Data Analytics Bootcamp
Módulo único

Revisão de Fundamentos de Python

• Criação de variáveis;

• Tipos de variáveis;

• Listas;

• Tuplas;

• If-else;

• Laços.

Introdução ao shell IPython e Jupyter Notebook

• Principais funcionalidades de ambas as ferramentas.

Biblioteca NumPy para cálculos numéricos

• Conceito de array;

• Índices;

• Fatiamento de matrizes;

• Operações entre arrays.

Biblioteca Pandas para análise de dados

• Criação e manipulação de dataframe;

• Concatenação e fusão de dataframes;

• Métodos de seleção loc e iloc.

Biblioteca Matplotlib e Seaborn para criar visualizações e gráficos.

• A importância de se criar bons gráficos e como utilizá-los para dar força às suas análises.

SciPy

• Ferramenta de computação científica de alta performance.

Apresentar a distribuição Anaconda direcionada para análise de dados.

• Aprenda a agregar todas as ferramentas para análise de dados;

• Bibliotecas e recursos necessários para trabalhar com Data Science e Machine Learning;

• Python, Jupyter Notebook, NumPy, Pandas e Scikit-Learn.

Armazenamento de dados

• Formas de realizar carga e armazenamento de dados em vários formatos de arquivos.

Tratamento de Dados

• Tratamento e manipulação de dados: princípios de data minings.

Operação de dados

• Fundamentos para realizar agregação e operações em grupos de dados.

Introdução sobre séries temporais

• Introdução sobre séries temporais, conversões, indexação, seleção e geração de subconjuntos.

Introdução à estatística básica

• Medidas centrais;

• Quartis;

• Decis e como utilizá-las na análise.

Bibliotecas de modelagem de dados

• Principais modelagens do Scikit-Learning.

Introdução ao ETL

• Aprenda o que é Extract, Transform and Load (ETL).

Introdução a linguagem Python

• Programação orientada a objetos;

• Pacotes Pandas, Numpy, Scipy, Scikit-learn e Seaborn;

• Trabalhe com Machine Learning.

Extração de dados na prática

• Comunicação com outros sistemas ou bancos de dados para capturar os dados que serão inseridos no destino onde serão convertidos para um único formato;

Importância da transformação do dado

• Correção, padronização e tratamento dos desvios e inconsistências, transformando os dados de acordo com as regras do negócio;

• Operações de Qualidade de Dados.

Processo preparação de dados na prática

• Os dados são trabalhados para serem transformados em informação.

Como transferir dados de diversas fontes para diversos destinos

• Assim que são finalizados os tratamentos necessários nos dados, a carga no destino (um banco de dados ou arquivo CSV) é iniciada;

• O processo de Load é a etapa final.

Geração de relatórios com ferramentas gráficas do Python

• Realize funções de análise e gere relatórios.

Introdução

• Introdução a Visualização

• Quarteto de Anscombe

• Exemplos bons e ruins de visualizações

• Motivos para aplicar a visualização

• Principais bibliotecas de visualização em Python

Tipos de visualização

Tipos de Visualização (comparativo entre diferentes tipos de dados e a visualização adequada)

Visualização com gráficos

• Gráfico de Pontos

• Gráfico de Barras

• Gráfico de Dispersão

• Gráficos de séries temporais

• Mapa de calor

• Gráficos de redes

• Gráficos de sunburst

• Gráficos estatísticos (Boxplot, Pizza)

Visualização avançada

• Nuvem de palavras

• Gráficos de Mapas

• Gráficos interativos com Plotly 

• Gráficos interativos com Bokeh

Instalação e configuração do banco de dados

• Instalação e Configuração do SGBD (Sistema de gerenciamento de banco de dados)

Introdução ao banco relacional

• SQL (Structured Query Language ou Linguagem de Consulta Estruturada)

• Diferenciar entre DDL (LInguagem de Definição de Dados) e DML (Linguagem de Manipulação de Dados)

• Tipos de dados

• Conceitos de tabela e relacionamento

• Exercícios de fixação

DDL (Data Definition Language) - Linguagem de Definição de Dados

• Base de dados

• Criação de tabelas

• Chave primaria

• indice

• Relacionamentos

• Chave estrangeira

• Alteração de tabelas

• Exclusão de tabelas

• Exercícios de fixação

DML (Data Manipulation Language) - Linguagem de Manipulação de Dados

• Inclusão de dados

• Atualização de dados

• Exclusão de dados

DQL (Data Query Language) - Linguagem de Consulta de dados

• Consultas simples

• Consultas elaboradas

• Join

• Inner join
  

• Outer join

• Left join

• Right join

• Full join

• Como salvar os resultados das consultas em arquivo *.CVS