniforme e Poisson.
Escolha métodos de amostragem apropriados para responder às suas perguntas evitando vieses.

aprenda na DataCamp

coloque em prática

Health survey data analysis of BMI

testes de hipótese

Entenda hipóteses nula e alternativa.
Saiba quando e como usar testes como t-test, qui-quadrado e Mann-Whitney U.
Interprete estatísticas de teste e valores de p.

aprenda na DataCamp

coloque em prática

comunicação de dados

data storytelling

Crie uma narrativa que descreva sua motivação, métodos, resultados e conclusões.
Garanta que sua narrativa esteja alinhada com as descobertas dos dados.
Edite suas histórias para remover detalhes desnecessários.