Curso
Introdução ao Python
4 h
7M
Conhecida por ser uma das linguagens de programação mais versáteis, Python é para todo mundo, independentemente da formação acadêmica ou da área de atuação. Seja você cientista de dados, desenvolvedor web ou de software, ou apenas um entusiasta de tecnologia, Python dá conta de muitas tarefas diferentes.
Como linguagem popular de uso geral, diversas empresas utilizam Python, incluindo NASA, Spotify, Google e JP Morgan. Sua versatilidade, o fato de ser open source e a simplicidade tornam o uso acessível para todos. Se você tem curiosidade sobre o que é possível fazer quando domina Python, reunimos algumas ideias de projetos para inspirar você.
O que você pode fazer ao dominar Python para ciência de dados?
1. Criar visualizações de dados e dashboards incríveis e personalizados
Um dos recursos mais simples e ao mesmo tempo poderosos para dominar em Python são as bibliotecas de visualização de dados e de criação de dashboards. Python amplia muito o que é possível ao visualizar dados. Bibliotecas como matplotlib, seaborn e plotly permitem criar visualizações robustas, complexas e altamente personalizáveis, capazes de destacar qualquer apresentação ou gráfico. Além disso, ao dominar o pacote Dash, você consegue desenvolver aplicações web de dashboard riquíssimas, fazer o deploy e compartilhar com colegas — sem custo.
Como começar
- Curso: Introduction to Data Visualization with Seaborn
- Curso: Introduction to Data Visualization with Matplotlib
- Curso: Introduction to Data Visualization with Plotly in Python
- Curso: Building Dashboards with Dash and Plotly
- Trilha de aprendizado: Data Visualization with Python
2. Automatizar fluxos de manipulação de dados repetitivos
Muitas tarefas que envolvem dados seguem uma sequência de passos repetitivos, executados diariamente ou semanalmente. Um ótimo exemplo é o forecasting na cadeia de suprimentos, em que analistas produzem previsões semanais seguindo uma série de etapas de manipulação de dados e técnicas simples de previsão.
Python permite criar scripts que podem ser executados e agendados automaticamente, quando combinados com algum conhecimento de linha de comando. Além disso, com o uso de funções, você consegue encapsular tarefas complexas de manipulação de dados e adaptá-las levemente às suas necessidades, em vez de refazer a análise do zero.
Como começar
- Curso: Writing Functions in Python
- Curso: Data Manipulation with pandas
- Curso: Software Engineering for Data Scientists in Python
- Trilha de carreira: Python Programmer
3. Acelerar fluxos de análise financeira
Python é uma das ferramentas mais usadas nos mundos de finanças e fintech. Profissionais no mundo todo usam Python para tarefas como análise de portfólio, gestão quantitativa de risco, modelagem de risco de crédito, previsão e muito mais.
Os pacotes robustos de finanças em Python oferecem um conjunto de ferramentas para encarar esses desafios e outros. E, ao combinar automação com tarefas financeiras, você consegue acelerar qualquer fluxo de análise.
Como começar
- Curso: Introduction to Portfolio Risk Management in Python
- Curso: Quantitative Risk Management in Python
- Curso: Credit Risk Modeling in Python
- Trilha de aprendizado: Applied Finance in Python
4. Construir aplicações inteligentes com machine learning
Um dos grandes diferenciais de Python é seu ecossistema rico de pacotes de machine learning. Scikit-learn é o padrão do setor para aprendizado de máquina e é usado pela maioria dos cientistas de dados hoje. Dominar scikit-learn e machine learning permite construir modelos preditivos como modelos de churn de clientes, sistemas de recomendação de filmes e muito mais.
Além disso, bibliotecas de deep learning como TensorFlow, Keras e PyTorch são os motores por trás de casos de uso impressionantes, como carros autônomos, chatbots inteligentes e outras aplicações cognitivas.
