Data Analysis Tutorials

Explore como você pode identificar entradas duplicadas no Excel usando a formatação condicional, a fórmula COUNTIF() e o Power Query. Aprenda as práticas recomendadas e solucione problemas.

Veja como usar VLOOKUP() para extrair dados de outra planilha em sua pasta de trabalho do Excel. Aumente a confiança com exemplos práticos e técnicas de solução de problemas.

Este tutorial orienta você pelo Microsoft Fabric, mostrando como configurar, conectar dados, criar pipelines e colaborar - tudo em um guia prático!

Aprimore suas visualizações com os mapas de cores do Matplotlib. Aprenda a escolher o mapa de cores correto, ajustar as classes de cores e solucionar problemas comuns de visualização.

Entenda como derivar a equação característica de uma matriz e explorar suas principais propriedades. Descubra como os valores próprios e os vetores próprios revelam padrões em aplicativos de ciência de dados. Crie uma base sólida em álgebra linear para aprendizado de máquina.

Descubra o poder da média geométrica em finanças, biologia e ciência de dados. Saiba como calculá-lo, quando usá-lo e por que ele é útil para analisar as taxas de crescimento.

Explore os diferentes métodos para filtrar e remover permanentemente as linhas duplicadas usando SQL. Aprenda as aplicações práticas de como remover duplicatas no SQL Server, MySQL e PostgreSQL.

Descubra o impacto da multicolinearidade nos modelos de regressão. Descubra técnicas para detectar multicolinearidade e manter a confiabilidade do modelo. Saiba como lidar com a multicolinearidade com soluções práticas.

Determine se há uma diferença significativa entre as médias dos dois grupos usando t.test() no R.

Descubra as principais diferenças, aplicações e implementação da normalização e padronização no pré-processamento de dados para aprendizado de máquina.

A função SUMMARIZE() do DAX cria tabelas de resumo agrupando dados e aplicando funções de agregação em ferramentas como o Power BI e o Excel Power Pivot. Continue lendo para saber como usar DAX SUMMARIZE() para agrupar e agregar seus dados e obter boas percepções.

Use color_palette() para separação categórica clara, cubehelix_palette() para dados sequenciais graduais e diverging_palette() para divergência clara de um ponto médio.