Formações Data Science Python para Data Science

Formação Python para Data Science

Aprenda Python com foco em Data Science!

* Esta formação faz parte dos nossos cursos de Data Science

Quero Estudar na Alura

69h

Para conclusão

Cursos

Vídeos extras

Artigos

O que você vai aprender nesta Formação?

Conheça a formação Python para Data Science

A formação de Python para Data Science da Alura é um guia de estudos com o passo a passo necessário para quem deseja aprender sobre uma das áreas com mais demanda de profissionais nos últimos anos. Cada etapa desse processo foi cuidadosamente pensada por nossa equipe, fazendo com que você, ao final da formação, tenha desenvolvido habilidades para enfrentar diversos desafios na área de Ciência de Dados.

POR QUE ESTUDAR PYTHON?

Python é uma linguagem de código aberto, interpretada e de alto nível, sendo uma das linguagens mais utilizadas em projetos de Data Science. Além de sua facilidade de uso e da sintaxe simples, essa linguagem possui excelentes bibliotecas para lidar com dados, seja nas etapas de obtenção, limpeza e exploração dos dados ou na aplicação de modelos de Machine Learning.

O QUE APRENDEREMOS?

Na Formação Python para Data Science da Alura, você conhecerá Python, a linguagem mais popular em Data Science, explorando as bibliotecas mais utilizadas em Ciência de Dados, como Pandas e Numpy. Você aprenderá sobre a coleta, preparação e exploração dos dados com o Pandas em projetos dos mais diversos assuntos.

Se você quer trabalhar com Data Science, esta formação vai te preparar para entrar no mercado e dar seus primeiros passos na profissão.

Por que estudar esta formação?

Guia de aprendizado
Conteúdos pensados para facilitar seu estudo
Do básico ao avançado
Formação completa para o mercado
Você dentro do mercado
Do zero ao sonhado emprego em sua área de interesse

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Com quem você vai aprender?

Mirla Costa
Instrutora em Data Science, graduanda em Engenharia Elétrica pela UFPI com pesquisa focada em Aprendizado de Máquina e Inteligência Computacional. Amante de programação, tecnologia, cachorros, animações e jogar RPG de mesa.
Mirla Costa
Instrutora em Data Science, graduanda em Engenharia Elétrica pela UFPI com pesquisa focada em Aprendizado de Máquina e Inteligência Computacional. Amante de programação, tecnologia, cachorros, animações e jogar RPG de mesa.
Bruno Raphaell
Bruno é um instrutor de Data Science e Engenheiro Eletricista pela Universidade Federal do Piauí. Se dedica em áreas como Data Science, Machine Learning e Deep Learning, e possui grande interesse em engenharia de dados e engenharia de machine learning. Além disso, em seu tempo livre, ele gosta de jogar xadrez, tocar instrumentos musicais e jogar League of Legends.
Bruno Raphaell
Bruno é um instrutor de Data Science e Engenheiro Eletricista pela Universidade Federal do Piauí. Se dedica em áreas como Data Science, Machine Learning e Deep Learning, e possui grande interesse em engenharia de dados e engenharia de machine learning. Além disso, em seu tempo livre, ele gosta de jogar xadrez, tocar instrumentos musicais e jogar League of Legends.
Afonso Augusto Rios
Formado em Engenharia Elétrica, mas sempre com um pézinho na área da educação básica e tecnológica. Apaixonado por tecnologia, futebol e estudo de línguas, tenta trazer um pouco de ambos os mundos para seus estudos. Atuou como professor de Matemática em escolas públicas de Petrolina, através de um ONG na área de educação, e em projetos educacionais em diversos estados. Com conhecimento em Python e Data Visualization, vem se desenvolvendo na linguagem R, SQL e Power BI.
Afonso Augusto Rios
Formado em Engenharia Elétrica, mas sempre com um pézinho na área da educação básica e tecnológica. Apaixonado por tecnologia, futebol e estudo de línguas, tenta trazer um pouco de ambos os mundos para seus estudos. Atuou como professor de Matemática em escolas públicas de Petrolina, através de um ONG na área de educação, e em projetos educacionais em diversos estados. Com conhecimento em Python e Data Visualization, vem se desenvolvendo na linguagem R, SQL e Power BI.
Allan Segovia Spadini
Allan trabalha como instrutor de Ciência de dados na Alura desde 2019. Também é um dos autores do livro Séries temporais com Prophet pela Casa do Código.
Allan Segovia Spadini
Allan trabalha como instrutor de Ciência de dados na Alura desde 2019. Também é um dos autores do livro Séries temporais com Prophet pela Casa do Código.
Millena Gená Pereira
Millena Gená é estudante de Ciência da Computação. Atualmente, é Instrutora de Dados aqui na Alura atuando principalmente na área de Engenharia de dados. Ela está sempre procurando aprender algo novo sobre tecnologia e é apaixonada por novas aventuras. Programar e ajudar as pessoas são seus hobbies favoritos! ^^
Millena Gená Pereira
Millena Gená é estudante de Ciência da Computação. Atualmente, é Instrutora de Dados aqui na Alura atuando principalmente na área de Engenharia de dados. Ela está sempre procurando aprender algo novo sobre tecnologia e é apaixonada por novas aventuras. Programar e ajudar as pessoas são seus hobbies favoritos! ^^
Valquíria Alencar
Doutora em Biotecnologia e realizou pós-doutorado na Universidade Federal do ABC. Atualmente, atua como instrutora na escola de Data Science, onde desenvolve projetos e cursos abrangendo o pré-processamento e análise exploratória de dados, visualização de dados em Python, aplicação de inteligências artificiais generativas, além da implementação e otimização de modelos de aprendizado de máquina. Também é uma das autoras do livro Séries Temporais com Prophet, publicado pela Editora Casa do Código.
Valquíria Alencar
Doutora em Biotecnologia e realizou pós-doutorado na Universidade Federal do ABC. Atualmente, atua como instrutora na escola de Data Science, onde desenvolve projetos e cursos abrangendo o pré-processamento e análise exploratória de dados, visualização de dados em Python, aplicação de inteligências artificiais generativas, além da implementação e otimização de modelos de aprendizado de máquina. Também é uma das autoras do livro Séries Temporais com Prophet, publicado pela Editora Casa do Código.
João Vitor de Miranda
Bacharel em Matemática e pós graduado em Data Science e Analytics. Com conhecimento em Matemática, Estatística, Excel, Python, R e SQL/NoSQL.
João Vitor de Miranda
Bacharel em Matemática e pós graduado em Data Science e Analytics. Com conhecimento em Matemática, Estatística, Excel, Python, R e SQL/NoSQL.
Paulo Calanca
Estudante de Engenharia de Computação, na Universidade Candido Mendes. Atualmente atua como Monitor da escola de dados da Alura. Com muito interesse em Estatística, Data Science e Engenharia de Dados. Constantemente aprendendo novas tecnologias.
Paulo Calanca
Estudante de Engenharia de Computação, na Universidade Candido Mendes. Atualmente atua como Monitor da escola de dados da Alura. Com muito interesse em Estatística, Data Science e Engenharia de Dados. Constantemente aprendendo novas tecnologias.