Como começar
- Curso: Machine Learning with scikit-learn
- Curso: Unsupervised Learning in Python
- Curso: Introduction to Deep Learning in Python
- Curso: Image Processing with Keras in Python
- Trilha de carreira: Machine Learning Scientist with Python
Conhecida por ser uma das linguagens de programação mais versáteis, Python é para todo mundo, independentemente da formação acadêmica ou da área de atuação. Seja você cientista de dados, desenvolvedor web ou de software, ou apenas um entusiasta de tecnologia, Python consegue dar conta de muitas tarefas diferentes.
Como linguagem popular de uso geral, diversas empresas utilizam Python, incluindo NASA, Spotify, Google e JP Morgan. Sua versatilidade, o fato de ser open source e a simplicidade tornam o uso acessível para todos. Se você tem curiosidade sobre o que é possível fazer quando domina Python, reunimos algumas ideias de projetos para inspirar você.
O que você pode fazer ao dominar Python para ciência de dados?
1. Criar visualizações de dados e dashboards incríveis e personalizados
Um dos recursos mais simples e ao mesmo tempo poderosos para dominar em Python são as bibliotecas de visualização de dados e de criação de dashboards. Python amplia muito o que é possível ao visualizar dados. Bibliotecas como matplotlib, seaborn e plotly permitem criar visualizações robustas, complexas e altamente personalizáveis, capazes de destacar qualquer apresentação ou gráfico. Além disso, ao dominar o pacote Dash, você consegue desenvolver aplicações web de dashboard riquíssimas, fazer o deploy e compartilhar com colegas — sem custo.
Como começar
- Curso: Introduction to Data Visualization with Seaborn
- Curso: Introduction to Data Visualization with Matplotlib
- Curso: Introduction to Data Visualization with Plotly in Python
- Curso: Building Dashboards with Dash and Plotly
- Trilha de aprendizado: Data Visualization with Python
2. Automatizar fluxos de manipulação de dados repetitivos
Muitas tarefas que envolvem dados seguem uma sequência de passos repetitivos, executados diariamente ou semanalmente. Um ótimo exemplo é o forecasting na cadeia de suprimentos, em que analistas produzem previsões semanais seguindo uma série de etapas de manipulação de dados e técnicas simples de previsão.
Python permite criar scripts que podem ser executados e agendados automaticamente, quando combinados com algum conhecimento de linha de comando. Além disso, com o uso de funções, você consegue encapsular tarefas complexas de manipulação de dados e adaptá-las levemente às suas necessidades, em vez de refazer a análise do zero.
Como começar
- Curso: Writing Functions in Python
- Curso: Data Manipulation with pandas
- Curso: Software Engineering for Data Scientists in Python
- Trilha de carreira: Python Programmer
3. Acelerar fluxos de análise financeira
Python é uma das ferramentas mais usadas nos mundos de finanças e fintech. Profissionais no mundo todo usam Python para tarefas como análise de portfólio, gestão quantitativa de risco, modelagem de risco de crédito, previsão e muito mais.
Os pacotes robustos de finanças em Python oferecem um conjunto de ferramentas para encarar esses desafios e outros. E, ao combinar automação com tarefas financeiras, você consegue acelerar qualquer fluxo de análise.
Como começar
- Curso: Introduction to Portfolio Risk Management in Python
- Curso: Quantitative Risk Management in Python
- Curso: Credit Risk Modeling in Python
- Trilha de aprendizado: Applied Finance in Python
4. Construir aplicações inteligentes com machine learning
Um dos grandes diferenciais de Python é seu ecossistema rico de pacotes de machine learning. Scikit-learn é o padrão do setor para aprendizado de máquina e é usado pela maioria dos cientistas de dados hoje. Dominar scikit-learn e machine learning permite construir modelos preditivos como modelos de churn de clientes, sistemas de recomendação de filmes e muito mais.
Além disso, bibliotecas de deep learning como TensorFlow, Keras e PyTorch são os motores por trás de casos de uso impressionantes, como carros autônomos, chatbots inteligentes e outras aplicações cognitivas.
Como começar
- Curso: Machine Learning with scikit-learn
- Curso: Unsupervised Learning in Python
- Curso: Introduction to Deep Learning in Python
- Curso: Image Processing with Keras in Python
- Trilha de carreira: Machine Learning Scientist with Python
Tópicos
