Build your ultimate AI agent
Descrição do curso
Você tem um conjunto de dados interessante — por onde começar a análise? Este curso aborda o processo de explorar e analisar dados, desde entender o que está incluído em um conjunto de dados até incorporar as descobertas exploratórias em um fluxo de trabalho de ciência de dados.
Usando dados sobre desemprego e preços de passagens aéreas, você vai usar Python para resumir e validar dados, calcular, identificar e substituir valores ausentes e limpar valores numéricos e categóricos. Ao longo do curso, você criará visualizações bonitas com Seaborn para entender variáveis e seus relacionamentos.
Por fim, o curso mostra como as descobertas exploratórias alimentam os fluxos de trabalho de ciência de dados ao criar novos recursos, equilibrar variáveis categóricas e gerar hipóteses a partir das descobertas.
Ao final do curso, você terá confiança para realizar sua própria análise exploratória de dados (EDA) em Python. Você será capaz de explicar visualmente suas descobertas para outras pessoas e sugerir os próximos passos para extrair insights dos seus dados!Os vídeos contêm transcrições ao vivo que você pode revelar clicando em "Show transcript" no canto inferior esquerdo dos vídeos. O glossário do curso pode ser encontrado à direita, na seção de recursos.Para obter créditos de CPE, você precisa concluir o curso e atingir uma pontuação de 70% na avaliação qualificada. Você pode acessar a avaliação clicando no aviso de créditos de CPE à direita.
Usando dados sobre desemprego e preços de passagens aéreas, você vai usar Python para resumir e validar dados, calcular, identificar e substituir valores ausentes e limpar valores numéricos e categóricos. Ao longo do curso, você criará visualizações bonitas com Seaborn para entender variáveis e seus relacionamentos.
Por fim, o curso mostra como as descobertas exploratórias alimentam os fluxos de trabalho de ciência de dados ao criar novos recursos, equilibrar variáveis categóricas e gerar hipóteses a partir das descobertas.
Ao final do curso, você terá confiança para realizar sua própria análise exploratória de dados (EDA) em Python. Você será capaz de explicar visualmente suas descobertas para outras pessoas e sugerir os próximos passos para extrair insights dos seus dados!Os vídeos contêm transcrições ao vivo que você pode revelar clicando em "Show transcript" no canto inferior esquerdo dos vídeos. O glossário do curso pode ser encontrado à direita, na seção de recursos.Para obter créditos de CPE, você precisa concluir o curso e atingir uma pontuação de 70% na avaliação qualificada. Você pode acessar a avaliação clicando no aviso de créditos de CPE à direita.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Conhecendo um conjunto de dados
Qual é a melhor forma de abordar um novo conjunto de dados? Aprenda a validar e resumir dados categóricos e numéricos e a criar visualizações no Seaborn para comunicar suas descobertas.
- Análise exploratória inicial50 XP
- Funções para a análise exploratória inicial100 XP
- Contagem de valores categóricos100 XP
- Desemprego global em 2021100 XP
- Validação dos dados50 XP
- Identificação de tipos de dados100 XP
- Validação de continentes100 XP
- Validação do intervalo100 XP
- Resumo dos dados50 XP
- Resumos com .groupby() e .agg()100 XP
- Agregações nomeadas100 XP
- Visualização de resumos categóricos100 XP
2
Limpeza de dados e imputação
Explorar e analisar dados geralmente envolve lidar com valores ausentes, tipos de dados incorretos e outliers. Neste capítulo, você vai aprender técnicas para tratar esses problemas e tornar seus processos de EDA mais eficientes!
3
Relacionamentos nos dados
As variáveis em conjuntos de dados não existem isoladas; elas se relacionam entre si. Neste capítulo, você vai observar relacionamentos entre dados numéricos, categóricos e até DateTime, explorando a direção e a força desses relacionamentos, além de maneiras de visualizá-los.
4
Transformando a análise exploratória em ação
A análise exploratória de dados é uma etapa essencial no fluxo de trabalho de ciência de dados, mas não é o fim! Agora é hora de aprender técnicas e considerações para avançar com sucesso nos seus projetos depois de concluir a exploração!
Análise Exploratória de Dados em Python
Curso
concluído