Passo a passo

1 Primeiros passos
Neste primeiro momento, você iniciará a jornada conhecendo a linguagem de programação Python já com o foco em Ciência de Dados.
Você vai aprender e executar conceitos, técnicas e ferramentas importantes para se desenvolver na linguagem ao mesmo tempo que aplicará o que foi aprendido a projetos e a situações-problema.
Vamos explorar os conceitos básicos da linguagem Python, como o uso de variáveis, estruturas condicionais e de repetição e, também, estruturas de dados simples, como listas e dicionários, utilizando o Jupyter Notebook por meio da ferramenta Google Colab.
Vamos aprender o que são as bibliotecas em Python e como utilizá-las em nossos projetos, como criar e interpretar funções, como trabalhar com estruturas de dados compostas e como lidar com erros e exceções que ocorram em nossos códigos.
- Artigo O que é Python?
- Artigo Jupyter Notebook: Exemplos de Códigos e Como Usar
- Curso Python para Data Science: primeiros passos
  10h
- Alura+ Trabalhando com Sets no Python
- Curso Python para Data Science: trabalhando com funções, estruturas de dados e exceções
  08h
2 Pacotes de dados
Neste passo, você aprenderá sobre a biblioteca NumPy para trabalhar com a manipulação de arrays, que permitem armazenar e fazer operações com dados. A biblioteca NumPy possui uma ampla variedade de operações em arrays, incluindo cálculos matemáticos, operações estatísticas básicas, classificação, seleção e muito mais.
Você também vai dar seus primeiros passos com Pandas, uma das principais bibliotecas em Python para manipulação e análise de dados em projetos de Data Science. Nessa parte da formação, vamos iniciar nossa jornada com a biblioteca Pandas, aplicando seus recursos básicos em um projeto de ciência de dados. Na sequência, vamos ver como importar dados de diversos tipos de arquivos - como CSV, Excel, JSON, e até mesmo páginas web - e transformá-los em estruturas de dados conhecidas como DataFrames. Essas estruturas permitem a realização de diversas operações com dados, como filtragem, ordenação, agregação, entre outras.
- Artigo Numpy: trabalhando computação científica com Python
- Curso NumPy: análise numérica eficiente com Python
  08h
- Artigo Pandas: o que é, para que serve e como instalar
- Curso Pandas: conhecendo a biblioteca
  08h
- Curso Pandas I/O: trabalhando com diferentes formatos de arquivos
  08h
3 Avançando em pandas
Nesta última etapa, vamos continuar trabalhando com a biblioteca Pandas, focando agora em etapas específicas de um processo de análise de dados. A ideia aqui foi aprofundar e colocar em prática nossos conhecimentos nas principais etapas de projetos que envolvam ciência de dados: seleção e agrupamento de dados, transformação e manipulação de dados e limpeza e tratamento de dados. Cada uma destas etapas vem acompanhada de um projeto básico e de material extra de estudo.
- Artigo Ampliando a análise com o Describe
- Curso Pandas: selecionando e agrupando dados
  08h
- Curso Pandas: transformação e manipulação de dados
  06h
- Alura+ Manipulação de strings com Pandas
- Curso Pandas: limpeza e tratamento de dados
  08h
- Vídeo Conclusão Formação Python para data science - YouTube