README.md

Python para Análise de Dados

• Módulo 1 - Python: Variáveis & Tipos de Dados
• Módulo 2 - Python: Estruturas de Dados
• Módulo 3 - Python: Fluxo Condicional & Repetição
• Módulo 4 - Python: Arquivos & Funções
• Módulo 5 - Python: Programação Funcional
• Módulo 6 - Python: Programação Orientada a Objetos
• Módulo 7 - Python: Módulos & Pacotes
• Módulo 8 - Python: Tratamento de Erros
• Módulo 9 - Python: Scripting
• Módulo 10 - Python: Projeto Final

  

SQL para Análise de Dados

• Módulo 1 - Base de dados & Linguagem SQL
• Módulo 2 - Trabalhando com Tabelas
• Módulo 3 - Selecionando & Ordenando
• Módulo 4 - Filtrando & Seleção Condicional
• Módulo 5 - Agregações
• Módulo 6 - Trabalhando com Múltiplas Tabelas
• Módulo 7 - SQL Avançado
• Módulo 8 - Projeto Final

  

Curso Profissão: Cientista de Dados

• Módulo 01 - Perspectivas de Carreira

• Módulo 02 - Metodologia

• Módulo 03 - Elementos básicos de Python e Numpy - Parte I

• Módulo 03 - Elementos básicos de Python e Numpy - Parte II

• Módulo 04 - Introdução ao Pandas e carga de dados

• Módulo 05 - Limpeza e preparação de dados

• Módulo 06 - Descritiva I

• Módulo 07 - Árvores I

• Módulo 08 - Git / GitHub - Controle de versionamento

• Módulo 09 - TdD III - Agregações e operações em grupos

• Módulo 10 - Descritiva II - Análise descritiva para resposta contínua

• Módulo 11 - Árvores II (Parte I: árvore de regressão)

• Módulo 12 - Regressão I

• Módulo 13 - Regressão II

• Módulo 14 - Scripting

• Módulo 15 - Streamlit I

• Módulo 16 - TdD IV - Pandas avançado

• Módulo 17 - Árvores II (Parte II: árvore de classificação)

• Módulo 18 - Regressão Logística I

• Módulo 19 - Streamlit II

• Módulo 20 - Markdown / Terminal

• Módulo 21 - TdD V - SQL

• Módulo 22 - Descritiva III - Gráficos interativos

• Módulo 23 - Combinação de modelos I

• Módulo 24 - Combinação de modelos II

• Módulo 25 - Cálculo

• Módulo 26 - Algelin

• Módulo 27 - PCA

• Módulo 28 - Streamlit III, IV

• Módulo 29 - K-means

• Módulo 30 - Hierárquicos / aglomerativos

• Módulo 31 - Streamlit V

• Módulo 32 - Probabilidade

• Módulo 33 - Inferência

• Módulo 34 - Regressão III

• Módulo 35 - Regressão IV

• Módulo 36 - Descritiva IV - Visualização de dados categorizados

• Módulo 37 - Regressão Logística II

Projetos

• Projeto #01 | Credit-score

  

• Projeto #02 | Previsão de renda

  

• Projeto | Agrupamento Hierárquico

  

---

Bibliografia complementar

• Módulo 17:

  • Documentação do scikitlearn
  • "The Elements of Statistical Learning" J. H. Friedman, R. Tibshirani e . Hastle
  • "An Introduction to Statistical Learning" Gareth M. James, Daniela Witten, Trevor Hastie, R J Tibshirani

• Módulo 22:

  • "Python para análise de dados" Wes McKinney, ed. Oreilly, 2019 - Capítulo 6
  • "Storytelling com Dados" Cole Nussbaumer Knaflic, Alta books, 2019

• Módulo 23:

  • Random forests - classification description
  • sklearn.ensemble.RandomForestClassifier — scikit-learn 1.2.2 documentation

• Módulo 24:

  Timeline

  • 1984:

    • CART

  • Bagging

    • 1996:

    • Bagging

    • 2001:

    • Random Forest

  • Boosting

    • 1990 - 1995:

    • Boosting 1
    • Boosting 2
    • Boosting 3

    • 1997:

    • Adaboost

    • Additive logistic regression: a statistical view of boosting (With discussion and a rejoinder by the authors)

    • 1999:

    • GBM
    • Stochastic GBM

    • 2014 - 2016:

    • XGBoost

    • 2017:

    • LightGBM
    • CatBoost

  • A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting - ScienceDirect
  • 1.11. Ensemble methods — scikit-learn 1.2.2 documentation
  • sklearn.ensemble.GradientBoostingClassifier — scikit-learn 1.2.2 documentation
  • XGBoost Documentation — xgboost 1.7.5 documentation

• Módulo 25:

  Referências

  • Construindo gráficos 3d com matplotlib
  • Construindo animações com o matplotlib
  • 3blue1brown - "a essência do cálculo"
  • Artigo sobre derivada da Wikipedia
  • Artigo sobre integral da Wikipedia
  • Livros sobre cálculo:
    • Melhores Livros de Cálculo para Universitários
    • "Um Curso de Cálculo - Vol. 1: Volume 1" por Hamilton Luiz GUIDORIZZI

• Módulo 26:

  • Playlist sobre álgebra linear do 3blue1brown
  • Livros sobre álgebra linear

• Módulo 32:

  • Documentação do scipy.stats.t
  • Documentação do scipy.stats
  • Indicações de leitura:
    • "O andar do bêbado: Como o acaso determina nossas vidas" de Leonard Milodinow
    • "Estatística Básica" de P. A. Morettin e W. O. Bussab.

• Módulo 33:

  • Teste de Hipóteses
  • Teste de Hipótese: uma ferramenta poderosa para tomadas de decisão baseadas em evidências | by Edson Junior | Data Hackers | Medium

• Módulo 34:

  • "Applied Linear Statistical Models" de Michael H Kutner, Christopher J. Nachtsheim, John Neter e William Li. Ed. McGraw-Hill Irwin, 2005.
  • Regressão segmentada
    • Um artigo com uso de regressão segmentada
    • Esta referência explica regressão segmentada em R.
  • Lowess
    • Wikipedia
    • Towards Data Science
    • Help do statsmodels
    • Cleveland, W.S. (1979) “Robust Locally Weighted Regression and Smoothing Scatterplots”. Journal of the American Statistical Association 74 (368): 829-836.

• Módulo 35:

  • "Applied Linear Statistical Models" de Michael H Kutner, Christopher J. Nachtsheim, John Neter e William Li. Ed. McGraw-Hill Irwin, 2005.
  • Supervisory Guidance on Model Risk Management
  • Associação entre variáveis qualitativas:
    • Teste qui-quadrado Wikipedia
    • V de Cramer Wikipedia
    • V de Cramer Journal of the Korean Statistical Society
    • V de Cramer no Stack Overflow

• Módulo 36:

  • Intelligent Credit Scoring: Building and Implementing Better Credit Risk Scorecards, 2nd Edition, por Naeem Siddiqi, editora Wiley