Data Science na Prática

Este repositório é dedicado ao treinamento "Data Science na Prática". Siga os passos abaixo para configurar o ambiente de desenvolvimento local e instalar as dependências utilizadas durante as aulas.

Pré-requisitos

• Google Colab - Plataforma baseada em nuvem que permite a execução de notebooks Jupyter sem a necessidade de configuração. Crie sua conta no Google Colab

• VSCode - Editor de código utilizado durante o treinamento. Disponível para Windows, macOS e Linux. Instalação oficial do VSCode

• Pyenv - Ferramenta para gerenciar múltiplas versões do Python. A versão recomendada do Python para este projeto é a 3.11.3. Instruções oficiais de instalação do Pyenv

• Poetry - Ferramenta de gerenciamento de dependências em Python. Instruções oficiais de instalação do Poetry

• Git - Ferramenta de controle de versão distribuído. Instruções oficiais de instalação do Git

• GitHub - Plataforma de hospedagem de código. É essencial ter uma conta para interagir com os repositórios. Como criar uma conta no GitHub

Instalação e Configuração

Aqui está um resumo dos passos que você precisa seguir:

1. Clonar o Repositório Github para a sua máquina local e acessar a pasta data-science-na-pratica:

   git clone https://github.com/carlosfab/data-science-na-pratica.git
   cd data-science-na-pratica

2. Configurar o Poetry para criar ambientes virtuais dentro do diretório do projeto.

   poetry config virtualenvs.in-project true

3. Configurar a versão 3.11.3 do Python com Pyenv:

   pyenv install 3.11.3
   pyenv local 3.11.3

4. Instalar as dependências do projeto:

   poetry install

5. Ativar o ambiente virtual.

   poetry shell

6. Testando sua instalação

   Após seguir os passos de instalação e configuração, execute os testes para garantir que tudo está funcionando como esperado:

   task test

🚀 Módulos do DSNP

Módulo	Descrição	Link
1 - Introdução ao Data Sciece	Apresentação do conteúdo do curso, conceitos fundamentais da Ciência de Dados e Data-driven Decisions.	Módulo 1
2 - Análise e Exploração de Dados	Aprenda a importar dados, fazer a limpeza e extrair informações relevantes usando a biblioteca pandas.	Módulo 2
3 - Visualização de Dados	Aprenda a criar visualizações informativas e impactantes com matplotlib.	Módulo 3
4 - Data Storytelling	Conte histórias com dados, e aumente o impacto do seu trabalho.	Módulo 4
5 - Introdução ao Machine Learning	Aprenda Machine Learning do zero.	Módulo 5
6 - Machine Learning Avançado	Aplicações e técnicas avançadas de Machine Learning.	Módulo 6
7 - Auto Machine Learning	Ganhe tempo e performance com Auto Machine Learning.	Módulo 7
8 - Criando um Projeto do Zero	Construa um projeto real completo, da ideia à solução.	Módulo 8
9 - Deploy de Aplicações de Machine Learning	Coloque seu modelo em Produção.	Módulo 9
10 - Deep Learning	Aprenda a utilizar ténicas de Deep Learning.	Módulo 10

🚀 Projetos

TODO

Sobre os Instrutores

Carlos Melo é Engenheiro de Visão Computacional com formação em Ciências Aeronáuticas pela Academia da Força Aérea e Mestrado em Engenharia Aeroespacial pelo Instituto Tecnológico de Aeronáutica (ITA).

[Rafael Duarte](https://github.com/rafaelnduarte) é Cientista de Dados, Colaborador e especialista em Marketing Analytics no Sigmoidal. Formado em Ciência de Dados, com MBA e Master's em Big Data e Business Intelligence.